인공지능과 전문가 시스템 (정보자원관리)

본문내용

common sense knowledge and reasoning
이 분야는 1950년대부터 활발한 연구가 있었지만 AI의 여러 분야중 인간 수준과는 상당히 떨어지는 분야이다. non-monotinic reasoning 의 개발과 행동 이론 등에서 상당한 진전이 있어왔지만 아직도 더 많은 새로운 idea가 필요로 한다. Cyc system 은 크기는 하지만 상식을 엉성하게 모아놓은 것에 불과하다.
learning from experience
프로그램이 경험에서 배운다. connectionism과 neural net에 기초한 AI 에의 접근은 특히 그렇다. 논리적으로 표현된 학습 법칙이 또한 있다. Tom Mitchell 의 Machine Learning 은 machine learning에 관한 포괄적인 내용의 학부생을 위한 교재이다. 프로그램은 그들의 형식주의(formalisms) 가 표현할 수 있는 사실과 행동만을 학습할 수 있다. 불행히도 learning system은 정보를 표현하는데 있어서 매우 제한된 능력을 보일뿐이다.
planning
planning 프로그램은 일상사에 대한 일반적인 사실들 (특히 행동의 효과에 대한 사실들) , 특별한 상황에 대한 사실들, 그리고 목표의 서술 등으로서 시작한다. 이로부터 목표를 달성하기 위한 전략을 생성한다. 대부분의 경우 그 전략이라고 하는 것은 행동들의 순서를 의미한다.
epistemology (인식론)
이것은 일상사의 문제 풀이(problem solving) 를 위해 필요한 지식의 종류에 관한 연구를 의미한다.
ontology
ontology(존재론)은 존재하는 것 일반에 관한 학문이다. AI에서는 프로그램과 문장들이 다양한 종류의 개체들을 다루며, 우리는 이러한 종류들이 어떤 것들이 있고 그들의 기본적인 성질들이 어떤지를 연구한다. ontology에 관한 강조는 1990년대에 시작되었다.
heuristics
heuristic은 어떤 것을 발견하려고 시도하는 방법 으로 프로그램에 내장된 idea이다. 그 용어는 AI에서 광범위하게 사용된다. heuristic function은 트리 구조에서 하나의 node가 goal로부터 얼마나 떨어져 있는지를 측정하는 search용으로 사용된다. heuristic predicates은 트리 구조에서 두 개의 node를 비교해서 goal을 향해서 나아가는데 어떤 node가 더 좋은지를 가려내는 것으로 더 유용하게 사용될 수 있다(나의 견해이다).
genetic programming
Genetic programming은 프로그램으로 하여금 임의의 Lisp 프로그램들을 교배 (mating) 하여 무수한 세대에서 가장 적당한 것을 선택함으로써 작업을 해결하게 하는 기술이다. John Koza 그룹에 의해 개발되었으며 여기에 정의가 있다.
Q.20 AI 의 응용에는 어떤 것이 있나?
A. 여기 그중 몇몇이 있다.
game playing
몇백 dollar만 있으면 전문가 수준의 체스 프로그램을 살 수 있다. 그 안에 AI 가 있지만 사람들을 상대로 게임할 때는 겁나는 양의 계산을 통해서 수없이 많은 position을 파악하게 된다. 세계 챔피언을 깨기 위해서는 초당 2억개의 position을 파악할 수 있는 완력과 믿을 만한 heuristic을 필요로 한다.
speech recognition
1990년대에 컴퓨터 언어 인식은 제한된 목적을 위해서는 실용적인 수준에 이르렀다. 컴퓨터를 가르쳐서 언어를 이용할 수 있게 된 반면에 대부분의 사용자들은 여전히 더 편리한 keyboard 와 mouse 로 되돌아 갔다.
understanding natural language
단지 단어들의 순서를 컴퓨터에 입력하는 것은 충분하지 않고 문장을 분석하는 것도 또한 충분하지 않다. 컴퓨터는 문장이 의미하는 영역에 대한 이해가 충분해야 한다. 그러나 현재는 매우 제한된 영역에서만 가능한 상황이다.
computer vision
세상은 3차원 개체로 이루어져 있지만 인간의 눈과 컴퓨터의 camera 로 입력되는 것은 2차원적이다. 쓸 만한 프로그램들은 2차원에서만 작동하지만, full computer vision 에서는 2차원의 view 뿐만 아니라 부분적인 3차원 정보를 필요로 한다. 현재는 3차원 정보를 직접 표현하는 제한된 방법이 있지만 그러나 인간이 잘 사용할 만큼 그렇게 좋지는 않다.
expert system
knowledge engineer가 어떤 분야의 전문가와 인터뷰를 해서 그들의 지식을 컴퓨터 프로그램에 넣어 작업을 수행하도록 한다. 이 작업을 얼마나 잘 수행할지는 작업에서 요구되는 지능적 메카니즘이 현재의 AI 수준 내에 있는지에 달려있다. 그렇지 않을 경우에는 매우 실망스런 결과를 보여줬다. 최초의 전문가시스템중 하나가 1974년에 개발된 MYCIN 이 있다. 그것은 혈액의 세균감염을 진단하고 치료 방법을 알려주었다. 주로 의과대 학생과 개업의가 사용했지만 그것의 한계가 발견되었다. 그것은 세균, 증상, 치료방법에 관한 ontology는 있었으나 환자, 의사, 병원, 죽음, 회복, 제 때에 발생하는 사건등에 관한 ontology는 없었다. 한 환자에게도 그러한 것의 상호작용은 고려되야 한다. knowledge engineer와 상담하는 전문 의사는 환자, 의사, 죽음, 회복 등등과 같은 것을 고려하기 때문에 knowledge engineer는 전문가로 하여금 있을 수 있는 그와같은 것 (predetermined framework) 을 말하도록 해야한다. 현재의 AI 수준에서 그것은 사실이다. 현재의 전문가시스템의 유용성은 그것의 사용자들이 가지고 있는 상식을 표현하느냐에 달려있다.
heuristic classification
가장 실현 가능한 종류의 전문가시스템중 하나는 어떠한 정보를 여러개의 정보 소스를 가진 고정된 카테고리집합에 두는 것이다. 예를들면 신용카드를 승인할 것인지를 판단할 때, 신용 카드의 소유자와 지불내역, 그가 산 물품과 그가 산 영업점에 대한 정보 (그 영업점에서 이전에 신용카드 사기는 없었는지) 들이 이용될 수 있다.

키워드

인공지능,   전문가 시스템,   정보자원,   경영정보,   MIS,   AI,   지식경영,   정보화