물론 너무 큰 야망처럼 보일 수 있다. 하지만 게스트린은 단 하나의 알고리즘으로 그 모든 것을 해결할 수 있었다. 알고리즘이란 어떤 문제의 해결을 위해 컴퓨터가 수행하는 단계적 연산을 말한다.
4년 전 게스트린은 레드우드 숲 속에 작은 무선 센서를 부착하는 인텔의 프로젝트에 참여한 적이 있었다. 연구자들은 그 센서를 사용해 레드우드 숲의 국지적 기후에 대해 알려고 했다. 게스트린은 “연구자들에게 센서를 설치하는 위치를 어떻게 정하는지 물어보았다”면서 “그러자 그들은 단순히 감에 의존해 설치한다고 했다”고 말했다.
게스트린은 자기 같으면 더 좋은 위치에 센서를 설치할 수 있을 것이라고 생각한 끝에 가장 질이 우수한 데이터를 얻을 수 있는 센서의 부착 위치와 개수를 계산해 내기 시작했다.
그 결과 만들어진 알고리즘은 센서를 부착할 수 있는 모든 장소를 알아낸 다음 정보 수집에 대한 잠재력에 따라 순위를 매긴 후 가장 좋은 곳을 골라내는 것이었다. 이렇게 하면 그 다음에는 두 번째로 좋은 센서 부착 위치가 나올 것이고, 센서 부착 비용이 데이터의 효용을 초과할 때까지 알고리즘은 계속해서 계산을 하게 되는 것이다.
숲 속의 기온 데이터, 의자에 사람이 앉았을 때 의자에 가해지는 힘, 여러 블로그를 넘나드는 뉴스 등 게스트린의 모든 프로젝트는 네트워크 속을 흐르는 정보와 관련이 있다. 어떤 경우이건 알고리즘의 목표는 가능한 최소의 힘을 들여 최고의 데이터를 얻는 것이다.
“이 알고리즘의 장점은 아무리 뛰어난 천재라도 이것보다 더 좋은 것을 만들 수 없다는 것입니다.”
예를 들어 블로그도 어떤 정보를 감지하는 센서로 볼 수 있다. 게스트린의 알고리즘을 사용하면 유저들은 너무 많은 블로그를 볼 필요 없이 주요한 소식을 가장 신속하게 접할 수 있는 블로그가 어떤 것인지 알 수 있다. 숲에서 각 센서의 효율성을 평가해 순위를 매기는 것처럼 블로그에서 이 방법을 사용하면 4만5,000개의 블로그 중에서 가장 효율적인 100개의 블로그를 찾을 수 있다. 게스트린이 지난 2006년 이 프로그램의 운영을 시작했을 때는 인스터펀디트가 최우수 블로그로 선정됐다.
물론 센서의 위치를 정하는 알고리즘은 많이 있지만 게스트린의 알고리즘은 가장 신속하고 정확하다. 실제 이 알고리즘은 미국 환경보호청에서 후원한 시뮬레이션 기반 콘테스트에서 입상했다. 콘테스트의 주제는 대규모 수도관 네트워크 속에서 수질오염 감지 센서를 부착하기에 가장 좋은 위치를 찾는 것이었다.
게스트린의 알고리즘은 이론상으로 볼 때 완벽에 가깝다. 그는 “이 알고리즘의 장점은 아무리 뛰어난 천재라도 이것보다 더 좋은 것을 만들 수 없다는 것”이라고 말했다.
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
