테크닉
알레아캡타는 예측을 서두르지 않고 구조를 먼저 세웁니다. 온톨로지로 현실의 구조를 세우고, 합성인구로 없는 데이터를 만들고, 캘리브레이션으로 가중치를 맞추고, 시뮬레이션 엔진으로 미래를 수없이 굴려 최적 경로를 찾습니다.
우리를 다르게 만드는 것
TECHNIC IN ACTION
현실을 모델로 옮기는 것에서 시작해, 합성인구를 올리고, 미래를 분포로 생성하고, 최적 경로를 탐색해, 실행 전략까지 역제안합니다. 방법론은 같지만, 분야마다 온톨로지·모집단·전략 공간을 새로 설계해 전용 엔진을 만듭니다.
- 01 — KNOWLEDGE GRAPH · ONTOLOGY
복잡한 현실을 모델로 옮기고, 규칙을 직접 만듭니다.
출발점은 도메인 모델링과 룰 메이킹입니다. 그래프 DB와 온톨로지로 개체·관계·규칙을 정의해 현실을 통째로 미러링합니다.
- 02 — DIGITAL TWIN · SYNTHETIC POPULATION
도메인별 맞춤형 디지털 트윈을 구축합니다.
모델 위에 그 분야의 현실을 1:1로 닮은 합성 세계(디지털 트윈)를 올립니다. 각 개체마다 수백 개의 속성을 부여하고, 결합분포를 보존하는 IPF 합성으로 현실의 구조를 그대로 재현합니다. 기업·시장·환자·자산 등 어떤 분야든 합성 모집단으로 옮깁니다.
- 03 — MONTE CARLO · SAMPLING DISTRIBUTION
한 번의 선택이 어떤 결과로 퍼지는지 봅니다.
몬테카를로 엔진은 현 시점의 특정 이벤트를 트리거해, 그 충격을 합성 세계에서 수만~수백만 번 굴립니다. 하나의 답이 아니라 단일 사건의 결과 확률분포를 신뢰구간과 함께 내어, 그 한 수의 불확실성을 정량화합니다. 데이터가 아직 없는 사건의 결과도 추정합니다.
- 04 — MCTS · GOLDEN PATH SEARCH
수많은 선택을 시점별로 엮어, 최적의 경로를 찾습니다.
몬테카를로가 낸 단일 사건 분포들을 시점별로 이어 붙여, MCTS가 전략의 나무를 탐색합니다. 매 시점 어떤 수를 두어야 목표에 닿는지 계산해, 그 최적 경로 곧 골든패스를 찾아냅니다. 확률분포를 벗어나는 와일드카드(역전수)까지 찾아냅니다.
- 05 — WARGAME · WIN PROBABILITY
최적 시나리오를 찾고, 그 길을 역제안합니다.
워게임은 단순한 예측이 아닙니다. 목표에 도달하는 최적 경로를 찾고, 그 경로에 올라타기 위해 어느 시점에 어떤 정책·이슈를 던져야 하는지 역으로 제안합니다. 경로 위 분기마다 필요한 개입을 역제안하고, 실행 결과를 반영해 다음 수를 다시 설계합니다.
매주 예측과 실측을 맞춰보며 가중치를 다시 조정합니다. 다음 판의 모델은 이번 결과를 반영한 모델입니다.
더 보기
최종 수정: