[NDC 19] 아, 잘 달리는 쿠키 찾으시는구나!

빅 데이터와 AI산업이 큰 주목을 받은 영향 탓인지 데이터를 다양한 영역에서 활용하고 싶어 하는 사람이 늘고 있다. 데이터를 잘 활용하기 위해 두꺼운 책을 주의 깊게 보거나, 노트북에서 코드와 씨름하기도 하지만, 사실 백 번 보는 것보다는 실제 세상에서 구체적인 도전을 하는 것이 낫다.

※ 이 강연은 기초적인 프로그래밍 지식이 필요합니다.

여찬구 데이터 사이언티스트(왼쪽)와 신현석 데이터 엔지니어

▲ 위는 80가지의 경우 중 20가지를 선택하는 경우의 수다. 아래는 쿠키와 펫을 각각 선택해 조합하는 경우의 수다. 

신현석 데이터 엔지니어는 이런 불편함을 해소하기 위해 처음에는 단순히 고득점 유저의 조합을 복사할 수 있도록 했다. 하지만 일반 유저와 고득점 유저 사이에 쿠키와 펫 구성과 레벨이 달랐기 때문에, 이 시스템은 사실 초보자들에게 썩 유용하지는 않았다.  

여찬구 데이터 사이언티스트는 추천 시스템의 필요성을 '느꼈지만' 명확하지 않았다고 밝혔다. 이 필요성을 수치로 나타내고 데이터를 통해 증명하고 싶었다. 먼저 떼탈출 이용자의 등급 분포를 분석하니, 전체 유저의 95%가 떼탈출 모드에서 최고 등급을 달성하지 못했다. 최고 등급의 보상은 좋지만, 많은 유저가 누리지 못하고 있었다.

▶ 알고리즘이 뭐죠?

 

알고리즘(Algorithm) 쉽게 말해 규칙입니다. 주로 컴퓨터에서 어떤 문제 해결을 위하여 입력 자료를 토대로 원하는 출력값을 유도하는 규칙입니다. 이 규칙은 하나의 단계 또는 여러 단계로 구성될 수 있습니다.

 

잘 와닿지 않는다면, '길 찾기' 어플을 생각하면 됩니다. 물론 컴퓨터 개발의 알고리즘은 컴퓨터가 해결할 수 있는 논리가 좋지만, 정해진 틀이 있는 것은 아닙니다. 어떤 문제를 문제없이 효율적으로 해결한다면 좋은 알고리즘이라고 할 수 있습니다. 하지만, 그게 쉽다면 개발자의 퇴근이 빨랐겠죠?

▲ 추천 시스템의 전체 과정이다. 이 중 '추천 알고리즘'에 대한 이야기다.

신현석 데이터 엔지니어는 목표하는 알고리즘의 기능적인 핵심으로 '고득점 유저 조합을 단순 복사'하는 한계를 벗어나는 것으로 설정했다. 예를 들어 1등 유저는 최상급 쿠키와 펫, 적절한 조합, 그리고 게임 실력이 있다. 하지만 대부분의 유저는 최상급 쿠키와 펫이 없다. 게임 실력은 개인의 문제였다. 남은 것은 쿠키의 '적절한 조합'이었다. 구체적으로 유저가 가지고 있는 쿠키와 펫으로 재현 가능한 조합을 추천하는 알고리즘을 목표로 했다.

▶알고리즘은 알겠는데, '그리디 알고리즘'은 뭐에요?

 

알고리즘에는 종류가 정말 많습니다. 수많은 알고리즘 중에 수학적으로 특별한 효율을 약속한 알고리즘이 있습니다. 그중 하나가 '그리디 알고리즘(Greedy Algorithm, 욕심쟁이/ 탐욕 알고리즘)입니다. 

 

그리디 알고리즘은 단순한 규칙을 지킵니다. '매 순간 선택에서 당장 최적의 답을 선택하고, 적합한 결과를 도출'합니다. 예를 들어 10개 장소를 거칠 때 가장 짧은 거리를 선택한다고 가정합시다. 모든 경우를 계산하면 360만 가지가 넘습니다. 하지만, 그리디 알고리즘을 적용하면 처음 장소에서 가장 가까운 장소를 선택하고, 선택된 장소에서 또 가장 가까운 장소를 선택하는 방법을 반복하다. 

 

이 방법을 통해서 빠르게 가장 짧은 거리의 도시 방문 순서를 선택할 수 있다. 그러나 그리디 알고리즘을 통해 나온 도시 방문 순서는 반드시 가장 짧은 거리가 아니다. 그리디 알고리즘의 약점이다. 

위 과정을 거쳐, 2018년 12월 31일 <쿠키런 : 오븐브레이크>에 떼탈출 모드의 쿠키 및 펫 추천 시스템이 도입되었다. '와사비 쿠키'가 유저들이 보유한 쿠키 중에서 가장 적절한 조합을 말해줬지만, 와사비 쿠키는 '와사기꾼'이라고 불릴 정도로 유저의 불신은 컸다.