소프트웨어의 복잡성이 기하급수적으로 증가하면서 전통적인 절차적·객체지향 프로그래밍 모델이 가진 한계가 뚜렷해지고 있다. 산업 전반에서 AI 활용이 확산되지만, 확률론적 AI와 결정론적 프로그래밍 방식의 괴리로 인해 비용·효율성·신뢰성 측면에서 새로운 접근법이 필요하다는 요구가 높아지고 있다. 특히 항공우주, 금융, 상업 시스템처럼 안전성과 확정성이 동시에 요구되는 분야에서 이러한 문제는 더욱 두드러지고 있다.

미국 항공우주국(NASA) 계약 엔지니어이자 소프트웨어 및 전기 전문가 로스코 C. 퍼거슨(Roscoe C. Ferguson)이 ‘네트워크 로직 프로그래밍 이론(Network Logic Programming Theory, 이하 ‘NLPT’)’을 공개했다고 밝혔다.

퍼거슨은 30년 이상 안전 필수 시스템을 개발한 경험을 바탕으로, AI 시대에 적합한 새로운 프로그래밍 추상화 모델을 제시했다.

기존 프로그래밍의 한계와 NLPT의 차별점

NLPT는 기존 프로그래밍이 연산과 논리를 하나의 코드 블록 안에 결합해 유지보수와 확장이 어려운 구조를 취하는 한계를 지적한다. 전통적 방식은 루프나 조건문 같은 제어 흐름으로 결정 구조를 구현하지만, 새로운 기능을 추가할 때마다 코드 경로가 늘어나 복잡성이 폭발적으로 증가한다.

반면 NLPT는 복잡한 논리를 네트워크 형태의 관계로 추상화하고, 연산은 단순 알고리듬으로 CPU에서 처리하도록 분리한다.

이 접근은 네트워크 과학(Graph Science)을 활용해 관계 중심으로 논리를 관리한다는 점에서 차별화된다. 즉, 결정은 네트워크가 수행하고, CPU는 데이터 연산에만 집중한다. 새로운 로직 추가는 노드나 에지를 삽입하는 방식으로 가능해 기존 대규모 코드 수정이 필요 없다. 퍼거슨은 이를 “네트워크가 새로운 어셈블리 언어가 된다.”라고 정의한다.

AI와의 정렬성 강화

AI는 데이터를 기반으로 관계를 학습하지만, 확률적 추론에 의존해 전통적 결정론과는 충돌하는 경우가 많다. NLPT는 관계를 추상화된 형태로 저장·실행하기 때문에 AI가 학습한 관계를 ‘결정 가능한 네트워크 로직’으로 변환해 적용할 수 있다. 이는 인간의 학습 과정과 유사하다. 자전거 타기처럼 한번 학습된 관계는 기억 속 네트워크에 저장되어 의식적 사고 없이 수행된다.

또한, AI가 도출한 관계를 NLPT 네트워크에 삽입하면, 시스템은 이를 결정론적 방식으로 실행할 수 있다. 이로써 AI의 학습 능력과 전통 프로그래밍의 확정성을 동시에 활용할 수 있는 새로운 하이브리드 모델을 제시한다.

네트워크 프로세서 개념 도입

NLPT는 CPU와 GPU처럼 병렬적 연산 자원을 확장하는 방식과 유사한 ‘네트워크 프로세서(Network Processor)’라는 새로운 하드웨어 엔진 개념을 제안한다. 네트워크 프로세서는 저장된 관계를 바탕으로 네트워크 흐름을 처리하며, 정적 로직 경로 실행과 동적 로직 경로 생성이 모두 가능하다. CPU와 협력해 관계 중심 추론과 수치 연산을 병행하는 구조로, 차세대 하드웨어-소프트웨어 공동 발전 모델을 제시한다.

퍼거슨은 NLPT를 통해 “AI와 전통적 프로그래밍 사이의 간극을 해소하고, 소프트웨어 복잡성을 관리하는 새로운 언어적·구조적 패러다임을 제시한다.”라고 강조했다.