커널연구회 영한번역학습 프로그램(TransWorks) 특허출원 및 프로그램 배포

제가 대학병원 전산실에서 오래 근무하다보니
컴퓨터 연산장치와 메모리를 사람의 두뇌와 자주 연관시킵니다.
제가 운영하고 있는 커널연구회(www.kernel.bz)의 CI 로고도
컴퓨터와 사람의 세포를 서로 연관시켜서 제가 직접 그린 것입니다.
KLDP에 계신분들 모두들 잘 알고 계시겠지만,
컴퓨터는 트랜지스터(TTL)가 발명된후 TTL을 논리적으로 조합시키는 기술의 산물입니다.
TTL은 논리적으로 2진수 0과1를 이해하고 우리가 프로그래밍한 것들도 컴파일 및 어셈블되어 0과1로 표현됩니다.
사람도 시작은 0과1과 같은 단세포의 만남에서부터 시작합니다.
이것이 세포분화하며 진화하는 것입니다.
저는 컴퓨터의 TTL 논리회로와 사람의 두노세포가 매우 유사하다고 생각합니다.
문제는 아직 컴퓨터가 사람의 두뇌처럼 창조적인 생각을 못한다는 것인데요,
하지만, 컴퓨터의 자료구조와 알고리즘을 끊임없이 연구하다 보면
사람의 두뇌와 같은 모습으로 닮아가지 않을까 기대하고 있습니다.
20~30년후면 컴퓨터 하드웨어는 사람의 두뇌세포 용량만큼 발전하리라 봅니다.
기술적으로 별로 어렵지 않습니다. TTL 논리회로를 계속 연결시키면 되고,
최근에는 인텔에서 3차원적으로 TTL회로를 구현했다는 소식도 접했습니다.
문제는 자료구조와 알고리즘이고 저는 여기에 큰 의미를 두고 공부하고 있습니다.

PS.요즘 클라우딩 컴퓨팅이 많이 화자되는데,
전세계 PC에 있는 메모리를 네트워크로 묶으면 사람의 두뇌세포 용량만큼 되지 않을까요?

문장 단위의 exact matching 이라기 보다
인덱스 단위의 matching이라고 봐 주셨으면 합니다.

특허에 대해 익명 댓글을 다신분을 저도 모릅니다.
단지, 특허에 대해서 긍정적으로 폭넓은 시각으로 보시는듯 하여 저도 기분이 좋습니다.
저도 리눅서로서 자유 소프트웨어를 좋아합니다.
그런데 이분야의 연구를 하면 할수록 뭔가 문서형태로 남겨두고 싶은 것들이 생기더군요.
제가 대학원이나 학계에 몸담고 있었다면, 굳이 특허를 내지 않고 학회지 같은 곳에 논문으로 내고 싶었는데,
현재 직장생활하고 있는 몸이라 특허를 내기로 결심했습니다.
특허는 일종의 안전장치라고 보는것이 좋을듯 합니다.
공격용이 아닌 방어용입니다.
내가 연구한 것을 가지고 좀더 가능성 있는 분야를 개척하고자 할때, 방어가 될만한 안전장치가 필요합니다.
또한, 문서 형태로 남겨 두면 다른 분들과 공유도 쉽게 되고
특허출원된 것은 인정받기 쉬어진다는 일종의 관습때문이기도 합니다.
나이가 들수록 이런 관습이라는 것을 무시하지 못하겠더라구요.
긍정적으로 이해해 주셨으면 합니다.

익명글이라 누구신지 모르겠지만, 제가 열린 자세로 지적해 주신 내용들을 잘 보고 있습니다. 위의 제 글들을 보시면 지적해 주신 글들을 비판하지는 않았습니다. 단지 장단점이 있다라는 것을 말씀드렸구요. 저의 TransWorks는 분명히 쓰임새가 있습니다. 특히, 상용 DBMS을 올릴 수 없는 임베디드에서 영어학습용으로 충분히 활용가치가 있습니다. 그동안 이것을 주제로 월간임베디드월드 잡지에 기고글도 11개월 동안 연재를 했구요. 앞으로 이쪽분야에서 아주 유용한 솔루션을 만들기 위해 계속 노력할 예정입니다. 많은 성원 바라며 논쟁은 이쯤에서 마무리 했으면 좋겠습니다. 저도 여러명의 익명성 댓글에 답글하다보니 좀 힘드네요. 감사합니다.

아침에 님의 글을 읽고 기분이 좋아졌습니다.
그냥 님이라고 호칭해서 죄송합니다.
익명글이 아닌 아이디가 있었다면 아이디를 기억해서 앞으로 좀 친해지고 싶습니다.
검색 알고리즘의 시간 복잡도 O(log(n))에 대해서 언급해 주실 정도면
알고리즘에 대해서 많이 공부해 보신듯합니다.
일단, 저의 TransWorks을 "번역을 위한 검색" 알고리즘으로 이해해 주셨으면 합니다.
이것의 활용 가치에 대해서는 윗글에서 제가 수식으로 보여 드렸구요.
문제는 바로 님께서 지적해 주신 알고리즘 시간복잡도를 표현한 log 수식입니다.
그리고 세상에서 가장 효율적인 알고리즘도 이미 있습니다.
바로, 해싱 알고리즘의 O(1) 입니다. 검색을 단 한번(CPU 연산 한번)으로 해낸다는 것이지요.
그런데 해싱의 문제점은 인덱스 n이 대용량일때 collision으로 인한 chaining 문제를
해결해야 한다는 것이고 이것을 해결하기 위해서 많이들 고민합니다.
이분야에서 알고리즘을 지속적으로 연구하는 이유는 바로 이런 고민을 풀기 위함입니다.
n이 대용량으로 갈때 시간복잡도가 log(n)으로 나타나는 알고리즘이 널리고 널렸지만
아주 중요한 차이점이 있습니다. 바로 log의 밑수가 어떻게 되는가? 입니다.
일반적인 사용로그 log 는 밑수가 10이고, lg는 밑수가 2이고, ln은 밑수가 e입니다.
log 밑수가 2로 표현되는 자료구조을 Binary Tree라하고, 정렬된 순서로 노드가 저장되면
Binary Search Tree라 하고, 트리의 높이가 균형잡히면 AVL Tree, Red-Black Tree라 합니다.
log 밑수가 3이면 Tri, 밑수가 m이면 m-way multi Tree 이면서 높이가 균형 잡히면 BTree라 합니다.
BTree도 노드의 기억장소 사용율이 50% 발생하는 문제점을 해결한 것을 B*Tree라 하고,
노드의 포인터는 internal 노드에 데이터는 leaves에 저장하면 B+Tree라 합니다.
B+Tree는 자료의 탐색효율은 좋아지지만 B*Tree와 같이 기억장소 문제는 해결못합니다.
이들은 모두 알고리즘 시간 복잡도가 수학수식 log 함수로 표현됩니다.
모두 log 함수로 표현되면서 왜 이렇게 알고리즘들을 분류하는 걸까요?
일단, log(n)은 n이 무한히 커져도 기울기가 매우 낮게 나타납니다.
이런 좋은 효율성을 가지면서 입력되는 자료수 n에 따라서
알고리즘의 내부 구현방식이 조금씩 다 다르기 때문입니다.

제가 TransWorks에 구현한 자료구조와 알고리즘은
입력되는 자료수 n이 영한 단어라는 것에 착안하여 이것에 맞도록 맞춤형으로 최적화 시킨것입니다.
여기에 의미가 있습니다.
B+Tree 자료구조 이론을 활용했지만 C언어로 코딩하면서 자료수 n이 영한단어 사전이라는
특성을 고려하여 B+Tree의 단점인 노드의 기억장소 낭비율 50%을 없애고,
인덱스가 32비트 머신에서 최대 42억개 저장될 수 있다는 문제점을 Hashing으로 해결하여
n x 42억개의 인덱스가 생성되어도 검색 시간 복잡도 O(log(n))에 변함이 없도록
구현했다는 것에 의미가 있는 것입니다.