AI 구조는 상태 수, 목표 재평가, 디버깅 방식으로 고른다
적이 복잡해 보인다고 항상 Behavior Tree가 답은 아니다. 판단 구조는 문제의 모양에 맞춰 고른다.
| 구조 | 맞는 상황 | 디버깅 단서 |
|---|---|---|
| State Machine | 상태가 적고 전환 규칙이 명확하다 | 전이 로그와 현재 상태 |
| Behavior Tree | 목표 계층과 조건 분기가 자주 바뀐다 | Blackboard 값과 Decorator 실패 이유 |
| Utility AI | 여러 욕구를 점수로 비교해야 한다 | 행동별 점수와 최고 점수 선택 이유 |
| Learning | 규칙화보다 데이터 패턴이 중요하다 | 입력 데이터 품질, 추론 비용, 지표 |
구조 선택은 지능 수준보다 판단 이유를 얼마나 설명할 수 있는지의 문제다.