영향도 (Influence Diagram)
쉽게 풀면
의사결정나무가 '어떤 선택을 하면 어떤 결과가 몇 %로 나오고…'를 모든 갈래로 펼쳐 그리는 반면, 영향도는 '무엇이 무엇에 영향을 주는가'만 한 장의 관계도로 그립니다. 갈래가 많을수록 나무는 기하급수적으로 커지지만 영향도는 노드 수만큼만 커져 복잡한 문제의 큰 그림을 한눈에 보여 줍니다.
왜 중요한가
의사결정나무가 표현하기 어려운 대규모·다단계 문제를 간결하게 정식화할 수 있고, 전문가와의 구조화 면담 도구로도 적합합니다. 베이지안 네트워크에 의사결정·효용 노드를 추가한 것으로 볼 수 있어 확률적 추론 알고리즘을 그대로 활용할 수 있으며, 정보가치 계산이 구조적으로 명확합니다.
논문에서는 이렇게 쓰입니다
여러 단계의 투자 선택과 그 사이의 불확실성·정보 관계를 관계도로 정리했다는 뜻입니다.
결정 전에 어떤 정보를 알게 되는 경우와 모르는 경우의 기대값 차이로 그 정보의 가치를 계산했다는 의미입니다.
조금 더 깊게 보면
의사결정 노드로 들어오는 화살표는 '결정 시점에 알려진 정보'를 뜻하며, 불확실 노드로 들어오는 화살표는 확률적 의존을 뜻합니다. 해법으로는 노드 제거(화살표 반전·불확실 노드 제거·결정 노드 제거)를 반복하는 Shachter 알고리즘, 또는 의사결정나무로 전개하는 방법이 있습니다. 결정 순서가 선형이고 이전 정보를 모두 기억한다는 '무망각(no-forgetting)' 가정이 표준이며, 이를 완화한 제한기억 영향도(LIMID)도 연구됩니다.
주의할 점
영향도는 구조를 보여 주지만 각 시나리오의 구체적 결과값은 숨기므로, 비대칭 문제(어떤 선택에서는 특정 불확실성이 아예 발생하지 않는 경우)를 표현하기 어렵습니다. 또한 화살표가 인과관계가 아니라 확률적 의존과 정보 흐름을 뜻한다는 점을 혼동하면 잘못된 모형이 됩니다.