많은 곳에서 챗봇이니 머신러닝이니 하면서 기계학습 개념 자체의 접근 법은 신경쓰지 않은채 결과에 치중한 업무를 하는 사람들 뿐이다. 물론 이 외에는 돈이 안되기 때문에 하지 않고 있기 때문이지 않을까. Softbank 자회사인 Kokoro라는 곳에서는 감정맵에 의한 로봇의 행동의 배리에이션에 감정 요소를 넣어 보다 많은 행동패턴을 만드는 용도로 사용을 하고 있다. 이 방법도 감정맵에 의한 희노애락의 변형적인 대응으로 상당히 재미난 접근이나 돈이 되는 것은 아니다. 개인이 자비로 재밌는 개념을 구현하고자 하는 동영상이 있었다. 인간이 일반적으로 단어를 인지하는 방법 중에 3차원 공간에서 단어를 인지하는 방법론의 개입이다. 예를 들어, "숨는다" 라는 표현은 3차원 공간에서 주체의 시야에서 사라지는 것을 의미한다. 여기에 "늑대로부터 숨는다" 라는 문장화되면 더욱 복잡해지면서 단순히 시야에서 사라지는 방법 중에 "장애물 안으로 숨어서 몸을 지킨다" 라는 "두려움"을 줄이는 최적의 방법을 찾는 "심리적 안정도"의 sorting을 하여 행동을 하게 된다. 실제로 구현하는 과정을 봤을 때에는 너무 단일 사례만을 목적으로 만들었기 때문에 실제로 사용 가능한 패턴을 벡터화 하여 다차원 벡터 연산을 하는 방법에 대해서 생각하기에는 의문이 있지만, 많은 머신러닝 사례등과 비교한다면 굉장히 신선한 접근 방식이고, 3차원 공간에서의 좌표 및 지형지물에 대한 인식 체계 및 각각의 추가 벡터까지 가미시켜 보다 현실적인 답안을 만들어내는 방법 자체에는 흥미가 가는 접근법이다. 단지 이를 이용해서 재화를 만들 방법이 없어서 연구가 안되는 것 같지만, 내 생각에는 현재 너무 많아져 더이상 유저의 감정을 움직이지 않고 있는 MMORPG의 NPC의 AI엔진에 이를 적용하면 유저의 호감도나 자체 성격에 따른 다양한 유저 대응 패턴을 만들 수 있지 않을까? 새로운 가상 세계의 주민을 만들 수 ...