맨위로가기 타임라인 바로가기

전문가 시스템

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
타임라인 바로가기
목차

1. 개요

전문가 시스템은 특정 분야의 전문 지식을 컴퓨터 프로그램으로 구현하여, 인간 전문가의 의사 결정 과정을 모방하는 인공지능 시스템이다. 1960년대 덴드랄(Dendral)의 개발을 시작으로, 1980년대 상용화되었으며, 지식 베이스, 추론 엔진, 설명 기능, 지식 획득 기능, 사용자 인터페이스 등의 구성 요소를 갖는다. 해석, 예측, 진단, 설계 등 다양한 분야에 활용되며, 빠른 개발, 다중 전문 지식 활용, 설명 기능 제공 등의 장점을 가진다. 하지만 지식 획득의 어려움, 성능 및 규칙 간의 불일치, 윤리적 문제 등의 단점도 존재한다. 1990년대 이후에는 규칙 기반 시스템 기술이 비즈니스 애플리케이션에 통합되면서, 머신 러닝 등 새로운 인공지능 방법론과 융합하여 지속적으로 발전하고 있다.

더 읽어볼만한 페이지

  • 전문가 시스템 - 지식 베이스
    지식 베이스는 특정 주제 정보를 체계적으로 저장 및 관리하며 규칙 기반 추론으로 새로운 지식 도출에 활용되고, 웹 콘텐츠 관리 및 지식 관리 시스템으로 확장되어 온톨로지를 이용, 인공지능 기술과 결합하여 문제 해결책을 제시하고 경험을 통해 학습하는 시스템이다.
  • 전문가 시스템 - BRMS
    BRMS는 비즈니스 규칙을 소프트웨어 시스템에 적용하는 방식으로, 기업 의사 결정 관리의 중요한 부분이며 모델 중심 엔지니어링과 관련이 깊고, BMM, SBVR, PRR, DMN 등의 표준과 RuleML 같은 규칙 마크업 언어가 활용될 수 있다.
전문가 시스템
전문가 시스템
전문가 시스템의 도식
전문가 시스템의 도식
정의인간 전문가의 의사 결정 능력을 모방하는 컴퓨터 시스템
핵심 특징특정 전문 지식 분야에 대한 전문 지식
추론 및 문제 해결 능력
사용자 인터페이스를 통한 설명 및 정보 제공
목표전문 지식의 활용 및 보존
복잡한 문제 해결 지원
의사 결정 과정 자동화
구성 요소
지식 베이스전문가 지식을 저장하는 데이터베이스
추론 엔진지식 베이스를 사용하여 추론 및 결론을 도출하는 메커니즘
사용자 인터페이스사용자와 시스템 간의 상호 작용을 위한 인터페이스
설명 시스템추론 과정과 결론을 사용자에게 설명하는 기능
작동 방식
지식 획득전문가로부터 지식을 수집하고 정리하는 단계
지식 표현수집된 지식을 컴퓨터가 이해할 수 있는 형태로 표현하는 단계
추론입력된 문제에 대한 해결책을 지식 베이스와 추론 엔진을 사용하여 도출하는 단계
설명사용자가 결과를 이해할 수 있도록 추론 과정을 설명하는 단계
활용 분야
의학질병 진단 및 치료 계획 수립
약물 상호 작용 분석
금융투자 분석 및 위험 관리
신용 평가
공학시스템 설계 및 제어
고장 진단 및 유지 보수
법률법률 자문 및 사례 분석
그 외고객 서비스
교육 및 훈련
과학 연구
장점
전문 지식의 접근성전문가가 없더라도 특정 분야의 전문 지식을 활용 가능
일관성동일한 문제에 대해 일관된 결론 도출
속도 및 효율성복잡한 문제 해결 속도 향상 및 효율성 증대
지식 보존전문가의 지식을 체계적으로 보존 및 공유 가능
단점
지식 획득의 어려움전문가로부터 지식을 수집하고 표현하는 과정의 어려움
유지보수 및 업데이트지식 베이스를 최신 상태로 유지하고 업데이트하는 데 어려움 발생 가능
제한된 능력창의적 문제 해결 능력 부족
변화하는 환경에 대한 적응력 부족
역사
초기 연구1960년대부터 인공지능 분야에서 연구 시작
전성기1980년대에 많은 산업 분야에서 활용
현재인공지능과 머신러닝의 발전으로 더욱 발전된 형태의 시스템 등장
개발 도구
프로그래밍 언어Lisp
Prolog
Python
쉘(Shell)CLIPS
JESS
같이 보기
관련 주제인공지능
지식 공학
의사 결정 지원 시스템
머신러닝
인공신경망

2. 역사

전문가 시스템의 역사는 1960년대부터 시작되어 여러 발전을 거듭해왔다.

1960년대에 최초의 보건 분야 인공지능이자 최초의 전문가 시스템인 덴드랄이 개발되었다. 덴드럴(Dendral)은 분자 구조를 추정하는 시스템으로, 허버트 사이먼의 지도를 받은 에드워드 파이젠바움이 유전학자 조슈아 리더버그의 외계 생명체 연구를 돕기 위해 개발했으며, 최초의 실용적인 인공지능으로 평가받는다.[114]

스탠퍼드 대학교 휴리스틱 프로그래밍 프로젝트 연구자들이 전문가 시스템을 제안했으며, 에드워드 페이겐바움이 "전문가 시스템의 아버지"로 불린다. 초기 시스템으로는 덴드럴(Dendral)(1965-)과 마이신(Mycin)(1972)이 있으며, 브루스 부캐넌, 에드워드 쇼트리프, 랜덜 데이비스, 윌리엄 반 메레, 칼리 스콧 등이 주요 기여자이다. 전문가 시스템은 AI 소프트웨어로서 최초로 진정한 성공을 거두었다.[85][86][87][88][89][90]

프랑스에서는 추론 자동화와 논리 엔진 연구가 활발히 진행되었으며, 1972년 개발된 프롤로그(Prolog)는 전문가 시스템 발전에 중요한 역할을 했다. 프롤로그는 일계 술어 논리 기반 엔진을 갖춘 전문가 시스템 개발 도구이자 최초의 선언형 언어로, 인공지능 개발 언어로 널리 사용되었다.[96][97]

1980년대에는 전문가 시스템이 상용화되어 널리 사용되었다. 많은 대학에서 관련 과정을 개설했고, 포춘 500대 기업의 3분의 2가 일상 업무에 이 기술을 적용했다.[84][101] 일본의 다섯째 세대 컴퓨터 프로젝트와 유럽의 연구 등 세계적으로 많은 관심을 받았다. 전문가 시스템 개발은 리스프(LISP)와 프롤로그(Prolog)와 같은 기호 처리 언어의 개발로 촉진되었다.[102]

2. 1. 초기 개발

1940년대 후반과 1950년대 초, 현대 컴퓨터가 등장하면서 연구자들은 컴퓨터를 이용해 인간의 의사 결정을 모방하는 방법을 연구하기 시작했다.[6] 1950년대 후반, 정보화 시대가 도래하면서 생의학 연구자들은 의학 및 생물학 분야에서 진단을 위한 컴퓨터 지원 시스템을 만들기 시작했다. 이러한 초기 진단 시스템은 환자의 증상과 검사 결과를 입력받아 진단 결과를 생성했다.[7][8]

1960년대에는 최초의 보건 분야 인공지능이자 전문가 시스템인 덴드랄이 개발되었다. 덴드랄은 분자 구조를 추정하는 시스템으로, 정치학 전공자 허버트 사이먼의 지도를 받은 에드워드 파이젠바움이 유전학자 조슈아 리더버그의 연구를 돕기 위해 개발했다.[114]

초기 진단 시스템은 전문가 시스템의 초기 형태로 여겨지기도 하지만, 흐름도,[9] [10] 통계적 패턴 매칭,[11] 확률 이론[12][13]과 같은 전통적인 방법에는 한계가 있었다.

2. 2. 공식 소개 및 후기 발전

1965년, 에드워드 파이젠바움이 이끄는 스탠퍼드 휴리스틱 프로그래밍 프로젝트에서 전문가 시스템이 공식적으로 소개되었다.[17] 에드워드 파이젠바움은 "전문가 시스템의 아버지"라고도 불린다.[17] 이 프로젝트의 주요 초기 기여자로는 브루스 부캐넌과 랜달 데이비스가 있다.[18] 스탠퍼드 연구원들은 감염병 진단(마이신(MYCIN)) 및 알 수 없는 유기 분자 식별(덴드럴(Dendral))과 같이 전문 지식이 매우 중요하고 복잡한 영역을 다루는 시스템을 개발하고자 했다.[18]

에드워드 파이젠바움은 "지능 시스템은 사용하는 특정 형식주의 및 추론 체계가 아니라 보유한 지식에서 힘을 얻는다"고 강조했는데,[19] 이는 당시 앨런 뉴얼(Allen Newell)과 허버트 사이먼(Herbert A. Simon)의 범용 문제 해결사 개발 연구와는 다른, 지식 기반 접근 방식의 중요성을 보여주는 진전이었다.[20] 전문가 시스템은 인공 지능(Artificial intelligence)(AI) 소프트웨어의 최초로 실제로 성공한 형태 중 일부가 되었다.[3]

의학 분야의 전문가 시스템으로는 마이신(MYCIN),[14] 인터니스트-I(Internist-I),[15] 그리고 카두세우스[16]가 개발되었다.

1980년대에는 전문가 시스템이 급증하여, 대학교에서는 전문가 시스템 강좌를 제공했고, 포춘 500대 기업의 3분의 2가 일상 업무에 이 기술을 적용했다.[4][26] 일본의 5세대 컴퓨터 시스템 프로젝트와 유럽의 연구 자금 증가와 함께 관심은 국제적이었다.

IBM PC의 출시와 클라이언트-서버 아키텍처의 등장은 전문가 시스템 시장에 큰 영향을 미쳤다.[28] 이전에는 제록스(Xerox), 심볼릭스(Symbolics), 텍사스 인스트루먼츠(Texas Instruments)의 고급 리스프 머신(Lisp machine)이 주요 개발 환경이었으나,[29] PC 기반 도구의 등장으로 기업 IT 부서를 거치지 않고도 자체적으로 전문가 시스템을 구축할 수 있게 되었다.

1982년에는 통합 설계 합성(SID) 소프트웨어 프로그램이 개발되었는데, 이는 VAX 9000 CPU 논리 게이트의 93%를 생성하는 대규모 제품 설계에 사용된 최초의 전문가 시스템이었다.[31]

2. 3. 프롤로그와 APES

유럽에서는 프롤로그(Prolog)를 기반으로 한 전문가 시스템 및 전문가 시스템 쉘에 대한 연구가 활발하게 진행되었다. 프롤로그(Prolog) 시스템은 공식 논리를 기반으로 하는 규칙 기반 프로그래밍의 한 형태를 사용했다는 장점이 있다.[21][22]

APES는 프롤로그(Prolog) 기반의 초기 전문가 시스템 쉘 중 하나이다.[23] 프롤로그(Prolog)와 APES는 법률 분야, 특히 영국 국적법의 상당 부분을 인코딩하는 데 처음 사용되었다. 이는 AI와 법률 분야 연구의 표준이 되었다.[24][25]

2. 4. 1990년대 이후의 발전과 현황

1990년대 이후, "전문가 시스템"이라는 용어와 독립형 AI 시스템이라는 개념은 IT 용어에서 대부분 사라졌다. 이에 대한 두 가지 해석이 있다. 하나는 "전문가 시스템이 실패했다"는 것이다. IT 세계는 전문가 시스템이 과대 광고된 약속을 이행하지 못했기 때문에 계속 발전했다.[34][35] 다른 하나는 정반대의 의견으로, 전문가 시스템은 단순히 그 성공의 희생자였다는 것이다. IT 전문가들이 규칙 엔진과 같은 개념을 파악함에 따라, 이러한 도구는 특수 목적 "전문가" 시스템을 개발하기 위한 독립형 도구에서 많은 표준 도구 중 하나로 전환되었다.[36] 일각에서는 전문가 시스템이 IT 조직 내에서 사용자나 지식 엔지니어에게 소프트웨어 수정 권한을 넘겨주면서 기업 간 권력 투쟁을 초래했다고 주장한다.[37]

2000년대에 들어서면서, "규칙 기반 시스템(rule-based system)"이라는 용어를 사용하며 해당 기술은 상당한 성공 사례와 함께 "부활"했다.[38] SAP, 시벨, 오라클 등 주요 비즈니스 애플리케이션 제품군 공급업체들 다수가 비즈니스 논리를 지정하는 방법으로 전문가 시스템 기능을 제품군에 통합했다. 규칙 엔진은 더 이상 전문가가 사용할 규칙을 정의하는 데만 사용되는 것이 아니라, 모든 유형의 복잡하고 변동적이며 중요한 비즈니스 논리에 사용된다. 이러한 규칙 엔진은 종종 비즈니스 프로세스 자동화 및 통합 환경과 함께 사용된다.[39][40][41]

3. 소프트웨어 아키텍처

전문가 시스템은 지식 기반 시스템의 일종으로, 특정 분야의 전문가 지식을 활용하여 문제를 해결한다. 전문가 시스템은 주로 지식 베이스, 추론 엔진, 설명 기능, 지식 획득 기능, 사용자 인터페이스 등으로 구성된다.[6]

현대 시스템은 새로운 지식을 쉽게 통합하고 스스로 업데이트할 수 있으며, 기존 지식으로부터 일반화하고 방대한 양의 복잡한 데이터를 처리할 수 있다. 이러한 시스템을 "지능형 시스템"이라고도 부른다. 최근에는 전문가 시스템이 비즈니스 규칙 및 비즈니스 규칙 관리 시스템 영역으로 이동했다는 주장도 있다.

3. 1. 지식 베이스

전문가 시스템에서 지식 베이스는 “만약…이라면…”과 같은 형식의 자연어 규칙으로 표현된다. 예를 들어, 다음과 같은 문장이 있다.[103]

  • “'''만약''' 그것이 살아 있다'''면''' , 그것은 죽는다.”
  • “'''만약''' 그의 나이가 알려져 있다'''면''' , 그의 출생년도는 (현재 연도 - 그의 나이)이다.”
  • “'''만약''' 세균의 종류가 불확실하고'''그리고''' 그 세균이 그람 양성이고'''그리고''' 그 유기체의 형태가 “간상”이고'''그리고''' 그 세균이 호기성이라'''면''' , 그 세균이 “장내세균과”에 속할 가능성이 높다 (0.8)”


이러한 공식화는 일상적인 말투에도 통하는 장점이 있으며, 컴퓨터 과학에서는 매우 드물다. 규칙은 전문가 시스템이 사용하는 지식을 표현한다. 규칙의 공식화에는 다른 방법도 있으며, 그 경우 일상 언어와는 거리가 멀어져 컴퓨터 과학자만 이해할 수 있다. 규칙의 스타일은 추론 엔진의 스타일에 맞게 선택된다. 전문가 시스템의 가장 큰 문제는 전문가가 무의식적으로 사용하는 이러한 지식을 수집하는 것이다.

3. 2. 추론 엔진

추론 엔진은 규칙 집합을 사용하여 추론을 수행하는 프로그램이다.[104] 추론을 수행하기 위해 논리를 기반으로 한다. 추론 엔진은 논리를 사용하여 규칙과 데이터를 처리하고 새로운 정보를 생성한다. 추론 엔진이 사용하는 논리에는 명제 논리, 일계 또는 고계의 술어 논리, 인식 논리, 양상 논리, 시상 논리, 퍼지 논리 등이 있다. 명제 논리는 기본적인 논리이며 삼단논법을 공식화한 것이라고 할 수 있다. 명제 논리 이외의 논리는 복잡하여 수학자나 논리학자 또는 컴퓨터 과학자가 아니면 다루기 어렵다.

추론 엔진에는 일괄 처리 방식과 대화형 방식의 두 가지 동작 방식이 있다.

  • 일괄 처리 방식: 처음부터 처리해야 할 데이터가 준비되어 있다. 사용자 입장에서는 일반적인 프로그램과 마찬가지로 동작하며, 데이터를 입력하면 즉시 결과를 얻을 수 있고, 추론 과정은 보이지 않는다.
  • 대화형 방식: 문제가 너무 복잡하거나 운영 시작 시점에서 개발자가 사용자로부터 필요한 모든 지식을 수집할 수 없었던 경우에 필요하게 되었다. 소프트웨어는 문제를 해결하는 방법을 "고안"해야 하므로, 사용자에게 부족한 데이터를 요구하고, 점차적으로 그리고 가능한 한 빠르게 목표에 도달한다. 결과는 전문가가 유도한 대화의 영향을 받는다.


대화를 유도하기 위해 엔진에는 몇 가지 기법이 갖춰져 있다.

  • 순방향 연쇄: 해법을 전혀 모르는 전문가가 하는 질문이며, 점차 해법을 찾아나간다(예: 장애 진단).
  • 역방향 연쇄: 엔진이 결론의 후보를 가지고 있는 경우이다(예: 이것은 괜찮은가?, 어떤 위험이 있을 것 같은데, 그 수준은? 등). 가능한 한 빠르게 해법을 찾을 수 있을 것 같은 결론부터 시작한다.
  • 혼합형 연쇄: 엔진에 결론의 후보가 있지만, 그것만으로는 충분하지 않다. 그 경우, 직전 사용자의 응답으로부터 순방향 연쇄로 추론하여 가능성 있는 후보를 찾아낸다. 따라서 다음 질문에 사용자가 답하기 전에 이미 그 답을 추론하고 있는 경우가 많다.


논리를 사용했을 때 매우 흥미로운 점은 이러한 종류의 소프트웨어가 사용자에게 명확하게 "무엇을 하고 있는가"(Why)와 "어떻게 추론했는가"(How)를 설명할 수 있다는 점이다. 또한 논리를 사용한 전문가 시스템은 사용자가 제공하는 정보나 지식 베이스의 모순을 감지하는 경우가 많고, 명확하게 그것을 지적할 수 있다.[104]

3. 3. 설명 기능

전문가 시스템은 사용자가 추론 과정을 이해하고 시스템의 투명성을 높일 수 있도록 설명 기능을 제공한다. 자연어 처리 기술을 활용하여 사용자에게 친숙한 형태로 설명을 제공하는 연구도 진행되었다.[85][86][87][88][89][90]

3. 4. 사용자 인터페이스

User interface영어는 사용자와 시스템 간의 상호 작용을 지원한다.

4. 장점

전문가 시스템은 일반적인 프로그램에 비해 다음과 같은 장점을 가진다.


  • 유지보수 용이성: 기존 코드를 작성할 필요가 없어, 시스템의 작은 변경으로 인해 발생할 수 있는 일반적인 문제들을 방지할 수 있다. 프로그램의 논리적 흐름은 시스템에 주어지고, 추론 엔진을 호출하기만 하면 된다.
  • 데이터베이스 수준의 신뢰성: 데이터베이스와 동등한 수준의 신뢰성을 가진다.
  • 규칙 추가, 수정, 삭제 용이: 규칙을 추가, 수정, 삭제하기 쉽다.
  • 지식 축적: 전문가의 지식은 사망이나 은퇴와 함께 사라지지만, 전문가 시스템에 축적함으로써 반영구적으로 기록할 수 있다.
  • 조합 폭발 문제 해결: 정보 시스템에서 발생하는 조합 폭발 문제도 전문가 시스템으로 해결할 수 있는 경우가 있다. (예: 장애 진단 시스템, 복잡한 문제의 의사결정 지원, 교육 소프트웨어)[52]

4. 1. 빠른 개발 및 유지 관리 용이성

지식 기반 시스템의 목표는 시스템 작동에 필요한 중요 정보를 암시적인 것이 아니라 명시적으로 만드는 것이다.[51] 기존 컴퓨터 프로그램에서는 논리가 코드에 내장되어 있어 일반적으로 IT 전문가만 검토할 수 있었다. 전문가 시스템에서는 IT 전문가가 아닌 도메인 전문가가 직관적이고 쉽게 이해하고, 검토하고, 심지어 편집할 수 있는 형식으로 규칙을 지정하는 것을 목표로 하였다. 이러한 명시적인 지식 표현의 이점은 빠른 개발과 유지 관리의 용이성이었다.

전문가 시스템은 규칙을 자연어로 표현할 수 있기 때문에 전문가나 사용자가 직접 전문가 시스템에 지식을 입력할 수 있으며, 개발 기간을 단축할 수 있다.[44]

4. 2. 가용성 및 신뢰성 향상

전문가 시스템은 전문 지식을 컴퓨터 하드웨어를 통해 접근할 수 있게 하며, 시스템은 항상 정해진 시간 안에 응답을 완료한다.[44] 이러한 특징은 전문가 시스템의 가용성과 신뢰성을 높여준다.

4. 3. 다중 전문 지식 활용

여러 전문가 시스템을 동시에 실행하여 문제 해결 능력을 향상시킬 수 있다.[44]

4. 4. 설명 기능 제공

전문가 시스템은 문제 해결 과정을 설명하여 사용자의 이해를 돕는다.[44] 이를 통해 사용자는 전문가 시스템에 담긴 전문가의 지식을 학습할 수 있다.[44]

4. 5. 빠른 응답 시간

전문가 시스템은 빠르고 실시간으로 문제를 해결할 수 있다.[44]

4. 6. 비용 절감

전문가 시스템을 활용하면 각 사용자에 대한 전문 지식 비용을 크게 줄일 수 있다.[44]

5. 단점

전문가 시스템은 피상적인 지식을 가지고 있어, 간단한 작업에도 계산 비용이 많이 들 수 있으며, 특정 문제를 해결하는 데 가장 적절하지 않은 방법을 선택할 수도 있다.[44]

초기 전문가 시스템은 시스템 및 데이터베이스 통합에도 어려움을 겪었다. 당시 대부분의 기업 IT 환경에서 익숙하지 않은 언어와 플랫폼(Lisp, Prolog, Lisp 머신 등)으로 개발되었기 때문이다.[52] 이러한 문제는 클라이언트-서버 패러다임의 변화와 저렴한 미니컴퓨터 서버의 등장으로 해결되었다.[52]

의료 분야 전문가 시스템(컴퓨터 지원 진단 시스템)은 빅데이터, 기존 규정, 의료 관행, 알고리즘 문제, 시스템 평가 등과 관련된 문제에 직면한다.[63]

5. 1. 지식 획득의 어려움

전문가 시스템의 가장 흔히 언급되는 단점은 지식 획득 문제이다.[53] 전문가 시스템을 구축하기 위해서는 특정 분야 전문가의 지식을 추출하고 정형화해야 하는데, 이 과정이 매우 어렵다.[44] 전문가들은 조직 내에서 매우 귀중하고 수요가 많기 때문에, 이들의 시간을 확보하는 것 자체가 어려운 일이다.[53]

전문가의 지식은 정형화하기 어려운 경우가 많으며, 정형화하더라도 규칙 간에 모순이 발견되기도 한다.[105] 이러한 문제 때문에 전문가 시스템 후반기에는 전문가가 정의한 규칙의 설계, 디버깅, 유지 관리 과정을 자동화하는 지식 획득 도구 연구에 많은 초점이 맞춰졌다.[53]

5. 2. 성능 문제

초기 전문가 시스템은 코드를 컴파일하지 않고 해석하는 도구를 사용했기 때문에 성능 문제가 발생했다. 이는 가장 빠른 컴파일 언어의 효율성을 따라갈 수 없었다는 단점이 있었다.[53]

지식 기반의 크기가 증가하면 처리 복잡성이 증가하여 성능 저하를 야기할 수 있다. 예를 들어, 1억 개의 규칙을 가진 전문가 시스템은 너무 복잡하여 많은 계산상의 문제에 직면할 수 있다.[55] 추론 엔진은 결정에 도달하기 위해 수많은 규칙을 처리해야 하기 때문이다.

규칙이 너무 많을 경우, 결정 규칙 간의 일관성을 확인하는 것도 어려운 문제이다. 이는 부울 만족성 문제로 이어질 수 있으며, 이는 잘 알려진 NP-완전 문제이다.[56] 이진 변수만 가정할 경우, 검색 공간의 크기는 2n이 되어 기하급수적으로 증가할 수 있다.

규칙의 우선순위를 지정하거나 모호성을 해결하는 방법(예: 하나의 규칙 내에 너무 많은 else-if 하위 구조가 있는 경우) 등도 문제점으로 지적된다.[57]

또한, 알려진 사실을 사용하여 지식 기반에 명시적으로 설명되지 않은 다른 사례로 일반화하려고 할 때 과적합 및 과잉 일반화 문제가 발생할 수 있다. 이러한 문제는 머신 러닝 접근 방식을 사용하는 경우에도 나타난다.[58][59]

전문가 시스템의 원리가 70년 전부터 있었음에도 불구하고, 전문가의 지식을 정형화하기 어렵고, 정형화된 규칙 간에 모순이 발생하는 경우가 많아 성공은 제한적이었다. 추론 엔진의 성능 저하 또한 전문가 시스템 프로젝트 중단의 주요 원인 중 하나였다.[105]

5. 3. 규칙 간의 불일치 문제

규칙이 많아지면 규칙 간의 일관성을 유지하기가 어려워진다. 예를 들어, 1억 개의 규칙을 가진 전문가 시스템은 너무 복잡해져서 많은 계산 문제를 야기할 수 있다.[55] 추론 엔진이 수많은 규칙을 처리해야 하기 때문이다.

규칙이 너무 많을 때, 결정 규칙들이 서로 일관성이 있는지 확인하는 것은 어려운 문제이다. 이 문제는 부울 만족성 문제(SAT)로 이어질 수 있는데, 이는 잘 알려진 NP-완전 문제이다.[56] 예를 들어, 이진 변수가 n개라면 검색 공간의 크기는 2n이 되어 기하급수적으로 증가한다.

또한, 규칙의 우선순위를 정하거나 모호성을 해결하는 방법(예: 하나의 규칙 내에 너무 많은 else-if 하위 구조가 있는 경우)에 대한 문제도 발생한다.[57]

전문가 시스템의 성공은 제한적인데, 전문가의 지식을 정형화하기 어렵고, 정형화된 규칙 간에 모순이 발견되는 경우가 많기 때문이다.[105]

5. 4. 과적합 및 과잉 일반화 문제

전문가 시스템은 알려진 사실을 바탕으로 일반화할 때 과적합 및 과잉 일반화와 같은 오류가 발생할 수 있다. 이러한 오류는 지식 기반에 명시적으로 설명되지 않은 다른 사례로 일반화하려고 할 때 발생한다. 이는 기계 학습 접근 방식을 사용하는 경우에도 마찬가지로 나타나는 문제이다.[58][59]

5. 5. 지식 업데이트의 어려움

전문가 시스템의 지식 기반을 업데이트하는 것은 어렵고 시간이 많이 소요되는 작업이다.[60][61][62] 새로운 지식을 추가할 때, 기존의 많은 규칙들 사이에 어디에 추가해야 할지 결정하기 어렵다.[60][61][62] 또한, 기존 지식을 수정하거나 새로운 지식을 추가하는 과정에서 규칙 간의 일관성을 유지하는 것도 중요한 과제이다.[56]

전문가 시스템의 지식은 종종 정형화하기 어렵고, 정형화된 규칙들 사이에서 모순이 발견되기도 한다.[105] 이러한 문제는 추론 엔진의 성능 저하로 이어질 수 있으며, 전문가 시스템 프로젝트가 중단되는 원인이 되기도 한다.[105]

5. 6. 윤리적 문제

AI 사용과 관련된 윤리적 문제가 발생할 수 있다.[44] 전문가 시스템은 특정 지식을 기반으로 작동하며, 전문가가 제공한 정보에 의존하기 때문에 그 지식의 범위를 벗어나는 문제에 대해서는 깊이 있는 이해를 하지 못한다. 이러한 특성은 전문가 시스템의 판단에 영향을 미칠 수 있으며, 윤리적인 문제를 야기할 수 있다.

6. 응용 분야

Hayes-Roth영어는 전문가 시스템 응용 프로그램을 10가지 범주로 분류했다. 아래 표는 각 범주와 해결되는 문제, 그리고 예시를 보여준다.

범주해결되는 문제예시
해석센서 데이터에서 상황 설명 추론음성 인식(Hearsay), PROSPECTOR
예측주어진 상황의 가능성 있는 결과 추론조산 위험 평가[64]
진단관찰 가능한 사항으로부터 시스템 오작동 추론캐듀서스(CADUCEUS), 마이신(MYCIN), PUFF, Mistral,[65] Eydenet,[78] Kaleidos,[79] GARVAN-ES1[66][67][68]
설계제약 조건 하에서 개체 구성덴드랄(Dendral), 주택 담보 대출 자문, R1 (DEC VAX 구성), SID (DEC VAX 9000 CPU)
계획작업 설계자율 무인 잠수정 임무 계획[69]
모니터링관찰 결과와 계획 취약성 비교REACTOR[70]
디버깅복잡한 문제에 대한 점진적인 솔루션 제공SAINT, MATHLAB, MACSYMA
수리처방된 치료법을 관리하기 위한 계획 실행유독성 유출 위기 관리
교육학생 행동 진단, 평가 및 수정SMH.PAL,[76] Intelligent clinical training영어,[71] STEAMER[72]
제어시스템 동작 해석, 예측, 수리 및 모니터링실시간 프로세스 제어,[73] 우주왕복선 임무 제어,[74] 복합재료 스마트 오토클레이브 경화[75]



전문가 시스템은 일반적으로 인간 전문가가 수행하는 작업을 모방하여 해결할 수 있는 문제, 즉 의학이나 다른 전문 분야와 같이 기존 알고리즘으로 코딩할 수 있는 유일한 "정답"이 없는 문제에 사용된다.

전문가 시스템은 다음과 같은 다양한 영역에서 활용된다.


  • 고도의 대화형 애플리케이션: 자동 음성 응답 시스템, 음성 서버, 인공 바보
  • 장애 진단, 의료 진단
  • 복잡계, 프로세스 제어, 대화형 매뉴얼 등에서의 의사결정 지원
  • 교육 소프트웨어
  • 기계나 시스템의 논리 시뮬레이션
  • 지식 관리
  • 끊임없이 변화하는 소프트웨어


금융 분야에서는 주택 담보 대출 처리와 다양한 시장 상황에서 거래를 추천하는 데 활용된다. 컴퓨터 게임 분야에서는 Earl Weaver Baseball|얼 위버 베이스볼영어과 Tony La Russa Baseball|토니 라 루사 베이스볼영어 같은 야구 게임에서 감독의 전략을 시뮬레이션하는 데 사용되었다.[46] 온라인 퀴즈 게임인 아키네이터는 사용자가 생각하는 인물이나 캐릭터를 맞히는 데, 휴대용 장난감인 "미래 예측기 미라이스코프"는 사용자의 성격을 분석하고 미래를 예측하는 데 전문가 시스템과 유사한 기술을 사용한다.[109][111] 이 외에도, 컴퓨터 프로그램 자동 생성과 같은 새로운 분야에도 응용되고 있다.[111]

6. 1. 해석

해석은 센서 데이터로부터 상황 설명을 추론하는 것을 의미한다. 예를 들어 음성 인식(Hearsay)이나 광물 탐사(PROSPECTOR)와 같은 경우가 이에 해당한다.[46] Hearsay는 음성 인식 문제를 해결하기 위한 초기 시도였는데, 이러한 종류의 시스템은 패턴 인식 시스템, 즉 노이즈가 많은 데이터에서 패턴을 찾는 시스템에 가깝다. Hearsay의 경우 오디오 스트림에서 음소를 인식했다. 이러한 시스템은 규칙 기반 접근 방식보다는 인공 신경망 AI 솔루션에 더 적합한 것으로 판명되었다.

6. 2. 예측

전문가 시스템은 주어진 상황의 가능성 있는 결과를 추론하는 데 사용된다. 예를 들어 조산 위험 평가[64] 등이 이에 해당한다.

6. 3. 진단

관찰 가능한 사항을 통해 시스템 오작동을 추론한다. 의료 진단 전문가 시스템인 캐듀서스(CADUCEUS), 마이신(MYCIN)이 대표적이다.[46] 사용자가 증상을 설명하면, 시스템은 의학적 진단을 제시한다. 1990년대 이탈리아 Ismes에서 개발된 댐 안전 모니터링 전문가 시스템 Mistral은 자동 모니터링 시스템에서 데이터를 가져와 댐 상태 진단을 수행한다.[65] 리드라콜리(Ridracoli) 댐을 시작으로 이탈리아 및 브라질 이타이푸 댐(Itaipu Dam) 등 여러 댐과 산사태 현장(Eydenet[78]), 기념물(Kaleidos[79])에 설치되었다.

6. 4. 설계

덴드랄(Dendral)은 유기 분자 식별에서 가설 형성을 연구하는 도구였다. 제약 조건이 주어진 솔루션을 설계하는 문제 해결은 DEC VAX 컴퓨터를 구성하는 영업 사원 및 주택 담보 대출 자문과 같은 비즈니스 영역에 적용된 초기 전문가 시스템에서 가장 성공적인 영역 중 하나였다.[46] 주택 담보 대출의 경우 직원 비용이 문제가 되어 상대적으로 소액 대출에서 이익을 내기 어려웠다. 주택 담보 대출에는 다른 대출에는 없는 법률 및 규정이 있어, 전문가 시스템을 도입함으로써 주택 담보 대출 처리를 최적화하고 표준화할 수 있을 것으로 기대되었다.

6. 5. 계획

계획은 전문가 시스템이 수행하는 중요한 기능 중 하나이다. 예를 들어, 자율 무인 잠수정의 임무를 계획하는 경우가 이에 해당한다.[69]

6. 6. 모니터링

관찰 결과와 계획 취약성을 비교하며, 원자로 감시[70]가 그 예시이다.

6. 7. 디버깅

SAINT, MATHLAB, MACSYMA는 복잡한 문제에 대한 점진적인 솔루션을 제공하는 시스템이다.[46]

6. 8. 수리

Hayes-Roth영어는 전문가 시스템 응용 프로그램을 분류하였는데, 그중 '수리'는 처방된 치료법을 관리하기 위한 계획을 실행하는 것을 말한다.[46] 예를 들어 유독성 유출 위기 관리가 이에 해당한다.

6. 9. 교육

Intelligent clinical training영어[71], STEAMER[72] 등은 학생 행동을 진단, 평가 및 수정하는 데 사용된다.

6. 10. 제어

시스템 동작을 해석, 예측, 수리 및 모니터링한다. 예를 들어 실시간 프로세스 제어,[73] 우주왕복선 임무 제어,[74] 복합재료 스마트 오토클레이브 경화[75] 등이 있다.

6. 11. 기타 응용 분야

전문가 시스템은 회계, 금융 서비스, 제조, 인사 관리 등 다양한 분야에서 활용되고 있다.[46] 이러한 분야는 매우 복잡하여 기존의 단순한 알고리즘으로는 해결하기 어렵기 때문에 전문가 시스템이 사용된다.

금융 분야에서는 주택 담보 대출 전문가 시스템이 활용되는데, 이는 직원 비용을 줄이고 대출 처리 과정을 효율적으로 만들기 위해 도입되었다.[46] 또한, 다양한 시장 상황에서 거래를 추천하는 전문가 시스템도 사용된다.

컴퓨터 게임 분야에서도 전문가 시스템 기술이 적용되었다. 예를 들어, Earl Weaver Baseball|얼 위버 베이스볼영어과 Tony La Russa Baseball|토니 라 루사 베이스볼영어 같은 야구 게임에서는 감독의 전략을 시뮬레이션하는 데 전문가 시스템이 사용되었다.[46]

온라인 퀴즈 게임인 아키네이터는 사용자가 생각하는 인물이나 캐릭터를 맞히는 데 전문가 시스템 기술을 활용한다.[109] 휴대용 장난감인 "미래 예측기 미라이스코프"는 사용자의 성격을 분석하고 미래를 예측하는 데 전문가 시스템과 유사한 기술을 사용한다.[111]

이 외에도, 전문가 시스템은 컴퓨터 프로그램 자동 생성과 같은 새로운 분야에도 응용되고 있다.[111]

7. 주요 전문가 시스템


  • 덴드럴(Dendral): 1965년에 에드워드 파이젠바움이 개발한 최초의 전문가 시스템으로, 분자 구조를 추정하는 시스템이다. 허버트 사이먼에게 지도를 받고 논리학을 전공한 에드워드 파이젠바움이 유전학자 조슈아 리더버그의 외계 생명체 연구를 돕기 위해 화학 분야에서 개발했다.[114] 1960년대에 최초의 보건분야 인공지능이기도 하다.
  • 마이신(Mycin)
  • 클립스(CLIPS)
  • 제스(Jess): CLIPS의 자바 버전이다.
  • 프롤로그(Prolog)
  • 아키네이터(Akinator): 엔터테인먼트 분야의 응용 사례이다.
  • 이지스 시스템(イージスシステム)

참조

[1] 서적 Introduction To Expert Systems Addison Wesley
[2] 웹사이트 Conventional programming https://www.pcmag.co[...] Pcmag.com 2013-09-15
[3] 서적 Artificial Intelligence: A Modern Approach http://stpk.cs.rtu.l[...] Simon & Schuster 2014-06-14
[4] 서적 Expert systems: the technology of knowledge management and decision making for the 21st century
[5] 뉴스 A short history of AI https://www.economis[...] 2024-08-14
[6] 학술지 A Systematic Survey of Computer-Aided Diagnosis in Medicine: Past and Present Developments 2019
[7] 학술지 Reasoning foundations of medical diagnosis 1959
[8] 학술지 A model-based method for computer-aided medical decision-making 1978
[9] 학술지 Medicine and the computer: the promise and problems of change 1970
[10] 학술지 Computer-based consultation: Electrolyte and acid-base disorders 1972
[11] 학술지 A new information system for medical practice 1975
[12] 학술지 Decision analysis as the basis for computer-aided management of acute renal failure 1973
[13] 학술지 Artificial intelligence in medical diagnosis 1988
[14] 학술지 A model of inexact reasoning in medicine 1975
[15] 학술지 Internist-I, an experimental computer-based diagnostic consultant for general internal medicine 1982
[16] 서적 The fifth generation Addison-Wesley
[17] 웹사이트 The Diversity of Artificial Intelligence: How Edward Feigenbaum Developed the Expert Systems https://medium.com/@[...] 2024-01-26
[18] 서적 Digitizing Diagnosis: Medicine, Minds, and Machines in Twentieth-Century America Johns Hopkins University Press
[19] 기타
[20] 서적 Building Expert Systems https://archive.org/[...] Addison-Wesley
[21] 기타
[22] 웹사이트 PROLOG, the first declarative language http://promethee.phi[...] 2012-04-02
[23] 기타 Investigating with APES (Augmented Prolog Expert System) https://www.ojp.gov/[...] 2024-01-03
[24] 기타 AI & Law: British Nationality Act Unexpectedly Spurred AI And Law https://lance-eliot.[...] 2023-11-13
[25] 학술지 The British Nationality Act as a Logic Program 1986-05
[26] 서적 Expert Systems: Catalog of Applications Intelligent Computer Systems, Inc., Akron, OH
[27] 웹사이트 The IBM PC - CHM Revolution https://www.computer[...] 2024-01-26
[28] 서적 The Essential Client/Server Survival Guide https://archive.org/[...] Wiley Computer Publishing
[29] 서적 Smart or Lucky: How Technology Leaders Turn Chance into Success https://books.google[...] John Wiley & Son 2013-11-29
[30] 학술지 Expandable Expertise for Everyday Users https://books.google[...] 2011-03-13
[31] 학술지 VAX 9000 Series
[32] 서적 Complexity of Computer Computations New York: Plenum 2020-01-24
[33] 서적 What Computers Still Can't Do Cambridge, Massachusetts: The MIT Press
[34] 웹사이트 AI Expert Newsletter: W is for Winter http://www.ainewslet[...] 2013-11-29
[35] 학술지 The rise and fall of the legal expert system http://ejlt.org//art[...] 2020-01-24
[36] 학술지 Years After Hype, 'Expert Systems' Paying Off for Some http://www.datamatio[...] 2013-11-29
[37] 학술지 The Social Construction of Expert Systems https://www.research[...] 2007
[38] 뉴스 Business Makes the Rules https://www.informat[...] 2005-10-18
[39] 웹사이트 SAP News Desk IntelliCorp Announces Participation in SAP EcoHub http://laszlo.sys-co[...] LaszloTrack 2013-11-29
[40] 웹사이트 Smart BPM Requires Smart Business Rules http://www.pega.com/[...] 2013-11-29
[41] 학회 Achieving business process and business rules integration using SPL IEEE 2010-10-09
[42] 학술지 Gated Feedback Recurrent Neural Networks http://proceedings.m[...] PMLR 2015-06-01
[43] MSc An Expert System for the Management of Hazardous Materials at a Naval Supply Center https://commons.wiki[...] Naval Postgraduate School Monterey/CA 1990-06
[44] 학술지 Hybrid categorical expert system for use in content aggregation 2021-12-21
[45] 웹사이트 Knowledge-Based Systems Concepts, Techniques, Examples http://www.reidgsmit[...] 2013-11-09
[46] 서적 Building Expert Systems https://archive.org/[...] Addison-Wesley
[47] 간행물 Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoin Sets http://www.ccis2k.or[...] "Polytechnic University of Palestine" 2007-01
[48] 학술지 An Assessment of Tools for Building Large Knowledge-Based Systems http://www.aaai.org/[...] 2013-11-29
[49] 학술지 Using a description classifier to enhance knowledge representation 1991-06
[50] 학술지 The Semantic Web A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities http://www.cs.umd.ed[...] 2001-05-17
[51] 서적 Building Expert Systems https://archive.org/[...] Addison-Wesley
[52] 학술지 Expert system applications in business: a review and analysis of the literature http://dl.acm.org/ci[...] 2013-11-29
[53] 서적 An introduction to knowledge engineering Springer
[54] 서적 The fifth generation Addison-Wesley
[55] 서적 Foundations Of Artificial Intelligence MIT Press
[56] 학회 Consistency of rule-based expert systems https://ir.cwi.nl/pu[...] 1988
[57] 학술지 User participation in knowledge update of expert systems 1997
[58] 서적 Soft Computing for Knowledge Discovery and Data Mining 2008
[59] 학술지 Prediction of diabetes by employing a new data mining approach which balances fitting and generalization 2008
[60] 학술지 Data-based acquisition and incremental modification of classification rules 1995
[61] 학술지 Why expert systems fail 1988
[62] 학술지 Knowledge-based systems and knowledge management: friends or foes? https://repository.u[...] 1999
[63] 학술지 The Seven Key Challenges for the Future of Computer-Aided Diagnosis in Medicine 2019
[64] 학술지 Machine learning for an expert system to predict preterm birth risk
[65] 학술지 Applying AI to structural safety monitoring and evaluation http://www.computer.[...] 2014-03-05
[66] 학술지 An expert system for the interpretation of thyroid assays in a clinical laboratory
[67] 학술지 Expert systems: working systems and the research literature
[68] 학술지 Maintaining an Expert System
[69] 학술지 A mission planning expert system for an autonomous underwater vehicle
[70] 학술지 Proceedings of the Second AAAI Conference on Artificial Intelligence https://citeseerx.is[...]
[71] 논문 Intelligent Clinical Training Systems
[72] 논문 STEAMER: An interactive inspectable simulation-based training system
[73] 논문 Experience Using Knowledge-Based Reasoning in Real Time Process Control http://www.gregstanl[...] 2013-12-03
[74] 논문 The INCO Expert System Project: CLIPS in Shuttle mission control https://www.research[...] 2013-11-30
[75] 서적 Smart Autoclave Cure of Composites
[76] 논문 SMH.PAL: an expert system for identifying treatment procedures for students with severe disabilities. http://www.freepaten[...] 2013-11-30
[77] 논문 Expert systems, the risks and rewards
[78] 논문 Embedding a geographic information system in a decision support system for landslide hazard monitoring http://dinamico2.uni[...]
[79] 논문 Diagnosing Ancient Monuments with Expert Software http://dinamico2.uni[...]
[80] 서적
[81] 간행물 Expert system: a catalyst in educational development in Nigeria http://www.hrmars.co[...]
[82] 간행물 A new approach to expert system explanations http://www.cogentex.[...]
[83] 웹사이트 Conventional programming http://www.pcmag.com[...]
[84] 서적 Expert systems: the technology of knowledge management and decision making for the 21st century
[85] 서적
[86] 서적
[87] 서적
[88] 서적
[89] 서적
[90] 서적
[91] 간행물 Expert system: a catalyst in educational development in Nigeria http://www.hrmars.co[...]
[92] 논문 Intelligent user interface for expert systems applied to power plant maintenance and troubleshooting
[93] 논문 Spoken dialogue technology: enabling the conversational user interface
[94] 논문 The Ignatius environment: supporting the design and development of expert-system user interfaces
[95] 서적 Rule Based Expert System Shell Benjamin/Cummings Publishers
[96] 간행물 INTRODUCTION A PROLOG ET AU TRAITEMENT DU LANGAGE NATUREL http://promethee.phi[...] Université de Liège, Belgique
[97] 웹사이트 Prolog was the most popular AI language in Japan and probably in Europe http://www.prenhall.[...] Carnegie Mellon University's AI Web Site
[98] 간행물 Extensions of Deductive Concept in Logic Programing and Some Applications http://www.proceedin[...] University of Novi Sad
[99] 기타
[100] 웹사이트 Prolog http://www.softpanor[...] Softpanorama
[101] 서적 Expert Systems: Catalog of Applications Intelligent Computer Systems, Inc.
[102] 서적
[103] 기타
[104] 간행물 Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoin Sets http://www.ccis2k.or[...] Polytechnic University of Palestine
[105] 서적 Management Information Systems: Managing the Digital Firm Business & Economics
[106] 간행물 MIAO can explain, again in [plain] language, all of his logical approach: why he is asking such a question and how it came to such a conclusion. And that because he is constantly reasoning and not because an IT developer programmed in advance all the possible explanations. Systèmes Experts 1990-04-15
[107] 웹사이트 This software allows to develop a conversational application (...) leading to a self-learning http://www.tree-logi[...] Le Monde Informatique
[108] 웹사이트 checking the coherence of the knowledge, it can detect contradictions, it react appropriately to changes of minds http://www.tree-logi[...] French Technology Survey 1991-07
[109] 웹사이트 ランプの精がWeb2.0に貴方の好きなキャラを当てるAkinator {{!}} 教えて君.net http://www.oshiete-k[...] 2023-06-08
[110] 웹사이트 「熱は38度以上」「のどが痛い」の情報から診断が可能だった80年代のAI ただし… https://shuchi.php.c[...] 2023-06-08
[111] 웹사이트 http://www.mnbtech.c[...]
[112] 서적 An introduction to knowledge engineering Springer
[113] 서적 The fifth generation Addison-Wesley
[114] 뉴스 로봇 공화국에서 살아남는 법 로봇신문 2016-12-19

관련 사건 타임라인

( 최근 20개의 뉴스만 표기 됩니다. )


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