인공 지능(AI)은 인간의 지능을 다음 단계로 끌어올리는 대중적이고 혁신적인 기술입니다. 기계와 통합된 정확한 지능의 힘을 제공합니다.
인간에게는 높은 수준의 사고, 추론, 해석 및 지식 이해가 부여됩니다. 우리가 얻은 지식은 현실 세계에서 다양한 활동을 수행하는 데 도움이 됩니다.
요즘에는 기계도 기술 덕분에 많은 일을 할 수 있게 되었습니다.
최근 복잡한 작업을 효율적이고 정확하게 수행하는 AI 기반 시스템 및 장치의 사용이 증가하고 있습니다.
이제 문제는 인간은 삶에서 많은 수준과 유형의 지식을 습득했지만 기계는 동일한 지식을 해석하는 데 어려움을 겪고 있다는 것입니다.
따라서 지식 표현이 사용됩니다. 이것은 인간이 해결하기 어렵고 시간이 많이 걸리는 복잡한 문제를 해결할 것입니다.
이 기사에서는 AI의 지식 표현, 작동 방식, 유형 및 기술 등에 대해 설명합니다.
의 시작하자!
목차
지식 표현 및 추론이란 무엇입니까?
KR&R(지식 표현 및 추론)은 컴퓨터가 이해하고 그에 따라 조치를 취할 수 있는 형태로 실제 세계에 대한 정보를 나타내는 데 전념하는 인공 지능의 일부입니다. 이를 통해 계산, 자연어로 된 대화, 중요한 의학적 상태 진단 등과 같은 복잡한 문제를 해결할 수 있습니다.
지식 표현은 인간이 어떻게 문제를 해결하고 지식을 표현하여 형식주의를 설계할 수 있는지에 대한 심리학에서 길을 찾습니다. 이를 통해 AI는 인간이 구축 및 설계하는 동안 복잡한 시스템을 더 단순하게 만드는 방법을 이해할 수 있습니다.
초기 작업은 1959년 Herbert A. Simon과 Allen Newell이 개발한 일반 문제 해결사에 초점을 맞췄습니다. 이러한 시스템은 분해 및 계획을 위해 데이터 구조를 사용했습니다. 시스템은 먼저 목표로 시작한 다음 목표를 하위 목표로 분해합니다. 그런 다음 시스템은 각 하위 목표에 참여할 수 있는 몇 가지 구성 전략을 설정합니다.
이러한 노력은 인간 심리학의 인지 혁명과 지식 표현에 초점을 맞춘 AI 단계로 이어졌습니다. 그 결과 1970년대와 1980년대의 전문가 시스템, 프레임 언어, 프로덕션 시스템 등이 탄생했습니다. 나중에 AI는 의료 진단과 같이 인간의 능력과 일치할 수 있는 전문가 시스템으로 주요 초점을 변경했습니다.
또한 지식 표현은 컴퓨터 시스템이 실제 문제를 해결하기 위해 지식을 이해하고 활용할 수 있도록 합니다. 또한 AI에서 지식과 추론을 표현할 수 있는 방법을 정의합니다.
지식 표현은 데이터베이스에 데이터를 저장하는 것만이 아닙니다. 오히려 지능형 기계가 인간의 지식으로부터 배우고 동일한 경험을 하여 기계가 인간처럼 행동하고 행동할 수 있도록 합니다.
인간은 감정, 의도, 신념, 상식, 판단, 편견, 직관 등 기계와는 다른 지식을 가지고 있습니다. 특정 사실, 사건, 사람, 사물, 언어, 학문 분야 등에 대한 일반적인 지식을 아는 것과 같이 일부 지식은 간단합니다.
KR&R을 사용하면 인간의 개념을 기계가 이해할 수 있는 형식으로 표현하고 AI 기반 시스템을 진정으로 지능적으로 만들 수 있습니다. 여기서 지식은 생태계에 대한 정보를 제공하고 저장하는 것을 의미하고, 추론은 지식을 기반으로 저장된 정보로부터 의사결정과 행동을 취하는 것을 의미한다.
AI 시스템에서 어떤 지식을 표현할 것인가?
인공 지능 시스템에 제시해야 하는 지식에는 다음이 포함될 수 있습니다.
- 객체: 객체는 인간을 끊임없이 둘러싸고 있습니다. 따라서 해당 객체에 대한 정보는 필수적이며 지식 유형으로 간주되어야 합니다. 예를 들어 피아노에는 흰색과 검은색 건반이 있고, 자동차에는 바퀴가 있고, 버스에는 운전사가 필요하고, 비행기에는 조종사가 필요합니다.
- 이벤트: 현실 세계에서는 수많은 이벤트가 끊임없이 발생합니다. 그리고 인간의 인식은 사건에 기반합니다. AI는 조치를 취하기 위해 이벤트 지식이 있어야 합니다. 일부 사건은 기근, 사회 발전, 전쟁, 재난, 업적 등입니다.
- 성능: 이 지식은 다양한 상황에서 인간의 특정 행동을 다룹니다. AI가 이해하는 데 매우 필수적인 지식의 행동 측면을 나타냅니다.
- 메타 지식: 예를 들어, 전 세계를 둘러보고 거기에 있는 모든 지식을 요약하면 대부분 세 가지 범주로 나뉩니다.
- 우리가 이미 알고 있는 것
- 우리가 아는 것은 기본적으로 우리가 완전히 알지 못하는 것들입니다.
- 우리가 아직 모르는 것
- 메타 지식은 첫 번째 것, 즉 우리가 알고 있는 것을 다루고 AI가 동일하게 인식하게 합니다.
- 사실: 이 지식은 우리 세계에 대한 사실적 설명을 기반으로 합니다. 예를 들어, 지구는 평평하지 않지만 둥글지도 않습니다. 우리의 태양은 왕성한 식욕 등을 가지고 있습니다.
- 지식 기반: 지식 기반은 인간 지능의 주요 구성 요소입니다. 필드, 설명 등에 대한 관련 데이터 또는 정보의 그룹을 나타냅니다. 예를 들어 자동차 모델 설계에 대한 지식 기반입니다.
지식 표현은 어떻게 작동합니까?
일반적으로 수행할 작업, 해결해야 할 문제 및 솔루션 얻기는 소포가 도착하면 배달하거나 집의 전기 문제를 해결하는 것과 같이 비공식적으로 제공됩니다.
실제 문제를 해결하기 위해 시스템 설계자는 다음을 수행해야 합니다.
- 제공할 수 있는 더 나은 솔루션을 결정하는 작업을 수행합니다.
- 컴퓨터가 추론할 수 있도록 문제를 언어로 표현
- 시스템을 사용하여 사용자를 위한 솔루션 또는 생태계에서 수행해야 하는 일련의 활동인 최종 출력을 계산합니다.
- 최종 결과를 주요 문제에 대한 해결책으로 해석
지식은 인간이 이미 가지고 있지만 기계가 학습해야 하는 정보입니다. 문제가 많기 때문에 기계에는 지식이 필요합니다. 디자인 시스템의 일부로 표시할 지식을 정의할 수 있습니다.
지식 표현과 AI의 연결
지식은 지능에서 필수적인 역할을 합니다. 또한 인공 지능 생성을 담당합니다. AI 에이전트에서 지능적인 행동을 표현하기 위해 필요할 때 필요한 역할을 한다. 에이전트는 특정 입력에 대한 경험이나 지식이 부족하면 정확하게 기능할 수 없습니다.
예를 들어, 사람과 교류하고 싶지만 언어를 이해하지 못한다면 제대로 반응하지 못하고 어떤 행동도 취하지 못하는 것이 당연합니다. 이것은 에이전트의 지능적인 행동에 대해서도 동일하게 작동합니다. AI는 의사 결정자가 환경을 발견하고 필요한 지식을 적용할 때 기능을 수행할 수 있는 충분한 지식을 가지고 있어야 합니다.
그러나 AI는 지식의 구성 요소 없이 지적 행동을 나타낼 수 없습니다.
AI로 표현되는 지식의 유형
이제 AI에서 지식 표현이 필요한 이유가 명확해졌으니 이제 AI 시스템에서 표현되는 지식의 유형을 알아보겠습니다.
- 선언적 지식: 주변의 전 세계를 설명하는 데 도움이 되는 객체, 개념 및 사실을 나타냅니다. 따라서 무언가에 대한 설명을 공유하고 선언문을 표현합니다.
- 절차적 지식: 절차적 지식은 선언적 지식에 비해 적습니다. 모바일 로봇이 사용하는 명령형 지식이라고도 합니다. 어떤 일의 성취를 선언하는 것입니다. 예를 들어 건물 지도만 있으면 모바일 로봇이 스스로 계획을 세울 수 있습니다. 모바일 로봇은 공격을 계획하거나 탐색을 수행할 수 있습니다.
또한 절차적 지식은 규칙, 절차, 의제, 전략 등을 포함하는 작업에 직접 적용됩니다.
- 메타 지식: 인공 지능 분야에서 미리 정의된 지식을 메타 지식이라고 합니다. 예를 들어 태깅, 학습, 계획 등의 연구는 이러한 유형의 지식에 속합니다.
이 모델은 시간에 따라 동작을 변경하고 다른 사양을 활용합니다. 시스템 엔지니어 또는 지식 엔지니어는 정확성, 평가, 목적, 출처, 수명, 신뢰성, 정당성, 완전성, 일관성, 적용 가능성 및 명확성과 같은 다양한 형태의 메타 지식을 활용합니다.
- 휴리스틱 지식: 얕은 지식이라고도 하는 이 지식은 경험 법칙 원칙을 따릅니다. 따라서 과거의 기록을 바탕으로 문제를 풀거나 전문가가 정리한 문제를 풀 수 있어 추론 과정에서 매우 효율적이다. 그러나 과거 문제의 경험을 수집하고 문제를 지정하고 조치를 취하는 데 더 나은 지식 기반 접근 방식을 제공합니다.
- 구조적 지식: 구조적 지식은 복잡한 문제를 해결하는 데 사용되고 적용되는 가장 단순하고 기본적인 지식입니다. 대상과 개념 간의 관계를 찾아 효과적인 해결책을 찾으려고 합니다. 또한 부분, 종류 또는 그룹화와 같은 여러 개념 간의 관계를 설명합니다.
선언적 지식은 설명하는 지식으로 표현될 수 있는 반면, 절차적 지식은 수행하는 지식으로 표현될 수 있습니다. 또한 선언적 지식은 명시적 지식으로 정의되는 반면 절차적 지식은 암묵적 또는 암시적 지식으로 정의됩니다. 지식을 표현할 수 있으면 선언적 지식이고, 표현할 수 없으면 절차적 지식입니다.
AI 지식 표현 기법
AI의 지식을 나타내는 네 가지 주요 기술이 있습니다.
- 논리적 표현
- 시맨틱 네트워크
- 생산 규칙
- 프레임 표현
논리적 표현
논리적 표현은 기본 규칙이 있는 정의된 구문이 사용되는 기계에 대한 지식 표현의 기본 형식입니다. 이 구문은 의미에 모호함이 없으며 전치사를 처리합니다. 그러나 지식 표현의 논리적 형식은 커뮤니케이션 규칙으로 작용합니다. 이것이 기계에 사실을 나타내는 데 사용할 수 있는 이유입니다.
논리적 표현에는 두 가지 유형이 있습니다.
- 명제 논리: 명제 논리는 True 또는 False의 방법을 의미하는 Boolean에서 작동하는 문 논리 또는 명제 미적분으로도 알려져 있습니다.
- 1차 논리: 1차 논리는 FOPL(First Order Predicate Calculus Logic)이라고도 하는 논리적 지식 표현 유형입니다. 이러한 논리적 지식의 표현은 양화사의 술어와 목적어를 나타냅니다. 명제 논리의 고급 모델입니다.
이러한 형태의 지식 표현은 의미론을 사용하여 정보를 전달하는 대부분의 프로그래밍 언어와 유사합니다. 그것은 문제를 해결하는 매우 논리적인 방법입니다. 그러나 이 방법의 주요 단점은 표현의 엄격한 특성입니다. 일반적으로 실행하기 힘들고 때로는 그다지 효율적이지 않습니다.
시맨틱 네트워크
이러한 유형의 지식 표현에서 그래픽 표현은 데이터 네트워크와 함께 사용되는 연결된 개체를 전달합니다. 시맨틱 네트워크에는 객체 간의 연결을 설명하는 호/에지(연결) 및 노드/블록(객체)이 포함됩니다.
이것은 FOPL(First Order Predicate Calculus Logic) 형식의 표현에 대한 대안입니다. 시맨틱 네트워크의 관계는 두 가지 유형입니다.
이해의 단순성으로 인해 논리적인 것보다 더 자연스러운 표현 형태입니다. 이 표현 형식의 주요 단점은 계산 비용이 많이 들고 논리적 표현에서 찾을 수 있는 등가 수량자를 포함하지 않는다는 것입니다.
생산 규칙
생성 규칙은 AI 시스템에서 가장 일반적인 형태의 지식 표현입니다. if-else 규칙 기반 시스템을 나타내는 가장 간단한 형태이므로 쉽게 이해할 수 있습니다. FOPL과 명제 논리를 결합하는 방법을 나타냅니다.
생산 규칙을 기술적으로 이해하려면 먼저 대표 시스템의 구성 요소를 이해해야 합니다. 이 시스템에는 일련의 규칙, 작업 메모리, 규칙 적용자 및 인식된 행동 주기가 포함됩니다.
모든 입력에 대해 AI는 생산 규칙의 조건을 확인하고 더 나은 규칙을 찾은 후 즉시 필요한 조치를 취합니다. 조건에 따라 규칙을 선택하고 문제를 해결하기 위해 행동하는 주기를 모든 입력에서 발생하는 인식 및 행동 주기라고 합니다.
그러나 이 방법은 활성 규칙으로 인한 비효율적인 실행과 과거 결과를 저장하지 않아 경험치 획득이 부족한 문제가 있습니다. 규칙이 자연어로 표현되기 때문에 불이익에 대한 비용을 상쇄할 수 있다. 여기에서 필요한 경우 규칙을 쉽게 변경하고 삭제할 수 있습니다.
프레임 표현
기본 수준에서 프레임 표현을 이해하려면 열의 이름과 행의 값으로 구성된 테이블을 상상해 보십시오. 필요한 정보는 이 완전한 구조로 전달됩니다. 간단히 말해서 프레임 표현은 값과 속성의 모음입니다.
이는 필러(모든 데이터 유형 및 모양일 수 있는 슬롯 값) 및 슬롯을 사용하는 AI 관련 데이터 구조입니다. 이 프로세스는 일반적인 데이터베이스 관리 시스템(DBMS)과 매우 유사합니다. 이러한 필러와 슬롯은 프레임이라는 구조를 형성합니다.
이러한 형태의 지식 표현에서 슬롯은 이름 또는 속성을 가지며 속성과 관련된 지식은 필러에 저장됩니다. 이러한 유형의 표현의 주요 이점은 유사한 데이터를 그룹으로 병합하여 지식을 구조로 나눌 수 있다는 것입니다. 또한 하위 구조로 나뉩니다.
일반적인 데이터 구조와 같기 때문에 이 유형은 쉽게 이해, 조작 및 시각화할 수 있습니다. 슬롯 제거, 삭제 및 추가를 포함한 일반적인 개념을 쉽게 수행할 수 있습니다.
AI 시스템에서 지식 표현을 위한 요구 사항
좋은 지식 표현에는 몇 가지 속성이 포함됩니다.
- 표현 정확도: 지식 표현은 각 종류의 요구 지식을 정확하게 표현해야 합니다.
- 추론 효율성: 적절한 가이드를 사용하여 생산적인 방향으로 쉽게 추론 지식 메커니즘을 처리하는 능력입니다.
- 추론적 타당성: 지식 표현은 기존 구조를 기반으로 새로운 지식을 표현하기 위해 일부 표현 구조를 조작할 수 있어야 합니다.
- 습득 효율성: 자동 방법을 사용하여 새로운 지식을 습득하는 능력.
AI 지식 주기
AI 시스템에는 지식 표현을 가능하게 하는 지능적인 행동을 보여주는 몇 가지 주요 구성 요소가 포함되어 있습니다.
- 인식: AI 기반 시스템이 다양한 센서를 사용하여 환경에 대한 정보를 수집하고 문제와 효율적으로 상호 작용할 수 있도록 생태계에 익숙해지도록 도와줍니다.
- 학습: AI 시스템이 더 나은 학습과 이해를 위해 인식 구성 요소에서 학습 구성 요소로 필요한 정보를 제공하도록 이미 작성된 딥 러닝 알고리즘을 AI 시스템이 실행할 수 있도록 하는 데 사용됩니다.
- 지식 표현 및 추론: 인간은 지식을 사용하여 결정을 내립니다. 따라서 이 블록은 AI 시스템의 지식 데이터를 통해 인간에게 서비스를 제공하고 필요할 때마다 해당 지식을 사용하는 역할을 담당합니다.
- 계획 및 실행: 이 블록은 독립적입니다. 지식 및 추론 블록에서 데이터를 가져오고 관련 조치를 실행하는 데 사용됩니다.
결론
인간은 다양한 방식으로 지식을 얻을 수 있으며 AI 기반 기계도 마찬가지입니다. AI가 진화함에 따라 기계에 대한 지식을 더 나은 방식으로 표현하면 오류를 최소화하면서 복잡한 문제를 해결할 수 있습니다. 따라서 지식 표현은 AI 기계가 지능적이고 스마트하게 작동하는 데 필수적인 속성입니다.
인공 지능, 기계 학습 및 딥 러닝의 차이점을 살펴볼 수도 있습니다.