인공지능

Expert Systems
전문가 시스템은 예를 들어 선박의 고정 및 화물의 모델과 같은 전자레인지의 유형을 점유하고 있으며, 이러한 유형은 자급자족적이고 비교적 복잡하지 않다. 그러한 AI 시스템의 경우 전문가(또는 전문가 그룹)가 알 수 있는 좁은 분야에 대한 모든 정보를 통합하여 우수한 전문가 시스템이 종종 단일 인간 전문가보다 우수할 수 있도록 모든 노력을 기울인다. 의료 진단, 화학 분석, 신용 허가, 재무 관리, 기업 계획, 재무 문서 라우팅, 석유 및 광물 탐사, 유전 공학, 자동차 설계 및 제조, 카메라 렌즈 설계, 컴퓨터 설치 설계, 항공사 스케줄링, 등 많은 상업 전문가 시스템이 있다. 화물 배치 및 가정용 컴퓨터 소유자를 위한 자동 도움말 서비스.
1. 지식과 추론
전문가 시스템의 기본 구성 요소는 지식 기반, 즉 KB와 추론 엔진이다. KB에 저장될 정보는 해당 분야의 전문가들을 인터뷰해 얻는다. 인터뷰 진행자 또는 지식 엔지니어는 전문가로부터 도출된 정보를 “만약” 구조의 규칙 모음으로 정리한다. 이런 유형의 규칙을 생산 규칙이라고 한다. 추론엔진은 전문가 시스템이 KB의 규정에서 공제액을 끌어낼 수 있게 해준다. 예를 들어 KB에 생산 규칙 “if x, then y”와 “if y, then z”가 포함되어 있다면 추론 엔진은 “if x, then z”를 추론할 수 있다. 그러면 전문가 시스템은 사용자들에게 “우리가 고려하고 있는 상황에서 x가 사실인가?”라고 질문할 수 있다. 만약 긍정적이면, 시스템은 z를 추론할 것이다. 일부 전문가 시스템은 퍼지 논리를 사용한다. 표준 논리에는 진실과 거짓의 두 가지 진리 값만 있다. 이 절대적인 정밀도는 모호한 속성이나 상황을 특성화하기 어렵게 만든다. (정확히, 엷은 머리칼이 언제 대머리가 되는가?) 종종 인간 전문가들이 사용하는 규칙들은 모호한 표현을 포함하고 있기 때문에 전문가 시스템의 추론 엔진이 퍼지 논리를 채택하는 것이 유용하다.
2. 덴드랄
1965년 스탠퍼드대 출신의 AI 연구자 에드워드 파이겐바움(Edward Feigenbaum)과 유전학자 조슈아 레더버그(Johuria Lederberg)가 화학분석 전문가 시스템인 휴리스틱 DENDRAL(DENDRAL로 단축)에 대한 연구를 시작했다. 예를 들어 분석될 물질은 탄소, 수소, 질소의 복잡한 화합물일 수 있다. 물질로부터 얻은 분광학적 데이터로부터 시작하여, DENDRAL은 물질의 분자 구조를 가설할 것이다. DENDRAL의 성능은 이 과업에서 화학자 전문가와 어깨를 나란히 했으며, 이 프로그램은 산업계와 학계에서 사용되었다.
3. 마이신
혈액 감염을 치료하는 전문가 시스템인 마이신(MYCIN)에 대한 연구는 1972년 스탠포드 대학에서 시작되었다. MYCIN은 보고된 증상과 의료 검사 결과를 바탕으로 환자 진단을 시도할 것이다. 프로그램은 가능한 진단에 도달하기 위해 환자에 관한 추가 정보와 추가 실험실 테스트를 제안할 수 있으며, 그 후에 치료 과정을 권고할 수 있다. 요청이 있을 경우, MYCIN은 진단과 권고로 이어진 이유를 설명할 것이다. 약 500개의 생산 규칙을 사용하여, MYCIN은 혈액 감염에 대한 인간 전문가와 거의 같은 수준으로, 일반 의사들보다 더 나은 수준으로 운영되었다. 그럼에도 불구하고, 전문가 시스템은 그들의 전문지식의 한계에 대한 상식이나 이해가 없다. 예를 들어, 만약 MYCIN이 총상을 입은 환자가 출혈로 사망한다는 말을 듣는다면, 이 프로그램은 환자의 증상에 대한 박테리아 원인을 진단하려고 할 것이다. 전문가 시스템은 또한 체중과 나이 데이터가 실수로 전치된 환자에게 명백히 잘못된 복용량의 약을 처방하는 것과 같은 터무니없는 사무적인 오류에 대해 행동할 수 있다.
4. CYC 프로젝트
CYC는 상징적인 AI의 큰 실험이다. 이 프로젝트는 1984년 컴퓨터, 반도체, 전자제품 제조업체들의 컨소시엄인 마이크로일렉트로닉스와 컴퓨터 기술공사의 후원으로 시작되었다. 1995년 CYC 프로젝트 책임자 Douglas Lenat은 텍사스주 오스틴에 본사를 둔 Cycorp, Inc.로 프로젝트를 중단했다. 사이코프의 가장 야심찬 목표는 인간에 대한 상식지식의 상당 부분을 담은 KB를 만드는 것이었다. 수백만 건의 상식적인 주장, 즉 규칙이 CYC로 암호화된 것이다. 이 ‘임계질량’은 시스템 자체가 평범한 산문으로부터 직접 더 많은 규칙을 추출해 낼 수 있게 하고, 결국 미래 세대의 전문가 시스템의 토대가 될 것이라는 기대였다. 상식적인 KB의 일부분만 편찬하면, CYC는 더 단순한 시스템을 무너뜨릴 수 있는 추론을 이끌어낼 수 있다. 예를 들어, CYC는 마라톤을 완주한다는 성명에서 “가르시아는 마라톤을 완주하고 있다”고 추론할 수 있다. 마라톤을 완주하는 데는 많은 노력이 수반되고, 사람들은 많은 노력을 할 때 땀을 흘린다. 그리고 어떤 것이 땀을 흘릴 때 젖은 것이다. 아직 해결되지 않은 문제 중에는 검색 및 문제 해결 문제, 예를 들어 KB에서 주어진 문제와 관련된 정보를 자동으로 검색하는 방법 등이 있다. AI 연구진은 방대한 기호 구조를 현실적 시간 내에 업데이트, 검색, 조작하는 문제를 프레임 문제라고 부른다. 상징적인 AI에 대한 일부 비판자들은 프레임 문제를 대부분 해결할 수 없다고 믿고 있기 때문에 상징적인 접근방식은 결코 진정으로 지능적인 시스템을 생산하지 않을 것이라고 주장한다. 예를 들어, CYC는 시스템이 인간의 지식 수준을 성취하기 훨씬 전에 프레임 문제에 굴복할 가능성이 있다.

인공지능