발견법(發見法) 또는 휴리스틱(heuristic)은 경험에 기반하여 문제를 해결하거나 학습하거나 발견해 내는 방법을 말한다. 전산학 등 과학분야에서는 한정된 시간 내에 수행하기 위해 최적의 해 대신 현실적으로 만족할 만한 수준의 해를 구하는 방법이다. 형용사구로 발견적 방법(heuristic method, 휴리스틱 기법)라고도 한다.

개요[편집]

발견법은 인간과 기계에서 어떤 문제를 해결하거나 제어하기 위해 필요한 정보를 위해 느슨하게 적용시키는 접근을 시도하는 전략을 말한다.^[1] 가능한 가장 좋은 해답 혹은 최적의 해결법에 접근하기 위한 빠른 방법을 얻기 위해 특히 쓰인다. 이는 어림짐작이며 교육된 추정이고 직감에 의한 직관적인 판단 또는 간단히 상식을 이용한다. 발견법은 문제를 해결하기 위해 가장 보편적으로 쓰는 방법 중 하나이다.

의사결정하려면 다양한 변수를 고려해야 하지만 현실적으로 정보의 부족과 시간제약으로 완벽한 의사결정을 할 수 없다. 제한된 정보와 시간제약을 고려해 실무상 실현 가능한 해답이 필요하다. 발견법은 이런 경우를 위해 가장 이상적인 해답을 구하는 것이 아니라 현실적으로 만족할 만한 수준의 해답을 찾는 것이다.

따라서 어떤 문제가 있을 때 그 문제를 푸는 방법이 아직 없거나 현실적으로 불가능할 때, 혹은 문제를 풀기 위한 정보가 완전히 주어지지 않을 때, 확립된 절차에 따라 답을 구할 수 있을 정도로 문제가 명확하게 정의되지 않았을 때 발견법이 사용 가능하다.

발견법에서는 특히 경험이나 직관을 사용하거나 노력을 기울여 시행착오를 거쳐서 충분히 효율적인 해답이나 지식을 얻게 된다. 예를 들어 '좋은 소프트웨어 설계를 하라'는 말처럼 명확한 답이 없는 문제를 경험, 직관, 시행착오를 통해 점점 만족스러운 설계로 발전시키는 과정도 발견법에 의한다고 볼 수 있다.

예시[편집]

폴리야의 1945년도 저서 《어떻게 문제를 풀 것인가》(원제: How to solve it^[2])는 발견법에 관한 다음의 흔히 쓰이는 예를 들고 있다.

• 어떤 문제를 이해하기 어렵다면, 그림을 그려본다.


• 해결법을 찾기 힘들다면, 해결법이 있다고 가정하고 어떤것이 그것으로부터 유도되는지를 상정해본다.


• 문제가 추상적이라면, 구체적인 예를 들어 본다.


• 먼저 보편적인 문제를 먼저 푼다.

심리학[편집]

심리학에서는 인간이 어떻게 의사결정을 내리고 문제를 풀어내는지 설명하는 진화 혹은 학습에 의해 심어진 방법이다. 이러한 방법은 대부분의 경우에는 잘 작동하지만 지각편향이나 시스템적 오류를 일으키기도 한다.

아모스 트버스키와 다니엘 카너먼에 의해 많은 연구가 이루어 졌지만 원래는 노벨상 수상자인 허버트 사이몬에 의해 처음 소개되었다. 거르드 기거렌저는 어떻게 발견법이 지각편향을 만들어 내지 않고 보다 정밀한 판단을 할 수 있는지에 대해 연구 하였다.

2002년 다니엘 카너먼과 셰인 프레데릭은 처리하기 힘든 복잡한 목표속성을 곧바로 마음에 떠오른 발견법적 속성으로 바꿔서 판단하는 속성 바꾸기(attribute substition)가 자각없이 작용한다는 이론을 펼쳤다. 이는 또한 사람들이 평균회귀에 반하는 결정을 왜 내리는가에 대해 설명하고 있다.

컴퓨터 공학[편집]

컴퓨터 공학에서 발견법은 해결법이 정확히 해결되는지에 대한 문제를 무시하고 일반적으로 좋은 해결법이나 보다 간단한 해결법으로 풀고자 하는 문제 해결법이다. 예를 들어 상업적인 컴퓨터 바이러스 검색 소프트웨어들은 발견법으로 특정 속성이나 특징들을 찾아 바이러스나 나쁜 소프트웨어를 찾아낸다. 하지만 잠재적인 정확도 하락의 요인이 되기도 한다.

인간 컴퓨터 상호작용[편집]

발견적 평가방법이 유저 인터페이스를 평가하기 위한 방법으로 사용성 평가를 위해 쓰이고 있다.

메타 휴리스틱[편집]

발견법의 연구는 해결하고자 하는 문제마다 각기 그 특성에 맞추어 개발해야 하는 어려움이 있다. 이에 따라 특정문제가 갖는 정보에 크게 구속되지 않고 다양한 문제에 적용가능한 상위수준의 발견적 기법, 즉 메타 휴리스틱(Meta-Heuristic)을 사용할 수 있다.

메타 휴리스틱 기법에는 유전 알고리즘, 담금질 기법, 타부 서치가 있다. 이들 기법들은 각기 다른 특성이 있지만, 개념과 이론이 단순하고 해공간의 탐색 능력이 우수하여 공학, 자연과학뿐만 아니라 경영학, 사회과학 등의 최적화 분야 또는 의사결정분야에 응용가능하다는 공통점이 있다. 이들 기법은 각기 독립적으로 여러 분야에 적용될 수 있을 뿐만 아니라, 각 기법의 단점을 상호보완하면서 장점을 결합하여 함께 적용될 수 있다. 예를 들면 유전알고리즘의 해공간 탐색 능력과 타부 서치의 지역 최적해 탐색 능력의 강점을 결합하여 사용할 수 있다.

이러한 해법들은 조합최적화문제로 해석되는 현실의 문제들을 해결하기 위해 다양한 영역으로부터 아이디어를 얻은 결과이다. 유전알고리즘은 자연의 진화과정과 유전법칙을 모방하였고, 담금질 기법은 금속의 표면처리 과정에서 냉각과정에 기초를 두었고, 타부서치는 인간이 기억을 하는 과정을 이용했다.

주석[편집]

1. 이동 ↑ Pearl, Judea (1983). Heuristics: Intelligent Search Strategies for Computer Problem Solving. New York, Addison-Wesley, p. vii.


2. 이동 ↑ Polya, George (1945) How To Solve It: A New Aspect of Mathematical Method, Princeton, NJ: Princeton University Press. ISBN 0-691-02356-5   ISBN 0-691-08097-6

참고 자료[편집]

• How To Solve It: Modern Heuristics, Zbigniew Michalewicz and David B. Fogel, Springer Verlag, 2000. ISBN 3-540-66061-5


• The Problem of Thinking Too Much, 2002–12–11, Persi Diaconis


• 행동경제학, 도노모 노리오, 이명희 역, 지형, 2007년, ISBN-13: 9788995737057


• 김여근, 윤복식, 이상복. 《메타휴리스틱》.  지원되지 않는 변수 무시됨: |꺾쇠표= (도움말)