공간·인지 아틀라스

스무 번째 항로 · 최적값보다 먼저 목적과 제약을 묻다

가장 좋은 답은 누가 정할까 — 최단 경로에서 AI까지

알렉산드리아의 반사 경로와 흐로닝언의 가장 빠른 곡선에서 출발해 로잔·파리에서 함수와 오차를 최소화합니다. 시카고·레닌그라드·워싱턴·버클리·산타모니카에서 제약과 계획을 계산하고, 머리힐의 내점법과 토론토의 학습까지 가며 ‘계산이 정확하다’와 ‘목표가 옳다’를 분리합니다.

이 항로에서 붙잡을 질문

최적화는 어떻게 ‘무엇이 가능한가’와 ‘무엇이 더 좋은가’를 수식으로 바꾸며, 그 수식에서 빠진 사람·비용·가치는 누가 다시 물어야 할까요?

지도 선이 주장하지 않는 것

이 항로는 최적화를 보편적 효율·자동화된 정의·AI의 단일 엔진과 같게 두지 않습니다. 최단 거리와 최단 시간, 국소 하강과 전역 최적, 필요조건과 충분조건, 이론적 최악 경우와 실제 성능, 파레토 효율과 정의를 구분합니다. 지도 선은 한 원문이 그대로 전파된 계보가 아니라 서로 다른 문제와 제도를 비교하는 편집 경로입니다.

장면을 읽는 동안 카메라는 현재 도시에 머물고, 장면 사이 구간에서만 감속·가속하며 다음 도시로 이동합니다. 지도 마커나 장면 링크로 어느 방향이든 다시 이동할 수 있습니다.

같은 항로, 네 개의 질문

렌즈는 장면을 숨기거나 원인을 확정하지 않습니다. 먼저 비교할 장소를 바꾸고, 선택은 URL에 그대로 남습니다.

전체 흐름은 문제·인지 변화·장소·이동·근거 경계를 같은 비중으로 봅니다. 같은 장면에 다른 설명을 시험하고 싶을 때 렌즈를 골라 보세요.

스크롤로 움직이는 지도 장면 15개

Live map · 지도를 불러오는 중…

01 / 15 · 약 60년

알렉산드리아

  1. 01 · 약 60년

    알렉산드리아 · 저술

    빛의 꺾인 길에서 가장 짧은 경로를 보다 — 《카톱트리카》

    평면거울에서 반사점까지의 꺾인 길을 펼쳐 보면 입사각과 반사각이 같은 경로가 가장 짧다. 이 기하 논증은 훗날 변분 원리로 이어지는 중요한 어깨지만, 남은 책은 중세 라틴어 번역이며 프톨레마이오스에게 잘못 귀속되기도 했고 헤론 저작인지도 확정적이지 않다. 빛이 모든 매질과 상황에서 언제나 ‘최단 거리’를 계산한다고 일반화하지 않는다.

    잠깐 멈춰 묻기

    반사점을 움직여도 같은 각도로 튕기는 길이 왜 가장 짧을까요?

    생각은 어떻게 달라졌나

    한 경로의 길이를 재는 데서 가능한 경로들을 비교하고 극값을 고르는 문제로 이동합니다.

    이 장소가 가능 조건이 된 이유

    알렉산드리아와 연결되는 광학·기하 전통은 거울·시각·반사 문제를 도형 논증으로 조직했지만, 남은 라틴어 번역만으로 정확한 저술실을 확정할 수는 없습니다.

    실제 이동 방식

    고대 반사 기하 → 중세 라틴어 번역과 오귀속 → 헤론 저작으로의 조건부 재귀속 → 페르마·변분 원리와의 후대 비교

    여기까지는 과장하지 않기

    《카톱트리카》는 보통 헤론에게 귀속되지만 의심이 남습니다. 평면거울의 이 기하 논증을 빛이 모든 매질에서 최단 거리를 계산한다는 보편 법칙이나 현대 최적화 알고리즘으로 소급하지 않습니다.

    근거 자료
    이 장면의 안정 링크
    알렉산드리아흐로닝언
  2. 02 · 1696년

    흐로닝언 · 출판

    가장 짧은 선보다 더 빨리 내려가는 곡선을 묻다 — 베르누이의 도전

    요한 베르누이는 중력 아래 두 점을 가장 빨리 잇는 최속강하선 문제를 학계에 던졌다. 답인 사이클로이드는 직선보다 길지만 처음에 더 가파르게 떨어져 속도를 먼저 얻는다. 1696년 《Acta Eruditorum》의 도전과 1697년 흐로닝언 재인쇄는 문제를 유럽 서신망으로 퍼뜨렸으며, 결과는 마찰 없는 점질량과 균일 중력 같은 이상화에 의존한다.

    잠깐 멈춰 묻기

    왜 두 점 사이의 가장 빠른 낙하선은 가장 짧은 직선이 아닐까요?

    생각은 어떻게 달라졌나

    거리라는 한 기준을 시간으로 바꾸자 최적 곡선이 달라진다는 목적함수의 힘을 봅니다.

    이 장소가 가능 조건이 된 이유

    흐로닝언에서 교수로 일하던 베르누이는 라이프치히 학술지와 별쇄를 통해 도전을 유럽 수학자들에게 보내고 해법을 비교할 공개 무대를 만들었습니다.

    실제 이동 방식

    갈릴레이의 낙하 문제 → 베르누이의 1696년 학술지 도전·1697년 흐로닝언 별쇄 → 뉴턴·라이프니츠·야코프 베르누이 등의 해법 → 변분법

    여기까지는 과장하지 않기

    사이클로이드의 최속성은 마찰 없는 점질량·균일 중력 같은 이상화 아래의 결과입니다. 문제를 요한 한 사람의 고립된 발명으로도, 해법들의 수학이 모두 같았다고도 말하지 않습니다.

    근거 자료
    이 장면의 안정 링크
    흐로닝언로잔
  3. 03 · 1744년

    로잔 · 출판

    숫자가 아니라 함수 전체를 고르다 — 오일러의 변분법

    오일러의 《Methodus inveniendi》는 길이·시간·작용처럼 곡선 전체에 붙는 양을 최대·최소로 만드는 문제를 체계적으로 다뤘다. 이것은 유한한 변수 몇 개가 아니라 가능한 함수들의 공간에서 답을 찾는 전환이었다. 로잔·제네바는 출판망의 핀이며 당시 오일러의 주 활동지를 뜻하지 않고, 변분법 전체를 한 책이 단독 발명했다고도 보지 않는다.

    잠깐 멈춰 묻기

    숫자 몇 개가 아니라 가능한 함수 전체 가운데 최선의 하나를 어떻게 고를까요?

    생각은 어떻게 달라졌나

    미지수를 수에서 곡선·함수로 확장하고 각 곡선에 붙는 총량의 극값을 찾습니다.

    이 장소가 가능 조건이 된 이유

    로잔·제네바의 부스케 출판망은 상트페테르부르크·베를린에서 전개된 오일러의 긴 연구를 체계적인 라틴어 책으로 묶어 국제 독자에게 보냈습니다.

    실제 이동 방식

    최속강하선 해법 → 오일러의 함수 극값 일반화 → 1744년 《Methodus inveniendi》 → 라그랑주의 변분 표기 → 오일러–라그랑주 방정식

    여기까지는 과장하지 않기

    핀은 출판지이며 오일러의 단독 활동지를 뜻하지 않습니다. 책이 변분법의 첫 모든 아이디어나 물리학의 최소작용 원리를 완성한 한 순간이라고 축약하지 않습니다.

    근거 자료
    이 장면의 안정 링크
    로잔파리
  4. 04 · 1805년

    파리 · 출판

    오차들을 제곱해 가장 잘 맞는 궤도를 고르다 — 르장드르

    르장드르는 혜성 궤도 계산서에서 관측값과 모형의 차이 제곱합을 최소화하는 최소제곱법을 처음 출판했다. 여러 오차를 하나의 목적함수로 묶어 ‘가장 잘 맞는’ 매개변수를 정한 것이다. 가우스는 더 이른 사적 사용을 주장하고 1809년에 이론을 발표했으므로, 최초 공개와 주장된 선행 사용을 구분한다. 제곱오차가 모든 자료에 항상 올바른 기준도 아니다.

    잠깐 멈춰 묻기

    서로 어긋나는 여러 관측 중 ‘가장 잘 맞음’을 하나의 수로 어떻게 정의할까요?

    생각은 어떻게 달라졌나

    각 오차를 따로 설명하는 대신 잔차 제곱합이라는 목적함수로 묶어 모형 매개변수를 고릅니다.

    이 장소가 가능 조건이 된 이유

    파리의 천문·측지 계산과 인쇄·아카데미 환경은 여러 관측을 조정하는 절차를 혜성 궤도 계산서 안에 공개하고 비교하게 했습니다.

    실제 이동 방식

    천문·측지의 과잉 관측 → 르장드르의 1805년 최소제곱 공개 → 가우스의 1809년 이론과 선행 사용 주장 → 오차 모형·회귀·통계 추정

    여기까지는 과장하지 않기

    르장드르의 최초 공개와 가우스의 더 이른 사적 사용 주장을 구분합니다. 제곱손실은 큰 오차에 민감하며 모든 자료·목표에 자연스럽거나 중립적인 기준이 아닙니다.

    근거 자료
    이 장면의 안정 링크
    파리파리
  5. 05 · 1847년

    파리 · 발표

    현재 지점의 가장 가파른 내리막으로 걷다 — 코시

    코시는 연립방정식을 푸는 방법으로 함수의 음의 기울기 방향을 따라가는 절차를 제안했다. 오늘날 기울기 하강법의 선행 장면이지만 방향만으로는 충분하지 않다. 보폭이 너무 작으면 느리고 너무 크면 진동하거나 발산하며, 비볼록한 지형에서는 국소 최솟값·안장점·평평한 영역에 막힐 수 있다.

    잠깐 멈춰 묻기

    현재 위치에서 내려가는 방향을 알 때 얼마나 멀리 가야 할까요?

    생각은 어떻게 달라졌나

    닫힌 해를 한 번에 구하는 대신 국소 기울기를 반복 계산해 근삿값으로 접근합니다.

    이 장소가 가능 조건이 된 이유

    파리 과학아카데미의 짧은 회보 발표 형식은 연립방정식 수치 절차를 빠르게 기록하고 해석학·계산 독자에게 퍼뜨렸습니다.

    실제 이동 방식

    미분과 극대·극소 → 연립방정식 반복 풀이 → 코시의 1847년 음의 기울기 절차 → 최급강하·선탐색 → 현대 최적화와 학습

    여기까지는 과장하지 않기

    음의 기울기는 국소 하강 방향일 뿐 임의의 비볼록 함수의 전역 최적을 보증하지 않습니다. 보폭·초기값·정지 규칙과 수치 오차가 결과를 바꿉니다.

    근거 자료
    이 장면의 안정 링크
    파리로잔
  6. 06 · 1896년

    로잔 · 강의·재직

    누군가를 더 낫게 하려면 다른 누군가가 나빠지는 경계를 보다 — 파레토

    파레토는 로잔에서 강의하고 펴낸 정치경제학 과정에서 여러 사람의 선호가 얽힌 배분을 분석했다. 훗날 파레토 효율이라 부르는 상태는 누구도 나쁘게 하지 않고 한 사람을 더 낫게 만들 수 없는 경계다. 이는 공정성·정의·평등을 보증하지 않고, 효율적인 점이 하나뿐이라는 뜻도 아니다. 어떤 선호와 자원을 표에 넣었는지가 먼저다.

    잠깐 멈춰 묻기

    한 사람의 개선이 다른 사람의 손해를 요구하는 경계가 곧 공정한 답일까요?

    생각은 어떻게 달라졌나

    하나의 목적값 대신 여러 주체의 선호가 맞바뀌는 효율적 경계와 복수의 비지배 해를 봅니다.

    이 장소가 가능 조건이 된 이유

    로잔 대학의 정치경제학 강의와 출판은 수학적 선택·배분을 사회 제도와 연결할 무대를 만들었지만, 당시 경제·계급 가정을 보편 가치로 만들지는 않습니다.

    실제 이동 방식

    한계효용·일반균형 → 파레토의 1896~1897년 강의서 → 후생경제학의 파레토 기준 → 다목적 최적화와 파레토 전선

    여기까지는 과장하지 않기

    파레토 효율은 주어진 선호·자원 아래 더 이상의 만장일치 개선이 없다는 뜻이지 정의·평등·유일한 사회 최적을 보증하지 않습니다. 매우 불평등한 배분도 효율적일 수 있습니다.

    근거 자료
    이 장면의 안정 링크
    로잔시카고
  7. 07 · 1939년

    시카고 · 저술

    부등식 제약 아래의 최솟값 조건을 먼저 쓰다 — 카루시

    윌리엄 카루시는 시카고 대학 석사논문에서 부등식 제약이 있는 최적화의 승수 조건을 다뤘다. 논문은 널리 알려지지 않았고, 1950년 쿤과 터커의 연구 뒤에야 선행 기여가 복원돼 KKT라는 이름이 자리 잡았다. 이 조건은 아무 문제에서나 자동으로 전역 최적을 보증하지 않는다. 필요조건에는 정칙성 가정이, 충분조건에는 볼록성 같은 추가 구조가 필요하다.

    잠깐 멈춰 묻기

    부등식 제약의 경계에서는 어떤 조건이 최솟값 후보를 가려낼까요?

    생각은 어떻게 달라졌나

    목적함수의 기울기만 0으로 두는 대신 활성 제약·승수·상보성을 함께 계산합니다.

    이 장소가 가능 조건이 된 이유

    시카고 대학의 석사논문 제도는 결과를 기록했지만 낮은 유통성과 뒤이은 전쟁·학문 경로는 그 기여가 오랫동안 표준 서사 밖에 머물게 했습니다.

    실제 이동 방식

    라그랑주 승수 → 부등식 제약의 확장 → 카루시 1939년 석사논문 → 쿤·터커 1950년 발표 → 선행 연구 복원과 KKT 명명

    여기까지는 과장하지 않기

    KKT는 하나의 무조건적 해법이 아닙니다. 필요조건에는 제약자격 같은 정칙성, 전역 충분조건에는 볼록성 등 추가 가정이 필요하며 비볼록 정지점은 최적이 아닐 수 있습니다.

    근거 자료
    이 장면의 안정 링크
    시카고상트페테르부르크
  8. 08 · 1939년

    상트페테르부르크 · 출판

    공장의 부족한 자원에 그림자가격을 붙이다 — 칸토로비치

    칸토로비치는 당시 레닌그라드에서 제한된 기계·노동·재료로 생산계획을 짜는 선형 부등식과 해법을 소책자로 발표했다. 자원 제약의 승수는 한 단위를 더 얻을 때 목적값이 얼마나 바뀌는지 보여 주는 해석으로 이어졌다. 이 연구는 서방에 오랫동안 거의 알려지지 않았으므로 뒤의 미국 선형계획과 단일한 직접 전파로 합치지 않는다.

    잠깐 멈춰 묻기

    부족한 기계·노동·재료를 어떤 생산 조합에 배분해야 할까요?

    생각은 어떻게 달라졌나

    공장 경험칙을 선형 목적·부등식 제약과 자원의 한계가치를 함께 계산하는 계획 문제로 바꿉니다.

    이 장소가 가능 조건이 된 이유

    레닌그라드 대학·산업 자문과 소련 계획경제는 생산 배분 문제를 긴급하게 만들고 출판 기반을 제공했지만 언어·제도 장벽은 국제 이동을 늦췄습니다.

    실제 이동 방식

    합판 공장 생산 문제 → 칸토로비치의 1939년 소책자 → 전쟁·제도 장벽 속 제한된 수용 → 1950년대 재출판·경제 해석 → 선형계획과 자원 그림자가격

    여기까지는 과장하지 않기

    칸토로비치와 단치히는 서로 다른 제도에서 독립적으로 핵심 틀에 접근했습니다. 소련 연구가 1947년 미국 심플렉스법으로 직접 전해졌다고 단정하거나 계획 모형이 현실의 모든 가치를 포착했다고 말하지 않습니다.

    근거 자료
    이 장면의 안정 링크
    상트페테르부르크워싱턴 DC
  9. 09 · 1947년

    워싱턴 DC · 주요활동

    수많은 군수 계획을 꼭짓점 사이의 이동으로 바꾸다 — 단치히

    미 공군 계획 업무에서 조지 단치히는 선형 부등식으로 표현한 계획 모형과 실행 가능 다면체의 꼭짓점을 따라가는 심플렉스법을 발전시켰다. 여기서 programming은 컴퓨터 코딩보다 계획 편성을 뜻했다. 방법의 효율은 강력했지만 군사·행정 목적과 분리된 중립 도구는 아니며, 목적함수에 적히지 않은 피해나 가치를 계산하지 않는다.

    잠깐 멈춰 묻기

    가능한 계획이 너무 많을 때 모든 점을 보지 않고 어떻게 좋은 꼭짓점을 찾을까요?

    생각은 어떻게 달라졌나

    계획표를 고차원 다면체로 보고 인접한 꼭짓점 사이에서 목적값을 개선하는 절차로 바꿉니다.

    이 장소가 가능 조건이 된 이유

    전후 워싱턴의 미 공군 통제·계획 조직은 대규모 배치·훈련·물류 문제와 계산 인력을 모아 일반 계획 모형을 시험할 자원을 제공했습니다.

    실제 이동 방식

    전시·전후 군수 계획 → 1947년 단치히의 선형 모형·심플렉스법 → 식단 문제와 초기 계산기 시험 → 산업·수송·통신 최적화

    여기까지는 과장하지 않기

    여기서 programming은 코딩이 아니라 계획 편성을 뜻합니다. 심플렉스법은 실제로 매우 강력하지만 특정 피벗 규칙에는 지수적 최악 사례가 있고, 군사 목적과 누락된 사회 비용에서 중립적이지 않습니다.

    근거 자료
    이 장면의 안정 링크
    워싱턴 DC버클리
  10. 10 · 1950년

    버클리 · 발표

    제약이 걸린 비선형 문제의 정지 조건을 공개하다 — 쿤과 터커

    버클리 비선형계획 심포지엄에서 쿤과 터커는 목적함수와 제약의 기울기, 승수, 상보성 조건을 한 틀로 제시했다. 1951년 논문집으로 출판된 이 결과는 카루시의 1939년 선행 연구와 함께 KKT 조건이라 불린다. 조건을 만족한다는 사실만으로 임의의 비볼록 문제의 전역 최적임이 따라오지는 않으며, 제약자격의 역할도 남는다.

    잠깐 멈춰 묻기

    제약 경계에서 목적과 제약의 기울기가 맞서는 상태를 어떻게 한 식으로 표현할까요?

    생각은 어떻게 달라졌나

    허용 영역의 기하를 승수·활성 제약·상보성으로 번역해 비선형계획의 공통 언어를 만듭니다.

    이 장소가 가능 조건이 된 이유

    1950년 버클리 심포지엄은 서로 다른 최적화 연구를 한 장소와 논문집에 모아 새로운 분야 ‘비선형계획’을 이름 붙이고 검토하게 했습니다.

    실제 이동 방식

    라그랑주 승수·카루시 논문 → 1950년 버클리 발표 → 1951년 심포지엄 논문집 → 제약자격·쌍대성·볼록최적화의 확장

    여기까지는 과장하지 않기

    쿤·터커의 공개 영향력을 인정하면서 카루시 선행을 지우지 않습니다. KKT를 만족한다는 것과 임의의 문제에서 유일한 전역 최적이라는 것은 다른 주장입니다.

    근거 자료
    이 장면의 안정 링크
    버클리채플힐
  11. 11 · 1951년

    채플힐 · 출판

    잡음 속에서도 보폭을 줄이며 답을 추정하다 — 로빈스와 몬로

    로빈스와 몬로는 직접 계산할 수 없는 함수의 근을 잡음이 섞인 관측으로 찾아가는 확률근사 절차를 발표했다. 반복할수록 적절히 줄어드는 보폭은 우연한 흔들림을 평균내면서도 목표를 향해 이동하게 한다. 현대 확률적 기울기 하강의 중요한 조상이지만, 원 논문은 확률적 근 찾기이며 오늘날 미니배치 신경망 학습과 완전히 같은 알고리즘은 아니다.

    잠깐 멈춰 묻기

    함숫값을 정확히 볼 수 없고 잡음 섞인 관측만 있을 때도 목표를 찾을 수 있을까요?

    생각은 어떻게 달라졌나

    완전한 함수표를 요구하는 대신 반복 관측과 줄어드는 보폭으로 불확실성을 평균냅니다.

    이 장소가 가능 조건이 된 이유

    노스캐롤라이나 대학의 수리통계 공동체는 확률론과 반복 계산을 연결하고 논문을 《Annals of Mathematical Statistics》로 보낼 연구 기반을 제공했습니다.

    실제 이동 방식

    통계 추정·순차 실험 → 로빈스–몬로 1951년 확률근사 → 확률적 근 찾기와 제어 → 확률적 기울기법·온라인 학습

    여기까지는 과장하지 않기

    원 논문은 잡음 속 근 찾기이며 현대 미니배치 SGD와 완전히 같지 않습니다. 수렴에는 보폭·잡음·함수에 대한 조건이 필요하고 유한 반복의 성공을 자동 보증하지 않습니다.

    근거 자료
    이 장면의 안정 링크
    채플힐산타모니카
  12. 12 · 1953년

    산타모니카 · 출판

    긴 결정을 남은 문제들의 값으로 접다 — 벨먼의 동적계획법

    RAND의 벨먼은 여러 단계 결정을 ‘현재 선택 뒤에 남는 최적 문제’로 나누는 동적계획법을 초기 보고서로 정리했다. 최적성 원리는 전체 경로의 꼬리도 그 상태에서 최적이어야 한다는 재귀를 만든다. 여기서 programming은 계획이며, 냉전기 군사 시스템 분석이 제도적 배경이었다. 상태가 많아지면 계산량이 폭발하는 차원의 저주도 함께 생긴다.

    잠깐 멈춰 묻기

    긴 의사결정 전체를 매번 다시 풀지 않고 남은 문제의 값으로 접을 수 있을까요?

    생각은 어떻게 달라졌나

    완전한 경로를 한꺼번에 비교하는 대신 상태별 최적 가치를 뒤에서 앞으로 재사용합니다.

    이 장소가 가능 조건이 된 이유

    산타모니카 RAND의 장기 급료·군사 시스템 문제·계산 자원은 순차 결정 이론을 보고서·책·컴퓨터 계산으로 발전시킬 환경을 제공했습니다.

    실제 이동 방식

    변분법·제어 문제 → RAND의 다단계 의사결정 → 1953년 초기 동적계획 보고서 → 최적성 원리 → 제어·경제·강화학습

    여기까지는 과장하지 않기

    programming은 여기서도 계획을 뜻합니다. 상태가 충분히 모든 미래 정보를 담는다는 모형 가정이 필요하고, 상태 수가 커지면 차원의 저주로 정확 계산이 어려워집니다.

    근거 자료
    이 장면의 안정 링크
    산타모니카버클리
  13. 13 · 1972년

    버클리 · 출판

    최적해가 있어도 빨리 찾기 어려운 문제군을 묶다 — 카프

    리처드 카프는 여러 조합문제를 다항시간 환원으로 연결해 NP-완전 문제군을 넓게 드러냈다. 이는 최적해가 없거나 어떤 입력에서도 풀 수 없다는 뜻이 아니다. 최악 경우에 알려진 다항시간 정확 알고리즘이 없고 P와 NP가 같은지도 아직 미해결이라는 조건부 난이도 주장이다. 근사·휴리스틱·특수 구조·작은 사례는 여전히 유용하다.

    잠깐 멈춰 묻기

    최적해가 존재해도 입력이 커질수록 정확히 찾는 시간이 감당할 수 없게 늘 수 있을까요?

    생각은 어떻게 달라졌나

    해의 존재·검증과 빠른 탐색을 분리하고 서로 다른 문제를 환원으로 묶어 최악 경우 난이도를 비교합니다.

    이 장소가 가능 조건이 된 이유

    버클리의 이론컴퓨터과학 공동체와 빠르게 성장한 학술회의·논문망은 계산복잡도를 알고리즘 설계의 공통 질문으로 만들었습니다.

    실제 이동 방식

    튜링의 계산 가능성 → 쿡의 1971년 NP-완전성 → 카프의 1972년 21개 조합문제 환원 → 근사·매개변수·휴리스틱 연구

    여기까지는 과장하지 않기

    NP-완전은 ‘절대 못 푼다’가 아닙니다. P≠NP는 미해결이고 주장은 최악 경우·입력 규모에 관한 것이며, 특수 구조·근사·휴리스틱은 큰 실제 사례를 잘 풀 수 있습니다.

    근거 자료
    이 장면의 안정 링크
    버클리머리힐
  14. 14 · 1984년

    머리힐 · 출판

    다면체의 가장자리가 아니라 내부를 가로지르다 — 카르마르카르

    카르마르카르는 벨연구소에서 실행 가능 영역의 내부를 따라가는 선형계획 다항시간 알고리즘을 발표했다. 큰 문제에서 내점법의 새 시대를 열었지만 최초의 다항시간 선형계획 알고리즘은 1979년 하치얀의 타원체법이다. 이론적 최악 경우 복잡도와 실제 계산 성능은 다른 비교이며, 심플렉스법도 많은 문제에서 계속 중요하다.

    잠깐 멈춰 묻기

    다면체 꼭짓점을 따라가지 않고 내부를 가로질러도 최적점에 빠르게 갈 수 있을까요?

    생각은 어떻게 달라졌나

    심플렉스의 경계 이동과 다른 투영·장벽 기하를 써서 선형계획의 다항시간 경로를 만듭니다.

    이 장소가 가능 조건이 된 이유

    머리힐 벨연구소의 장기 기초연구·통신 최적화 문제·대형 계산기는 새 알고리즘을 이론과 구현 양쪽에서 시험할 산업 연구 환경을 제공했습니다.

    실제 이동 방식

    심플렉스의 실용 성능·최악 사례 → 하치얀 1979년 타원체법 → 카르마르카르 1984년 내점법 → 장벽법·원추최적화

    여기까지는 과장하지 않기

    카르마르카르 방법은 최초의 다항시간 선형계획 알고리즘이 아닙니다. 이론적 복잡도와 실제 성능은 다르고, 내점법이 심플렉스를 모든 문제에서 대체한 것도 아닙니다.

    근거 자료
    이 장면의 안정 링크
    머리힐토론토
  15. 15 · 2012년

    토론토 · 출판

    수백만 예에서 손실을 낮추며 특징을 배우다 — AlexNet

    크리제프스키·수츠케버·힌턴의 AlexNet은 GPU 계산, 대규모 ImageNet 자료, 합성곱 신경망, 역전파와 확률적 최적화를 결합해 이미지 분류 오류를 크게 낮췄다. 이 성공은 기울기 하강·역전파·딥러닝의 단독 발명이 아니다. 벤치마크 손실을 최소화하는 것은 정한 자료와 지표 안의 성능이며, 일반 지능·공정성·사회적 유용성을 자동 최적화하지 않는다.

    잠깐 멈춰 묻기

    수백만 예의 손실을 낮춘 것이 곧 세상을 가장 잘 이해했다는 뜻일까요?

    생각은 어떻게 달라졌나

    손으로 정한 특징에서 대규모 자료·GPU·역전파로 내부 표현과 매개변수를 함께 학습하는 계산 체제로 이동합니다.

    이 장소가 가능 조건이 된 이유

    토론토 대학의 장기 신경망 연구, ImageNet 공개 자료, NVIDIA GPU와 국제 학술대회가 알고리즘·자료·하드웨어의 결합을 검증할 무대를 만들었습니다.

    실제 이동 방식

    신경망·역전파 선행 연구 → ImageNet 자료와 GPU 병렬계산 → 2012년 AlexNet → 대규모 심층학습 확산 → 목적불일치·편향·에너지 질문

    여기까지는 과장하지 않기

    AlexNet은 기울기 하강·역전파·딥러닝의 발명이 아니며 세 저자의 협업과 여러 기반을 결합했습니다. 벤치마크 오류 최소화는 일반 지능·공정성·진실·사회적 최선과 같은 목표가 아닙니다.

    근거 자료
    이 장면의 안정 링크

‘최고’를 말하기 전에 물어야 할 네 질문

가장 짧게, 가장 낮게, 가능한 것 안에서, 그리고 누구에게 가장 좋은가

각 선택은 브라우저에서 작은 모형을 실제 계산하고 공유 URL에 남습니다. 모형 안의 계산은 정확할 수 있어도, 목적과 빠진 항목은 계속 비판하고 바꿀 수 있습니다.

목표가 바뀌면 승자가 바뀐다

가장 짧은 미끄럼길이 가장 빠른 길은 아니다

직선은 기하학적 길이를 최소화합니다. 같은 중력 아래에서는 처음에 가파르게 떨어지는 사이클로이드가 같은 끝점에 더 빨리 도착합니다. 최적화는 ‘무엇이 더 좋은가’를 정한 뒤에야 시작됩니다.

선택한 기준의 승자

직선

사이클로이드 시간 절약

8.7%

같은 두 점을 잇는 직선과 사이클로이드명시한 이상화 모형에서는 직선이 더 짧고 사이클로이드가 더 빠릅니다.직선사이클로이드
직선길이 1.414 · 시간 0.639
사이클로이드길이 2.141 · 시간 0.583

정규화한 모형입니다: 가로·낙차 1, 균일한 중력, 마찰 없음, 정지한 점질량이라는 가정을 둡니다.

최적값은 조건부입니다. 목적 + 제약 + 자료 + 알고리즘 + 정지 규칙 가운데 하나만 바뀌어도 답이 달라질 수 있습니다.

수학을 직접 만져 보기

가장 좋은 답은 누가 정할까 — 최단 경로에서 AI까지

최적화는 ‘가장 효율적인 답을 찾는 기술’보다 더 오래되고 더 정치적인 질문이다. 알렉산드리아의 반사 경로, 흐로닝언의 최속강하선, 로잔의 변분법과 파레토 효율, 파리의 최소제곱·기울기 하강, 시카고와 버클리의 제약 조건, 레닌그라드·워싱턴·산타모니카의 계획 과학, NP-완전성과 내점법, 토론토의 신경망 학습까지 간다. 목적함수·제약·알고리즘·계산비용·가치 판단을 서로 다른 층으로 구분하는 여정이다.

15장면 영화형 여정으로 다시 보기

전체 지도에서 다시 보기

목적함수·제약·기울기와 선형계획 더 깊이 보기

최적화의 수학적 정의, 다변수 미적분 선행 개념, 선형계획의 가능 영역과 현대 응용을 개념 페이지에서 다시 연결합니다.

전체 지도 자유 탐험