지식기반 지능형 시스템 개론

< 아래 글은 '인공지능 개론'을 읽고 쓰는 글입니다. >

인공지능이란?

인간의 지능이 필요한 작업을 기계도 할 수 있게 만드는 것을 목표하는 과학이다.

 기계가 특정 인지 작업에서 인간 수준의 성과를 낼 수 있으면 지능이 있다고 생각할 수 있다.지능적인 기계를 만들기 위해서는 특정 문제 영역에서 전문가 지식을 획득하고 구성하며,사용할 수 있어야 한다.

 보다 지능적인 기계를 위해서는 문제 영역을 충분히 제한해야 한다는 사실을 깨달았기 때문에 범용으로 쓰이는 (지식이 빈약한) 약한 방법에서 특정 분야의 (지식 집중적인) 방법으로 '패러다임 전환' 이 이루어졌다. 이는 한정된 문제 영역에서 인간 전문가 수준의 성능을 보이는 전문가 시스템(컴퓨터 프로그램) 을 개발하도록 했다. 전문가 시스템의 특징은 특정 규칙의 형태로 인간의 지식과 경험을 사용하고 지식이 깔끔하게 분리되어 있다는 점이다. 또한 자신의 추론 절차를 설명할 수 있다.

 지능형 기계를 만들 때, 즉 지식 공학에서 겪는 주된 어려움 중 하나는 전문가에게 지식을 어더내는 작업인 ' 지식 획득 병목현상(knowledge acquisition bottleneck)' 이다.

 전문가는 매우 종종, 거의 전혀 하지 않는, 보통, 좀처럼 하지 않는, 빈번히, 때때로와 같은 부정확한 언어로 생각하고, 높고 낮은, 빠르고 느린, 무겁고 가벼운과 같은 언어 변수를 사용한다. 퍼지 논리 혹은 퍼지 집합론은 단어로 계산하는 수단을 제공한다. 또한 단어의 의미, 인간의 추론, 결정을 알 수 있는 퍼지 값을 사용하는 데 집중하고 전통적인 전문가 시스템의 계산적 부담을 해결하는 방법을 제공한다.

 전문가 시스템은 학습할 수 없고, 경험을 통해 자신을 개선시킬 수 도 없다. 전문가 시스템은 개별적으로 구축되고, 개발하는 데 많은 노력이 필요하다. 웬만한 전문가 시스템을 만들려면 5명~10명이 1년 정도 작업해야 할 것이다. 기계 학습은 이 과정을 좀 더 빠르게 처리하고 새로운 규칙을 추가할거나 부정확한 규칙을 바꿈으로써 지식의 질을 개선할 수 있다.

 생물학적 신경망에서 영감을 얻은 인공 신경망은 과거의 경험에서 학습하고, 자동적으로 규칙을 생성해서 지식을 습득하고, 이를 확인하며 수정하는 지루하고 비용이 많이 드는 과정을 피할 수 있다.

 전문가 시스템과 ANN의 통합, 퍼지 논리와 ANN의 통합은 지식기반 시스템에서 적응성, 겸함내성, 속도를 향상시킨다.

 인공지능이라는 학문의 역사와 함께 발전과정을 알아보면서 앞으로의 내용에 대해서 

간략하게 소개하는 장이었다. (큰 의미 없음...)