디지털스토리텔링 발제 Expressive processing Ch4

1. Digital Story Telling 11‟ spring
Expressive Processing
CH4. Making Models
2011. 05. 04
서울대학교 융합과학기술대학원
디지털정보융합학과
이남민

2. :: Implementable Models ::
Game = System
Rules + Challenges
Game Model 구축의 일반적인 접근방법
1. Collision detection
2. FSM
Game Model 의 조건
1. 컴퓨터적으로 구현되기에 충분히 구체적이어야 함.
2. Target Platform 상에서 효율적으로 구동되어야 함.
3. 개발 비용이 적당히 들어가야 함.
4. 저자가 주고자 한 게임플레이의 경험을 제공할 수 있어야 함.
AI : artificial Intelligence
- AI 연구자들도 게임 제작자와 마찬가지로 현실 세계의 모델, 그 모델 안에서의 행동들을 구현하는 데 관심.
- 많은 AI 연구자들이 system을 만드는 데 참여하게 되었음.
- 다양한 분야로 뻗어나감 : 심리학, 인지과학, 언어학 등
- What could be a next step?
- Weizenbaum은 Eliza의 향 후 방향을 AI system인 ideology machine을 통해 볼 수 있었음.

3. :: Eliza and the Turing Test ::
Can machines think?
Alan Turing, Philosophy journal “Mind”
Q. X씨, 당신의 머리카락 길이를 말해주시겠어요?
Turing Test : imitation game „50 A. 저는 머리를 짧게 잘랐고 가장 긴 머리는 22cm 입니다.
“누가 여자이고 누가 남자인가?”
남 혹은 여 응답자의 역할을 컴퓨터가 대신 한다면??
기계가 사람처럼 보이는 데 성공했다면 그것은 지능적이라고 할 수 있다.
즉, Turing Test를 통과했다면 그 machine은 생각한다.
Surface appearance & internal process
평가할 때, 굳이 내부 structure를 알 필요는 없다.
Eliza
Weizenbaum은 Turing의 이 논리에 이의를 제기함. * Weizenbaum은 Eliza 사용자들에게서 보았던,
Eliza effect를 목격하고 충격 받음.
-> AI에 대해 철학적으로 생각하기 시작
Eliza Project의 미래 “컴퓨터는 인간의 감성을 가지고 있지 않으므로
Eliza가 단순히 사용자의 말을 바꾸거나, 반복하는 것이 아니라, 생각한다고 할 수 없다”
Model에 따라 그 것이 제시하는 방향대로 이야기 하는 것. -> AI의 비판자가 됨.
엘리자가 작동하는 방식으로 보아, 우리는 엘리자가 질문자/환자와의 대화를 이해하지 못한다는 것을 알 수
있다. 엘리자와 질문자/환자 간의 대화를 수정된 튜링 실험이라고 간주한다면, 질문자/환자가 자신을 이해한
다고 느끼고 정신분석학자의 역할에서 사람과 인공적 통보 상대를 구별하지 못하는 한에서 이 엘리자 프로
그램은 성공적이다.
- How such a system could be built?
- Weizenbaum은 Abelson의 ideology Machine을 인용함.

4. :: Abelson‟s Ideology Machine ::
Ideology Machine
Abelson, Carroll, 냉전시대
1950s, “Computer simulation of individual Relief systems”
An approach to belief structure + number of operations
*일반적인 사실, 터무니없는 진술, 단순 사실 등.
특정 ideology를 나타내기 위해서 이 structure에 data들이 채워지게 됨.
(concept-predicate pairs + evaluations of the elements)
Interaction with the system
Offering the assertion
• 주장을 제공하는 주체(source : individual)
• 개념 (particular nation) + 술어 (동사, 객체)
Ex) Stevenson claims “Cuba threatens Latin America”
* source * 개념 * 술어
이 진술은 평가 되고 -> 답변이 생성되고 -> 때에 따라 내부 system data 상태가 변경됨.
Denial and Rationalization
(positive) Source claims – good actor – good action : nothing left for the system to do!!
– bad actor – bad action : simply express regret and stores the data
(negative) Source claims : motivated to dismiss the assertion
(positive) Source claims – good actor – bad action : Deny -> C-not-P의 Credibility Test
- bad actor – good action : Rationalize -> three methods
1. Who control the Original actor
2. Unintended consequence
3. Reinterpret Final Goal

5. :: Data and Credibility ::
새로운 statement에 대해 시스템은 어떻게 응답하나?
1. Data가 구성되는 방법
2. 신뢰도를 결정하는 process
Data
Concept-predicate의 쌍으로 저장된 belief의 집합.
[data가 구성되는 방법]
1. horizontal: 복합 술어의 일부로 이 쌍이 사용될 수 있다. ex) Cuba-subverts Latin America
-> Russia controls Cuba’s Subversion of Latin America.
2. Vertical: concept, predicate모두 상/하위 개념으로 표현하여 사용할 수 있다.
ex) Liberals-Stevenson
Credibility
Concept-predicate을 통해 belief system에 대한 평가 점수를 매길 수 있다.
Positive – negative
이 평가는 credibility testing의 process에 사용된다.
A-B pare already believed -> 자동적으로 credible.
A-not B -> 자동적으로 incredible.
1. 부정어를 붙여서 그것에 대해 같은 과정 반복
2. 더 추상화/더 구체화시킨 instance들을 가지고 테스트.
A, B에 대해 horizontal/vertical하게 관점을 이동시키면서 신뢰성 평가는 수행된다.
A, B 각각에 관련된 instance들을 모두 찾아보고 최소한 절반 이상이 맞으면 credible하다고 판단.

6. :: Eliza, the Ideology Machine, and the Evaluation of Models ::
Eliza
단순히, 독자로부터 입력된 keyword에 의존하는 구조가 아닌, 다양한 응답이 가능한 구조를 만들어야 함.
Eliza, Ideology Machine
Abelson의 연구가 거의 잊혀지려할 때, 다양한 이유로 Eliza는 시사점들을 남김
Janet Murray, Procedural system으로써의 Eliza에 대한 분석: 언어와의 깊은 연관 + processs intensity
Ideology Machine, Underlying procedural model : 언어처리가 훨씬 적었음.(1963)
-> 10년 후, underlying system은 발전하였지만 언어처리는 여전히 다루기 힘든 문제 (1973)
-> 결론적으로 Abelson의 ideology machine은 media로서 실패작
-> 이를 통해 Weizenbaum은 미래의 Eliza에 대한 outline을 잡게 됨.
(compelling set of operational logics + sense for language)
-> 이 것은 결국 완성되지 못함.
Approximation to real systems
Charlotte, Abelson에 의한 Credibility에 대한 실증적인 연구들이 계속 연구되고 있었음.
Model의 형태로 인간의 인식 기능의 이론을 구축하는 것
-> computer program으로 구현 * General Problem Solver
-> 인간 행동과의 비교를 통한 평가 Allen Newell, Herbert Simon 97’
인간의 문제 해결 프로토콜을 모방하기 위해 설계.
* Parry 제한된 범위의 퍼즐에서 하위목표와 가능한 행동을
편집증 환자를 시뮬레이션 by Kenneth Colby 고려하는 순서가 인간과 같음이 판명됨.
그 때까지 Turing Test를 pass한 유일한 프로그램. 편집증 환자에 대한 연구 결과에 대해,
실제로 정신과 의사가 Parry와의 대화를 구분할 수 없었음. Weizenbaum, “유아 자폐증에 대해서는?”
-> 전혀 안됨. 사람처럼 행동하는 기계일 뿐, AI에 대해 부정적
인 견해를 보임.

7. :: AI, Neat and Scruffy ::
Neats
John McCarthy( AI라는 용어 도입한 사람)
The Mind of Science(1985)
“ 엄격한 공식적인 접근을 통해 지능을 구성하는 행위”
수학적 언어로 명확하게 표현할 수 있는, 논리적 관계나 이치들의 집합으로 만드는 것.
전통적, 기호적인 인공지능 연구임.
Scruffies
Schank, Abelson
Linguistics, psychology등 다른 넓은 분야들의 연구에서 이루어짐.
특정 임무 달성을 위한 규칙적인 디자인 보다는 자동화된 process에 의해 지능을 향상시키려 함.
다양한 AI system을 고안하여 intelligence를 진화시키려 함. Ex) fiction authoring tools 등
1. Conceptual dependency : language-independent semantic representation “자연어
의 표현이 가진 다양성을 어떻게 다룰 것인가?” 사용 언어와 관계
없이 어떤 두 문장의 의미가 같으면 개념 종속에 따라 같이 표현되는 것. 의미소로 표현하여 의
미소의 구조로 의미를 표현하는 것. Ex) 나는 그에게 사과를 주었다 =
그는 나에게서 사과를 받았다. / 사과 = Apple
2. Notion of “Scripts” (case)
Ex) Ideology machine의 calling sequence
- Scruffies가 좀 더 현실 세계를 보여주어서 주목받았지만 unscientific하다는 비난도 받았다.
- 이 둘은 혼합되어 쓰이고 있다.

8. :: Authoring Processes ::
Learning from Models – “How we learn from making Models?”
Practical reality : 모델화 실현 가능한 실제
“어떤 것이 model로 build될 수 있을까?”
-System을 build하려 할 때 뿐만 아니라, system들과의 소통 중에, 소통하는 이용자들을 관찰할 때 등, 의도
치 않은 상황에서도 이 물음은 계속된다.
“What do we want to know?”
-Scruffy or neat 방식의 고민
“Can we build a system that exhibits genuinely intelligent behavior?”
“사람들이 simple한 model과 어떻게 interaction 하나?” by Eliza
“상대적으로, interaction에 있어서 state-free한 model의 한계는 무엇인가?”
“computer character를 좀 더 매력적으로 만들려면 어떻게 해야 하나?”
Computational model을 만들 때 focus할 수 있는 두 가지 방법
AI focus, intelligent behavior
Digital media focus, authoring

9. :: Process Intensity ::
Data is not central to all systems.
But, e-book: digital media artifact는 대부분 text와 image에 치중함(data)
Process intensity
Crawford
Balance between process and data
Machine 측면에서, data movement 보다는 process calculation에 집중
Authoring 측면에서, effort는 data file을 만드는 것 보다 process 정립 과정에서 가장 많이 소요됨.
Process를 만드는 과정은, 독자에게 혁신적인 경험을 제공할 수 있는 기회임.
오늘날 game 업계에서 약 80%정도의 time이 소요되는 분야는 art assets의 창조였다. Data intensity에 노력
을 쏟아부은 것이다.
Displaying Data보다는 Behavior processing에 집중해야 한다! 보이는 것 보다는 어떻게 행동하는가!
Ex) The Sims : process-intensive design
- 다양한 인구집단의 유저를 보유한 성공한 사례이지만,
초기의 사업자들은 risk때문에 꺼려했고, 지금도 마찬가지임.

10. :: Expressive AI ::
Mateas
AI researcher, artist, game developer
AI와 making media 사이의 relationship에 대한 연구들
AI : 현실 세계의 구조를 캐치해 내거나, 일어나는 일들의 이유, 해결 방법 들을 고민함.
요즘의 중요한 연구들은 왜 hand-authored approach to large problems (general-purpose reasoning) 보다 통
계적 approach를 사용하는 것일까?
Express AI
AI는 작가의 idea를 수행하는 system을 보는 관점.
1. Digital Media 관점에서의 AI
- hyper media, computer games design : data-focus approach
[Mateas의 시도]
- authorial perspective ex)Fasade
Combining AI’s process intensity
With the authorial perspective of
2. 전통적인 AI 관점 digital media/games
- process-intensive solution
이 장에서는,
Behavior authorial 관점에서 process-intensive techniques의 사용에 대한 가능성을 보는 것이 목적임.