Ch01_ 지식기반지능형시스템개론
이장에서다룰내용 01_ 지능형기계가할수있는것 03_ 요약 2
01_ 지능형기계가할수있는것 지능 (intelligence) 이라는단어의의미 첫번째정의에따르면, 지능은인간에게있는성질. 두번째정의에따르면, 생각하고이해하는능력을갖춘것이사람인지사물인지명확하지않음. 생각 이라는단어의의미 (thinking) 생각을하려면인간이나사물에두뇌 즉, 지능이란 문제를풀고결정을내리기위해배우고이해하는능력 으로정의할수있음. 3
01_ 지능형기계가할수있는것 인공지능 (AI, artificial intelligence) 인공지능의탄생 컴퓨터가지능적일수있는지, 즉기계가생각을할수있는지에대한질문은인공지능의 암흑기 (dark ages) 에서시작. 인공지능이라는학문이추구하는바는인간이머리를써서해야할일을기계가하도록만드는것임 (Boden,1977). 인공지능에서는 기계가생각을할수있는지 에대한답이매우중요. 인공지능탄생의공헌자 : 알란튜링 (Alan Turing) 기계지능에관한초기의의미있는논문중하나인 Computing machinery and intelligence 을 50 년도이전에작성. 튜링의접근방식은오래전에나온것이긴하지만, 기나긴테스트를통과하여보편적인것이됨. 튜링은기계와생각의정의를내리지못했고, 튜링모방게임 (Turing imitation game) 을만듦으로써의미론적인논증을피함. 튜링모방게임 ( 파티에서흔히하는게임에서유래 ) 튜링은컴퓨터의지능적행동을인지작업에서인간수준의성능을낼수있는능력으로정의함. 즉, 질문자가질문에대한답변을보고답변자가인간인지기계인지구별하지못한다면컴퓨터는테스트를통과한것임. 튜링이제안한튜링모방게임은두단계로나뉨. 4
참고 앨런튜링 영국의수학자, 암호학자, 논리학자 컴퓨터과학에지대한공헌을했기때문에 ' 컴퓨터과학의아버지 튜링테스트와튜링기계의고안 5
01_ 지능형기계가할수있는것 인공지능 튜링모방게임의첫번째단계 질문자, 남자, 여자한명이각각독립된방에있고, 원격터미널과같은중립매체를통해서만통신할수있음. 질문자의목적은상대방에게질문하면서누가남자고누가여자인지알아내야함. 남자는자신이여자라고질문자를속이고여자는질문자에게자신이여자라는확신을심어주는것이게임의규칙임. 6
01_ 지능형기계가할수있는것 인공지능 튜링모방게임의두번째단계 두번째단계에서는남자대신질문자를속이도록프로그래밍한컴퓨터를둠. 사람이하는대로실수도하고애매한답변을하는것까지프로그래밍함. 만약컴퓨터가남자가했던것만큼질문자를자주속일수있다면이컴퓨터는지능행동테스트를통과한것임. 7
01_ 지능형기계가할수있는것 인공지능 튜링모방게임의특징 사람의물리적인특성은지능을판단할때중요한요소가아님. 튜링테스트에서질문자는컴퓨터를보거나만지거나듣지못하므로외양과소리에영향을받지않음. 질문자는컴퓨터가인간보다빠르게올바른해를제시할것을기대하면서인간과기계모두에게복잡한수학계산을하게할지모름. 그러므로컴퓨터는언제실수를할지, 언제답변을지연할지를알아야함. 질문자는인간의감정적인본성을찾으려컴퓨터와인간에게단편소설, 시, 심지어그림까지살펴보게할수있음. 이때컴퓨터는작품을감상하는인간의감정상태를흉내낼수있어야함. 튜링모방게임의의의 튜닝테스트는터미널을통해인간과기계사이의통신을유지하면서지능에관한객관적이고표준적인시각을제공. 이는지능이인간의본성이란논쟁을피하고인간에대한편견도모두없앰. 8
01_ 지능형기계가할수있는것 AI 의역사 6 7 1 2 3 4 5 1940 1950 1960 1970 1980 1990 2000 1 암흑기 : AI의탄생 (1943년 ~ 1956년 ) 2 AI의융성 : 큰기대의시기 (1956년 ~ 1960) 3 이행되지않은약속 : 현실의직면 (1960년대후반 ~1970년대초반 ) 4 전문가시스템의기술 : 성공의열쇠 (1970년대초반 ~1980년대중반 ) 5 기계가학습하는법 : 신경망의재탄생 (1980년대중반 ~) 6 진화연산 : 탐색하면서배우기 (1970년대초반 ~) 7 지식공학의새로운시대 : 단어로계산하기 (1980년대후반 ~) 9
암흑기 : AI 의탄생 (1943 년 ~ 1956 년 ) 암흑기 의공헌자 워렌맥클록 (Warren McCulloch) 과월터피츠 (Walter Pitts) AI 분야로인정받은최초연구를소개. (1943년) AI의첫번째주요논문발표 - 뇌의뉴런모델 (model of neurons of brain) 인공신경망 (artificial neural networks) 모델을제안. (1943년) 인공신경망에서각뉴런은이진상태, 즉 on 또는 off 상태에있다고가정함. 계산이가능한함수라면뉴런이연결된모든망에서계산할수있음을증명. 클라우드섀넌 (Claude Shannon) 일반체스게임이 10 120 번의이동횟수를포함한다는점을지적하는체스게임기계에관한논문발표. (1950 년 ) 해를찾을때휴리스틱을사용해야한다는사실을증명. 존맥카시 (John McCarthy) 기계지능, 인공신경망, 오토마타이론에관심있는연구자를모아 Dartmouth 대학교에서여름워크샵열도록도움. (1956 년 ) Dartmouth 워크샵에서인공지능이라는새로운과학분야가탄생. 10
AI 의융성 : 큰기대의시기 (1956 년 ~ 1960) 초기 AI 는 엄청난열광, 근사한아이디어, 매우제한된성공 으로특징지을수있음. 반복적인수학계산을위해컴퓨터를도입했으나, 당시 AI 연구자는컴퓨터가그보다훨씬많은일을할수있음을보임. AI 의융성 의공헌자 존맥카시 (John McCarthy) 인공지능이라는용어를처음고안함 LISP 를정의함. Programs with Common Sense 논문에서세상의일반적인문제에대한해를찾는전문가의견청구자 (Advice Taker) 라는프로그램을제안함. 단순공리에기초한이프로그램으로공항에가는계획을생성하는방법을보여줌. 다시작성하지않고도다른분야에서새로운공리를사용할수있도록설계. 전문가의견청구자는지식표현및추론중심의원칙을통합하는첫번째완전한지식기반시스템. 11
AI 의융성 의공헌자 마빈민스키 (Minsky) 형식논리에초점을두었던맥카시와달리민스키는지식표현과추론에관한반논리적인사고방식을발전시킴. 프레임 (frame) 이론은지식공학에많은공헌을함. (1975) 프랭크로젠블랫 (Frank Rosenblatt) 학습알고리즘이퍼셉트론 (perceptron) 의연결강도를조정할수있다는것을보임. 퍼셉트론수렴이론 (perceptron convergence theorem) 을증명. 앨런뉴웰 (Allen Newell) 과허버트사이먼 (Herbert Simon) 인간의문제해결방식을모방하는범용프로그램 GPS(General Problem Solver) 을개발. GPS 는데이터와문제해결기법을구분한첫번째시도임. 방법 - 결과분석 (means-ends analysis) 이라는기법에기반을두고있음. GPS 프로젝트 뉴웰과사이먼이개발 (1961, 1972) GPS 는데이터와문제해결기법을구분한첫번째시도임. 12
GPS(General Problem Solver) 프로젝트 방법-결과분석 (means-ends analysis) 이라는기법에기반을둠. GPS는복잡한문제를푸는데실패함. 형식논리에기반을둔프로그램이사용가능한연산자를무한정생산함. 현실세계문제를푸는데필요한시간과메모리의양때문에진행이중단됨. AI 의융성 의의의 AI 연구자들은광범위한문제를풀기위한일반방법 (general methods) 을만들어서복잡한사고과정을모의함. 약한방법 (weak methods) 이라고도함. 문제영역에적합하지않은정보를사용했고이는개발한프로그램의성능을저하시켰음. AI 분야에매력을느낀위대한과학자들이지식표현, 학습알고리즘, 신경컴퓨팅, 단어계산과같은분야에새롭고중요한아이디어를제안함. 13
이행되지않은약속 : 현실의직면 (1960 년대후반 ~1970 년대초반 ) AI 연구자들의낙관과실패 AI 연구자들은 1950 년대중반부터 1980 년대까지는인간규모의기반지식을가진범용지능형기계를만들고, 2000 년에는인간의지능을넘어서게하겠다고약속함. 그러나 1970 년에이르러그런주장은너무낙관적이었다는사실을깨달음. AI 의프로그램의한계 몇몇 AI 프로그램이현실문제를간단하게만든장난감문제한두개에서일정수준의기계지능을보여줌. 하지만대부분의 AI 프로젝트는작업의범위를넓히거나더어려운실세계문제를다루지못함. 1960 년대후반에 AI 에관한주된어려움 AI 연구자는광범위한문제를해결할일반적인방법을개발하고있었기때문에초기프로그램에는특정문제영역에관한지식을거의포함하지못함. 문제를해결하기위해프로그램은해를발견할때까지작은단계들을여러조합으로만들어보는탐색전략을적용. 장난감문제 과같은작은문제에서잘동작. 그러나어렵고복잡한큰문제에서잘동작하지않음. 14
1960 년대후반에 AI 에관한주된어려움 AI 로풀려고한많은문제는범위가넓고풀기도어려움 초기 AI 작업은대개기계번역. 올바른단어를선택하려면주제를먼저이해해야한다는사실을알게됨. 그러나이는너무어려운과정이었음. AI 에대한지원중단 1966 년에미국정부의지원을받았던 AI 를이용한모든번역프로젝트취소. 1971 년에영국정부도 AI 연구에대한지원중단. 15
전문가시스템의기술 : 성공의열쇠 (1970 년대초반 ~1980 년대중반 ) 지능형기계에대한문제영역을충분히제한해야한다는사실을깨달음. 이전의 AI 연구자는일반적이며인간의문제풀이방법을흉내낸똑똑한탐색알고리즘과추론기법을만들수있다고믿음 ( 약한방법 ). 하지만, 약한방법은실패했고이를통해연구자들은전문지식이필요한전형적인영역으로문제를제한하고큰추론단계로해결해야실용적인결과를얻을수있다는것을깨달음. 전문가시스템의기술 시대의주요프로젝트 DENDRAL 프로젝트 질량스펙트럼을결정하는시스템. 파이겐바움, 뷰캐넌, 레더버그가만든 AI 시스템. 인간전문가의기술과경험, 의견을이용하여문제를해결. 전문가시스템 (expert systems) 이라고함. DENDRAL 프로젝트의중요성 AI 에서핵심적인 패러다임전환 을만듬. 범용으로쓰이는 ( 지식이빈약한 ) 약한방법에서특정분야의 ( 지식집중적인 ) 방법으로전환됨. 16
DENDRAL 프로젝트의중요성 인간전문가에게서이끌어낸양질의특수규칙형태로휴리스틱을사용하여컴퓨터가제한된문제영역에서전문가와같을수있음을보였음. 전문가시스템을만드는새로운방법론의기초개념인지식공학 (knowledge engineering) 을만듬. 프로젝트에는전문가의 노하우 를규칙으로얻고분석하여표현하는기법을담았음. MYCIN 프로젝트 전염성혈액질환을진단하는규칙기반전문가시스템. MYCIN 은관련분야에서인간전문가와동일한수준으로수행할수있었고, 경험이부족한의사보다오히려수준이높았음. 규칙의형태로통합된지식은추론메커니즘과분리함. 시스템개발자는일부규칙을추가하거나삭제함으로써시스템내의지식을쉽게다룰수있음. MYCIN 에통합된규칙은지식과관련된불확실성을반영함. ROSPECTOR 프로젝트 광물탐사전문가시스템. 프로젝트는 1974 년 ~1983 년동안수행되었으며, 전문가아홉명이자신의지식과의견을제공. 지식을표현하기위해규칙과의미망 (semantic network) 을결합한구조를사용. 17
프로젝트의특징 1970 년대후반에전문가시스템을성공적으로응용한사례가증가하면서연구소에머물러있던 AI 기술이상업적인환경으로성공적으로전이함. 이기간동안대부분의전문가시스템은강력한워크스테이션에기반을둔 LISP, PROLOG, OPS 와같은특별한 AI 언어로개발됨. 비싼하드웨어와복잡한프로그래밍언어가있어야한다는조건때문에전문가시스템개발은스탠포드대학교, MIT, 스탠포드연구소, 카네기멜론대학교의몇몇연구그룹에서이루어짐. 1980 년대개인용컴퓨터 (PC) 와사용하기쉬운전문가시스템개발툴 (shell) 이등장하고나서야모든분야의일반연구자와공학자가전문가시스템을개발할기회를얻음. 전문가시스템은어떤분야에서도성공할수있을까? 지식이서로다른분야에서상당히많은전문가시스템을성공적으로개발하고구현했지만, 이기술력을높이평가하는일은아직시기상조임. 전문가시스템의제약사항 전문가시스템의사용은매우한정된전문적기술분야로제한됨. 한정된분야때문에전문가시스템은사용자가원하는만큼신뢰할수없고유연하지도못함. 더욱이, 전문가시스템은분야의경계를인식하기어려움. 18
전문가시스템의제약사항 전문가시스템은제한적으로만설명할수있음. 해에도달하기위해적용했던일련의규칙을보여줄수는있지만, 누적된휴리스틱지식으로문제영역을더자세히이해하게할수는없음. 전문가시스템은결과를검증하고유효성을입증하기어려움. 1 세대전문가시스템은자신의경험을통해배울수있는능력이없음. 19
기계가학습하는법 : 신경망의재탄생 (1980 년대중반 ~) 1980 년대중반연구자, 공학자, 전문가는전문가시스템을만들기위해서는추론시스템혹은전문가시스템틀을구입해서그안에규칙을넣는것보다훨씬더많은작업을해야한다는사실을알게됨. AI 연구자들은새로운시각으로신경망을봄. 신경망의부활 1960 년대후반까지신경컴퓨팅에필요한대부분의기본아이디어와개념은이미공식화되었지만, 1980 년대중반에와서야겨우해법이나타남. 신경망분야는 1980 년대에컴퓨터기술이발전하고, 신경과학이진보하면서뇌같은정보처리과정이필요하여드라마같이부활함. 신경망부활 의공헌자 그로스버그가자기조직의 적응형공진 이론을세워, 신경망에대한기초를제공. 홉필드는피드백이있는신경망인 홉필드신경망 을제안. 코호넨이 자기조직맵 에관한논문을출판. 브라이슨과호가 역전파학습알고리즘 을재발견함. 20
진화연산 : 탐색하면서배우기 (1970 년대초반 ~) AI 의진화론적관점은자연선택과유전학계산모델에기반을둠. 진화연산 (evolutionarycomputation) 은해집단모의, 성능평가, 새로운해집단생성과정을반복함. 진화연산은유전알고리즘 (genetic algorithm), 진화전략 (evolutionary strategies), 유전프로그래밍 (genetic programming) 을결합함. 진화연산알고리즘 유전알고리즘 1970 년대초에존홀랜드 (John Holland) 가도입. 홀랜드가선택, 교차, 변이와같은유전적연산을사용하여인공적인 염색체 를다루는알고리즘을개발함. 스키마정리라는믿을수있는이론에기반을둠. 진화전략 1960 년대초에홀랜드의유전알고리즘과는별도로베를린공과대학교에재학중인잉고레켄베르그 (Ingo Rechenberg) 와한스 - 풀쉬베펠 (Hans-Paul Schwefel) 은새로운최적화방법으로진화전략을제안. 21
진화연산알고리즘 진화전략 돌연변이가발생하는것처럼매개변수에임의의변화를주는방법을제안함. 진화전략접근법은공학자의직관을대신할수있다. 진화전략은몬테카를로 (Monte Carlo) 탐색과유사하게수치적인최적화절차를수행함. 유전프로그래밍 프로그램을만들기위해학습하는유전모델을응용한예. 유전프로그래밍은어떤문제의코드표현을진화시키는것이아니라문제를해결하는컴퓨터코드를진화시키는것을목표로함. 유전프로그래밍은문제에대한답으로컴퓨터프로그램을생성함. 진화연산의의의 유전알고리즘은이전에풀리지않았던고도로복잡한비선형탐색및최적화문제에대해올바른해를제시함. 유전프로그래밍은구체적으로프로그래밍하지않고도컴퓨터가문제를풀게하는, 컴퓨터과학의주요도전과제에대한해법을제시. 유전알고리즘, 진화전략, 유전프로그래밍은 AI 에서빠르게성장하고있는영역이며발전가능성이무한함. 22
지식공학의새로운시대 : 단어로계산하기 (1980 년대후반 ~) 단어계산 의탄생배경 신경망기술의한계 신경망기술은심벌추론기반시스템보다실세계와자연스럽게상호작용을함. 신경망은배우고, 문제환경의변화에적응하고, 규칙이알려지지않은상황에서패턴을찾고, 분명하지않거나불완전한정보를다룸. 신경망은설명능력이부족하고블랙박스처럼동작과정을알수없음. 현재의기술로신경망을훈련하기까지시간이너무오래걸리고, 빈번한재훈련은심각한문제를유발할수있음. 전문가시스템의한계 고전적인전문가시스템은정확하게입력하고논리적으로출력하는닫힌시스템에적합. 규칙의형태로전문가지식을사용하고, 필요하다면특정사실을확립하기위해사용자와대화할수도있음. 전문가시스템의주요결점은인간전문가가자신의지식을규칙의형태로항상표현할수는없으며, 자신의추론과정을항상설명할수없다는점임. 이는전문가시스템이필요한지식을축적하는것을방해하여, 결과적으로실패하게만듬. 23
단어계산 의탄생배경 단어계산 의탄생 신경망기술과전문가시스템을보완하기위해탄생 단어계산 은불완전하다면지식을다루면서, 결론에대한설명. 모호하고부정확하며불확실한지식과데이터를다루는중요한기술중하나는퍼지논리 (fuzzy logic ) 임. 퍼지논리 퍼지논리의탄생배경 고전적인전문가시스템에서부정확함을다루는대부분의방법은확률개념에기반을둠. 전문가는보통확률값으로생각하지않고 종종, 일반적으로, 가끔, 자주, 드물게 와같은용어로생각함. 어렵고복잡한문제에대해전문가의이해를정확히반영하는형태로인간의지식을코드화하여적용하며, 전통적인전문가시스템의계산병목현상 (computational bottleneck) 을극복하기위해제안됨. 퍼지논리의특징 퍼지논리는단어의의미를얻고추론과결정을내리기위해퍼지값을사용함. 언어변수의값은숫자라기보다는단어임. 24
퍼지논리 퍼지논리의특징 전문가시스템과유사하게퍼지시스템은인간의지식을통합하기위해 IF-THEN 규칙을사용하지만, 이규칙은다음과같이분명하지않음. 퍼지논리의공헌자 : 로트피자데 (Lotfi Zadeh) 1965 년에퍼지논리혹은퍼지집합론 (fuzzy set theory) 을소개함. 퍼지논리의응용사례 1987 년이래로일본인이설계한식기세척기, 세탁기, 에어컨, 텔레비전, 복사기, 심지어자동차에성공적으로사용됨. 대부분의퍼지논리응용사례는제어공학분야에서등장함. 하지만퍼지제어시스템은지식을표현하는퍼지논리능력의일부만사용함. 25
지식기반결정지원시스템에서의퍼지논리모델응용이점 향상된계산능력 퍼지시스템은규칙개수가적어전문가시스템보다더빠르게계산을수행함. 퍼지전문가시스템은규칙을더강력하게만들면서규칙을통합함. 향상된인지모델링 퍼지시스템은복잡한문제에대한지식을인코딩할때전문가가생각하는방식을반영함. 퍼지전문가시스템은전문가가마음속으로생각하는방식과훨씬가까운의견을얻고, 부정확한정보를모델링하여문제에대한인지모델링을개선함. ( 기존형식으로규칙을만들려면전문가의견을조각내어용어의경계를정의해야함. 단편화는고도로복잡한문제를다룰때품질낮은보통의전문가시스템으로만듬 ) 여러전문가의견을표현하는능력 전문가시스템은명확히정의된전문가의견이있는매우한정된분야에서사용함. 이때문에시스템의성능은올바른전문가의선택에의존함. 퍼지전문가시스템은반대의견이있을때여러전문가가의견을표현할수있도록도울수있음. 26
퍼지시스템의한계 퍼지시스템이전문가지식을자연스럽게표현한다고해도여전히전문가에게얻은규칙에의존함. 전문가의지식에따라시스템성능이달라짐. 어떤전문가는매우똑똑한퍼지규칙을제공할수있지만, 어떤전문가는단지추측만하고심지어잘못된규칙을제시할수도있음. 그러므로모든규칙을검사하고조율해야함. 27
03_ 요약 지식기반지능형시스템개론요약 지능은배우고이해하며문제를풀고결정을내리는능력임. AI( 인공지능 ) 이란, 인간의지능이필요한작업을기계도할수있게만드는것을목표로하는과학임. 기계가특정인지작업에서인간수준의성과를낼수있으면지능이있다고생각할수있음. 지능적인기계를만들기위해서는특정문제영역에서전문가지식을획득하고구성하며사용할수있어야함. 보다지능적인기계를위해약한방법에서특정분야의지식집중적인방법으로 패러다임전환 이이루어졌음. 이는한정된문제영역에서인간전문가수준의성능을보이는 전문가시스템 을개발하기도함. 전문가시스템의특징 특정규칙의형태로인간의지식과경험을사용하고지식이분리되어있음. 자신의추론절차를설명할수있음. 전문가시스템은학습할수없고, 경험을통해자신을개선시킬수도없음. 전문가시스템은개별적으로구축되고, 개발하는데많은노력이필요함. 28
03_ 요약 지식기반지능형시스템개론요약 지능형기계를만들때, 즉지식공학에서겪는주된어려움중하나는전문가에게지식을얻어내는작업인 지식획득병목현상 임. 생물학적신경망에서영감을얻은인공신경망 (ANN) 은과거의경험에서학습하고, 자동적으로규칙을생성해서지식을습득하여, 이를확인하고수정하는과정을피할수있음. 퍼지논리 ( 퍼지집합론 ) 은단어로계산하는수단을제공. 단어의의미, 인간의추론, 결정을알수있는퍼지값을사용하는데집중하고전통적인전문가시스템의계산적부담을해결하는방법을제공. 29
03_ 요약 AI 와지식공학의주요사건 30
03_ 요약 AI 와지식공학의주요사건 31
03_ 요약 AI 와지식공학의주요사건 32