사례기반추론
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
사례 기반 추론(CBR)은 과거의 유사한 사례를 기반으로 새로운 문제를 해결하는 인공지능 기술이다. 1980년대 초 로저 섕크와 예일 대학교 연구를 통해 발전했으며, 법적 추론, 보건 과학, 구조 안전 관리 등 다양한 분야에 활용되었다. CBR은 검색, 재사용, 수정, 유지의 4단계 과정을 거치며, 유사도 측정을 위해 근접이웃방법론을 주로 사용한다. 규칙 유도 알고리즘과 비교하여 게으른 일반화 전략을 취하며, 증상 전략과 지형 전략과 같은 문제 해결 방식과 연관된다. 비판적으로는 일화적 증거에 의존한다는 지적이 있으며, 경영학, 헬프 데스크, 의사 결정 지원 시스템 등 다양한 분야에 응용되고 있다.
더 읽어볼만한 페이지
| 사례기반추론 | |
|---|---|
| 개요 | |
| 분야 | 인공지능 |
| 하위 분야 | 기계 학습 |
| 유형 | 문제 해결 및 추론 |
| 접근 방식 | 유사한 과거 문제의 해결책을 기반으로 새로운 문제를 해결 지식 집약적 |
| 세부 사항 | |
| 고려 사항 | 유사성 측정, 사례 표현, 검색 및 검색 알고리즘, 사례 적응 |
| 응용 분야 | 상담 진단 계획 설계 문제 해결 설명 학습 |
| 관련 용어 | 인공지능 기계 학습 추론 유추 지식 기반 시스템 데이터 마이닝 |
| 역사 | |
| 개발 | 1980년대 초 |
| 주요 인물 | 로저 섕크 |
2. 역사
사례 기반 추론(CBR)은 1980년대 초 로저 섕크와 그의 예일 대학교 학생들의 연구에서 그 뿌리를 찾을 수 있다. 섕크의 동적 기억 모델[11]은 자넷 콜로드너의 CYRUS[12]와 마이클 레보위츠의 IPP[13] 등 초기 CBR 시스템의 기초가 되었다.
사례 기반 추론은 사용자가 제시한 문제를 바탕으로 과거의 유사한 사례를 찾아 해결책을 제시하고, 그 결과를 다시 저장하여 활용하는 방식이다. 이는 컴퓨터 추론을 위해 네 단계의 과정으로 공식화되었다:[3]
1980년대에는 법적 추론, 기억 기반 추론(대규모 병렬 처리 시스템에서 예시로부터 추론하는 방식), CBR과 다른 추론 방법의 조합과 같은 주제를 다루는 다른 CBR 학파와 밀접하게 관련된 분야가 등장했다. 1990년대에는 1995년 사례 기반 추론에 관한 국제 학회 설립, 유럽, 독일, 영국, 이탈리아 및 기타 CBR 워크숍의 개최를 통해 CBR에 대한 관심이 국제적으로 증가했다.
CBR 기술은 많은 성공적인 시스템의 구축으로 이어졌으며, 그 중 가장 초기에 개발된 것은 산업용 대류 오븐에서 구워질 복합 부품을 배치하기 위한 시스템인 록히드의 CLAVIER[14]였다. CBR은 Compaq SMART 시스템[15]과 같은 응용 분야에서 광범위하게 사용되었으며, 보건 과학[16] 및 구조 안전 관리 분야에서도 주요 응용 분야를 찾았다.
3. 과정
예를 들어 프레드가 블루베리 팬케이크를 만들고 싶어할 때, 이전에 성공했던 일반 팬케이크 레시피(사례)를 떠올려(검색) 블루베리를 추가하는 방식으로 레시피를 바꾸고(재사용), 실제로 만들어 보면서 문제점을 수정하여(수정) 최종적으로 블루베리 팬케이크 레시피를 얻게 된다(유지).
3. 1. 검색 (Retrieve)
사용자가 문제에 대한 기술을 하면, 모형은 과거 사례를 보관하고 있는 사례베이스로부터 유사한 사례를 찾아 추론을 수행한다. 사례 기반 추론은 컴퓨터 추론을 위해 네 단계의 과정으로 공식화되었다.[3]
주어진 목표 문제에 대해, 문제를 해결하는 데 관련된 사례들을 기억으로부터 검색한다. 사례는 문제, 해결책, 그리고 일반적으로 해결책이 어떻게 도출되었는지에 대한 주석으로 구성된다. 예를 들어, 프레드가 블루베리 팬케이크를 만들고 싶어한다고 가정해 보자. 요리 초보인 그는 자신이 성공적으로 일반 팬케이크를 만들었던 경험이 가장 관련성이 높다고 기억할 수 있다. 일반 팬케이크를 만들기 위해 그가 따랐던 절차는, 그 과정에서 내린 결정에 대한 정당성과 함께 프레드가 검색한 사례를 구성한다.[3]
3. 2. 재사용 (Reuse)
이전 사례의 해결책을 목표 문제에 매핑한다. 여기에는 필요에 따라 새로운 상황에 맞게 해결책을 수정하는 작업이 포함될 수 있다. 팬케이크 예시에서 프레드는 검색한 해결책을 블루베리 첨가를 포함하도록 수정해야 한다.[3] [19]
검색된 사례에서 주어진 문제의 해결법으로 매핑을 수행한다. 새로운 상황에 맞게 해결법을 적용해야 할 수도 있다.
3. 3. 수정 (Revise)
이전 사례의 해결책을 목표 문제에 매핑한 후, 실제 세계(또는 시뮬레이션)에서 새로운 해결책을 테스트하고, 필요한 경우 수정한다. 프레드가 팬케이크 해결책을 반죽에 블루베리를 추가하는 방식으로 수정했다고 가정해 보자. 반죽을 섞은 후, 그는 반죽이 파란색으로 변했음을 발견했는데, 이는 원치 않는 결과였다. 따라서 반죽을 팬에 붓기 전에 블루베리 첨가를 늦추는 수정이 필요하다.[3]
매핑이 완료되면, 새로운 해결책을 실제로 (혹은 시뮬레이션으로) 시도해보고, 필요하다면 개선을 가한다. 예를 들어, 프레드는 블루베리를 버터에 섞기로 했다. 그랬더니 예상치 못한 부작용으로 버터가 파랗게 되었다. 이를 바탕으로, 버터를 프라이팬에 넣은 다음 블루베리를 섞는 개선/수정을 하게 된다.[19]
3. 4. 유지 (Retain)
해결책이 목표 문제에 성공적으로 적용된 후, 그 결과를 새로운 사례로 메모리에 저장한다. 따라서 프레드는 블루베리 팬케이크를 만드는 새로운 절차를 기록하여 저장된 경험을 풍부하게 하고, 미래의 팬케이크 제작 요구에 더 잘 대비한다.[3] 새로운 문제에 성공적으로 적응한 해결법이 얻어지면, 그 경험을 새로운 사례로 기억한다. 프레드는 새롭게 블루베리 팬케이크 레시피를 기억하고, 미래의 팬케이크 만들기에 그 사례를 활용할 수 있다.[19]
4. 유사도 측정 도구
유사도 측정 도구는 여러 가지 방법이 제안되고 있지만 일반적으로 근접이웃방법론이 가장 많이 이용되고 있다. 근접이웃방법론에서는 속성 값들 간 유사성 정도를 측정할 수 있는 속성 유사성함수를 정의하여야 한다. 이를 이용하여 과거 사례의 속성 값들과 해결하고자 하는 문제의 속성 값들에 대한 유사성 정도를 측정하고, 이를 속성의 중요도에 따라 가중합계하여 사례들 사이의 유사도를 측정하게 된다.
5. 다른 방법과의 비교
사례 기반 추론(CBR)은 기계 학습의 규칙 유도 알고리즘과 유사해 보이지만, 일반화를 수행하는 시점에 차이가 있다. 규칙 유도 알고리즘은 문제를 풀기 전에 미리 일반화를 수행하는 반면, CBR은 문제가 주어진 후에 일반화를 수행하는 '게으른 일반화' 전략을 사용한다. 이러한 특징 덕분에 CBR은 복잡하고 다양한 상황에 유연하게 대처할 수 있다.
법률 분야에서는 규칙 기반 추론의 한계를 인식하여 CBR을 활용하는 경우가 많다. 법률 분야의 CBR은 규칙 기반 추론과 판단의 보간법에 가깝고, 인지적으로 영감을 받은 CBR은 기억과 프로세스 적응에 더 밀접하게 관련되어 있다.
문제 해결에서 CBR은 증상 전략이라고도 불리며, 전문가의 진단에 주로 사용된다. 반면, 새로운 문제나 더 깊은 이해가 필요한 경우에는 심층 추론 범주에 속하는 지형 전략이 사용된다. 지형 전략은 시스템에 대한 심층적인 지식을 활용하며, '원리에서 추론'이라고도 불린다.[7][8] Hoc과 Carlier는 증상적 접근 방식이 지형적 접근 방식의 지원을 받아야 할 수 있다고 언급했다.[10]
5. 1. 규칙 유도 알고리즘과의 비교
사례 기반 추론(CBR)은 기계 학습의 규칙 유도 알고리즘과 유사해 보일 수 있다.[4] 규칙 유도 알고리즘과 마찬가지로, CBR은 사례 또는 훈련 예시 집합으로 시작하며, 검색된 사례와 목표 문제 간의 공통점을 식별하여 이러한 예시의 일반화(암묵적인 것일지라도)를 형성한다.[5]예를 들어, 일반 팬케이크 조리법이 블루베리 팬케이크 조리법에 매핑되면, 동일한 기본 반죽과 굽는 방식을 사용하기로 결정하여 반죽과 굽는 방식을 사용할 수 있는 상황 집합을 암묵적으로 일반화한다. 그러나 CBR의 암묵적 일반화와 규칙 유도에서의 일반화 간의 주요 차이점은 일반화가 이루어지는 시점에 있다. 규칙 유도 알고리즘은 목표 문제가 알려지기도 전에 훈련 예시 집합에서 일반화를 도출한다. 즉, 조기 일반화를 수행한다.
예를 들어, 규칙 유도 알고리즘에 일반 팬케이크, 더치 애플 팬케이크, 바나나 팬케이크 조리법이 훈련 예시로 주어지면, 훈련 시간에 모든 유형의 팬케이크를 만드는 데 필요한 일련의 일반 규칙을 도출해야 한다. 블루베리 팬케이크 요리라는 과제가 주어지는 것은 테스트 시간이 되어서이다. 규칙 유도 알고리즘의 어려움은 훈련 예시를 일반화해야 하는 다양한 방향을 예측하는 데 있다. 이는 테스트 시간까지 사례의 (암묵적) 일반화를 지연시키는 CBR과 대조된다. 즉, 게으른 일반화 전략이다. 팬케이크 예시에서 CBR은 이미 블루베리 팬케이크 요리라는 목표 문제를 받았다. 따라서 이 상황을 커버하기 위해 필요한 대로 사례를 정확하게 일반화할 수 있다. 따라서 CBR은 사례를 일반화할 수 있는 무수한 방법이 있는 풍부하고 복잡한 도메인에 적합한 접근 방식이다.
5. 2. 증상 전략과 지형 전략
언뜻 보면, 사례 기반 추론(CBR)은 기계 학습의 규칙 유도 알고리즘과 유사해 보일 수 있다.[4] 규칙 유도 알고리즘과 마찬가지로, CBR은 사례 또는 훈련 예시 집합으로 시작하며, 검색된 사례와 목표 문제 간의 공통점을 식별하여 이러한 예시의 일반화(암묵적인 것일지라도)를 형성한다.[5]예를 들어, 일반 팬케이크 조리법이 블루베리 팬케이크 조리법에 매핑되면, 동일한 기본 반죽과 굽는 방식을 사용하기로 결정하여 반죽과 굽는 방식을 사용할 수 있는 상황 집합을 암묵적으로 일반화한다. 그러나 CBR의 암묵적 일반화와 규칙 유도에서의 일반화 간의 주요 차이점은 일반화가 이루어지는 시점에 있다. 규칙 유도 알고리즘은 목표 문제가 알려지기도 전에 훈련 예시 집합에서 일반화를 도출한다. 즉, 조기 일반화를 수행한다.
CBR은 사례를 일반화할 수 있는 무수한 방법이 있는 풍부하고 복잡한 도메인에 적합한 접근 방식이다. 문제 해결에서 사례 기반 추론의 또 다른 이름은 증상 전략이다. 이 전략은 증상과 원인 간의 연결을 설정하는 과거 경험에서 얻은 선험적 도메인 지식이 필요하다. 이 지식은 피상적, 컴파일된, 증거 기반, 이력 기반, 사례 기반 지식이라고 한다. 이는 전문가의 진단과 가장 관련이 있는 전략이다. 문제 진단은 증상이 적절한 상황 범주를 불러일으키는 신속한 인식 과정으로 발생한다.[6] 전문가는 이전에 유사한 사례를 경험했기 때문에 원인을 알고 있다. 사례 기반 추론은 가장 강력한 전략이며, 가장 일반적으로 사용되는 전략이다.
문제 해결에 대한 대안적인 접근 방식은 심층 추론 범주에 속하는 지형 전략이다. 심층 추론을 통해 시스템에 대한 심층적인 지식을 사용한다. 이 맥락에서 지형은 요소 간의 관계를 보여주는 구조화된 엔티티에 대한 설명 또는 분석을 의미한다.[7] 또한 원리에서 추론이라고도 하는[8] 심층 추론은 경험 기반 접근 방식이 실행 불가능할 때 새로운 오류에 적용된다.
6. 비판
사례 기반 추론 비판론자들은 사례 기반 추론이 주요 작동 원리로 일화적 증거를 수용하는 접근 방식이라고 주장한다.[1] 이들은 통계적으로 관련된 데이터를 충분히 확보하지 않고, 일반화를 뒷받침할 근거가 부족하므로 일반화의 정확성을 보장할 수 없다고 비판한다.[1] 그러나 통계적 관련성을 위한 데이터가 너무 부족한 모든 귀납적 추론은 본질적으로 일화적 증거에 기반한다는 반론도 존재한다.[1]
7. 응용 분야
사례기반추론은 방법론이 간단하고 인간의 문제 해결 방식과 유사하여 경영학, 헬프 데스크, 의사 결정 지원 시스템 등 다양한 분야에 응용되고 있다.[30]
7. 1. 경영학
사례기반추론은 방법론이 간단하고 인간의 문제 해결 방식과 유사하기 때문에 많이 응용되고 있는데, 경영학 분야에서는 프로젝트 기업, 기업신용평가, 채권등급평가, 콜센터에서의 자동 응답 시스템 등에 사용되고 있다.[30]7. 2. 헬프 데스크
컴팩의 고객 서비스 시스템 SMART(Support Management Automated Reasoning Technology)와[26] 제너럴 일렉트릭의 헬프 데스크 자동화 시스템 Appliance Call Center가 있다.[27]7. 3. 의사 결정 지원 시스템
CLAVIER는 복합 부품의 제조를 위한 사례 기반 추론 시스템이다.[28] FromTool은 플라스틱의 색상 일치 시스템이다.[29]참조
[1]
논문
An introduction to case-based reasoning.
https://citeseerx.is[...]
1992
[2]
간행물
Proceedings of the Second International Conference on Quantitative Genetics
Sinauer Associates
1988
[3]
논문
Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches
https://www.idi.ntnu[...]
1994
[4]
문서
[5]
서적
Case-based reasoning: a textbook
Springer-Verlag
2013
[6]
논문
Cognitive psychology and medical diagnosis.
1990
[7]
문서
American Heritage Dictionary
[8]
논문
Reasoning from first principles in electronic troubleshooting.
1983
[9]
논문
Strategies for diagnosis.
1987
[10]
논문
A method to describe human diagnostic strategies in relation to the design of human-machine cooperation.
2000
[11]
서적
Dynamic Memory: A Theory of Learning in Computers and People
Cambridge University Press
1982
[12]
논문
Reconstructive Memory: A Computer Model
http://onlinelibrary[...]
1983
[13]
논문
Memory-Based Parsing
https://core.ac.uk/d[...]
1983
[14]
학회자료
Case-Based Reasoning for Autoclave Management
1989
[15]
학회자료
COMPAQ QuickSource: Providing the Consumer with the Power of Artificial Intelligence
http://www.aaai.org/[...]
AAAI Press
1993
[16]
학술지
Case-Based Reasoning Systems in the Health Sciences: A Survey of Recent Trends and Developments
2011-07
[17]
서적
Case-Based Approximate Reasoning
https://books.google[...]
Springer-Verlag, Berlin
2007
[18]
서적
The MIT encyclopedia of the cognitive sciences
MIT press
2001
[19]
논문
Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches
1994
[20]
문서
[21]
서적
Dynamic Memory: A Theory of Learning in Computers and People
Cambridge University Press
1982
[22]
논문
Reconstructive Memory: A Computer Model
1983
[23]
논문
Memory-Based Parsing
1983
[24]
학회자료
Case-Based Reasoning for Autoclave Management
1989
[25]
학회자료
COMPAQ QuickSource: Providing the Consumer with the Power of Artificial Intelligence
AAAI Press
1993
[26]
학회자료
SMART: Support management automated reasoning technology for Compaq customer service
MIT Press
1992
[27]
학술지
Appliance Call Center: A Successful Mixed-Initiative Case Study
2007
[28]
학회자료
CLAVIER: Applying case-based reasoning on to composite part fabrication
AAAI Press
1994
[29]
학술지
Tenth Anniversary of Plastics Color Matching
2005
[30]
서적
e비즈니스 시대의 경영정보시스템
한경사
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com