지식 기반 시스템
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
지식 기반 시스템은 인공지능 연구에서 개발되었으며, 지식을 명시적으로 표현하고 추론 엔진을 통해 문제를 해결하는 시스템이다. 초기에는 전문가 시스템으로 활용되었으며, 규칙 기반 시스템을 통해 지식을 획득, 유지 관리하고, 설명을 제공하며 추론하는 데 사용되었다. 이후 흑판 아키텍처와 같은 메타 수준 추론을 지원하는 시스템으로 발전했다. 1980년대와 1990년대에는 실시간 공정 제어, 지능형 튜터링 시스템 등 다양한 분야에 적용되었으며, 지식 표현 기술은 논리, 프레임 등으로 더욱 정교해졌다. 최근에는 분류기를 통해 자동 추론을 수행하고, 시맨틱 웹과 같은 인터넷 기반 시스템 개발에도 활용되고 있다.
더 읽어볼만한 페이지
- 지식 기반 시스템 - 온톨로지
온톨로지는 철학의 존재론에서 유래하여 정보기술 분야에서 지식의 위치와 관계를 명확히 하는 연구 분야로 사용되며, 시맨틱 웹 구현의 핵심 도구로서 웹 자원 관리 및 정보 검색 효율성을 높이는 데 기여한다. - 지식 기반 시스템 - 분류
분류는 의식 경험을 개념적으로 구별하는 과정이며, 마음의 능력에 의존하여 사회적 학습을 가능하게 하고, 인간의 정보 표상과 사용 방식을 연구하는 데 활용되며, 정체성 형성 및 사회적 관계에 영향을 미치는 사회적 범주화의 필수적인 요소이다. - 인공지능 - 구글
구글은 래리 페이지와 세르게이 브린이 개발한 웹 검색 엔진에서 출발하여 검색 기술 혁신을 통해 유튜브, 안드로이드 등 다양한 서비스를 제공하는 세계적인 기술 기업으로 성장했지만, 개인정보보호 및 독점 논란에도 직면하고 있다. - 인공지능 - 친절한 인공지능
친절한 인공지능은 사용자에게 친절하고 공감적인 방식으로 상호 작용하며 긍정적이고 효과적인 사용자 경험을 제공하는 것을 목표로 하는 인공지능 기술의 한 분야이다.
| 지식 기반 시스템 | |
|---|---|
| 기본 정보 | |
 | |
| 유형 | 소프트웨어 |
| 하위 유형 | 인공지능 |
| 구성 요소 | |
| 주요 구성 요소 | 지식 베이스 추론 엔진 사용자 인터페이스 |
| 관련 구성 요소 | 설명 기능 지식 획득 시스템 |
| 응용 분야 | |
| 주요 응용 분야 | 진단 시스템 전문가 시스템 자연어 처리 로봇 공학 계획 제어 |
| 기타 응용 분야 | 의사 결정 지원 시스템 교육 게임 |
| 관련 분야 | |
| 학문 분야 | 인공지능 지식 공학 컴퓨터 과학 |
| 기술 분야 | 데이터 마이닝 기계 학습 |
| 추가 정보 | |
| 고려 사항 | 지식 표현 추론 방법 시스템 아키텍처 지식 획득 유지 관리 |
2. 구성 요소
지식 기반 시스템은 인공지능 연구자들에 의해 처음 개발되었다. 이 초기 지식 기반 시스템들은 주로 전문가 시스템이었으며, 실제로 이 용어는 전문가 시스템이라는 용어와 번갈아 가며 자주 사용되지만 차이점이 있다.
- 전문가 시스템: 전문 지식이 필요한 복잡한 작업에서 인간 전문가를 돕거나 대체할 목적으로 시스템이 지원을 시도하는 태스크의 종류를 가리킨다.
- 지식 기반 시스템: 절차적 코드가 아닌, 분명하게 지식을 표현하는 시스템의 구조를 가리킨다.
2. 1. 지식 베이스
지식 베이스는 문제 도메인에 대한 도메인별 사실과 규칙을 포함한다.[1] (기존 컴퓨터 프로그램에서처럼 절차적 코드에 암묵적으로 내장된 지식 대신). 또한, 지식은 상위 관계, 온톨로지, 프레임, 개념 그래프, 또는 논리적 단언을 통해 구조화될 수 있다.[2]2. 2. 추론 엔진
추론 엔진은 일반적인 추론 방법을 사용하여 새로운 지식을 추론하고 문제 도메인의 문제를 해결한다. 가장 일반적인 방법으로는 정방향 연쇄 또는 역방향 연쇄를 사용한다.[2] 다른 접근 방식으로는 자동 정리 증명, 논리 프로그래밍, 블랙보드 시스템, 항 재작성 시스템(예: CHR)이 있다.[2] 이러한 보다 형식적인 접근 방식은 지식 표현 및 추론에 대한 위키백과 기사에서 자세히 다룬다.[2]3. 초기 시스템의 발전과 특징
지식 기반 시스템은 인공지능 연구원들에 의해 처음 개발되었다. 초기 지식 기반 시스템은 주로 전문가 시스템이었으며, 이 두 용어는 자주 번갈아 사용되지만 다음과 같은 차이점이 있다.
- 전문가 시스템: 전문 지식이 필요한 복잡한 작업에서 인간 전문가를 돕거나 대체하는 것을 목적으로 하는 시스템의 종류를 가리킨다.
- 지식 기반 시스템: 절차적 코드가 아닌, 명시적으로 지식을 표현하는 시스템의 구조를 가리킨다.
최초의 지식 기반 시스템은 주로 규칙 기반 전문가 시스템이었다. 이들은 세계에 대한 사실을 데이터베이스에 단순하게 주장 형태로 표현하고, 도메인별 규칙을 사용하여 이러한 주장에 대해 추론한 다음, 이를 추가하는 방식으로 작동했다. 이러한 초기 시스템 중 가장 유명한 것은 의료 진단을 위한 프로그램인 마이신이었다.
규칙을 통해 지식을 명시적으로 표현하는 것에는 다음과 같은 몇 가지 장점이 있었다.
- 획득 및 유지 관리: 도메인 전문가가 프로그래머를 거치지 않고도 규칙을 직접 정의하고 유지 관리할 수 있었다.
- 설명: 시스템이 결론에 도달하는 방식을 추론하고, 이 정보를 사용자에게 설명할 수 있었다. 예를 들어, 진단으로 이어진 추론 사슬을 따라가며 진단을 설명하는 것이 가능했다.
- 추론: 지식 처리에서 지식을 분리하여 범용 추론 엔진을 개발할 수 있었다. 이러한 시스템은 초기 개발자가 알지 못했을 수도 있는 데이터 세트에서 결론을 도출할 수 있었다.[3]
BB1 흑판 아키텍처(흑판 시스템)[4]와 같은 지식 기반 추론 아키텍처는 추론 과정 자체에 새로운 추론이 영향을 미치도록 하는 메타 수준 추론을 제공하였다. BB1은 문제 해결 과정 자체를 모니터링할 수 있게 했으며, 상향식, 하향식, 기회주의적 문제 해결 등 다양한 종류의 문제 해결 방식을 현재 상태에 따라 선택적으로 혼합할 수 있었다. 문제 해결자는 도메인 수준의 문제와 자체 제어 문제를 해결하는 데 모두 사용되었으며, 이는 전자에 의존할 수 있었다.
메타 수준 추론을 지원하는 지식 기반 시스템 아키텍처의 다른 예로는 MRS[5]와 SOAR가 있다.
3. 1. 전문가 시스템과의 관계
지식 기반 시스템은 인공지능 연구원들에 의해 처음 개발되었다. 이 초기 지식 기반 시스템들은 주로 전문가 시스템이었으며, 사실 이 용어는 전문가 시스템이라는 용어와 번갈아가며 자주 사용되지만 차이점이 있다.- 전문가 시스템: 보통은 전문 지식이 필요한 것으로 간주되는 복잡한 작업에 대해 인간 전문가를 돕거나 대체할 목적으로 시스템이 지원을 시도하는 태스크의 종류를 가리킨다.
- 지식 기반 시스템: 절차적 코드가 아닌, 분명하게 지식을 표현하는 시스템의 구조를 가리킨다.
"지식 기반 시스템"이라는 용어는 "전문가 시스템"과 종종 같은 의미로 사용되었는데, 이는 초기 지식 기반 시스템의 거의 전부가 전문가 작업을 위해 설계되었기 때문일 것이다. 하지만 이러한 용어들은 시스템의 서로 다른 측면에 대해 이야기한다.
- '''전문가''': 시스템이 설계된 작업만을 설명하며, 이는 일반적으로 전문 지식을 필요로 하는 작업에서 인간 전문가를 돕거나 대체하는 것을 목적으로 한다.
- '''지식 기반''': 시스템의 아키텍처만을 나타내며, 절차적 코드보다는 명시적으로 지식을 표현한다.
오늘날, 사실상 모든 전문가 시스템은 지식 기반 시스템이며, 지식 기반 시스템 아키텍처는 다양한 작업을 위해 설계된 광범위한 유형의 시스템에서 사용된다.
3. 2. 규칙 기반 시스템
최초의 지식 기반 시스템은 주로 규칙 기반 전문가 시스템이었다. 이들은 세계에 대한 사실을 평평한 데이터베이스의 단순한 주장으로 표현하고, 도메인별 규칙을 사용하여 이러한 주장에 대해 추론한 다음, 이를 추가했다. 이러한 초기 시스템 중 가장 유명한 것 중 하나는 의료 진단을 위한 프로그램인 마이신이었다.규칙을 통해 지식을 명시적으로 표현하는 데에는 몇 가지 장점이 있었다.
- 획득 및 유지 관리. 규칙을 사용한다는 것은 도메인 전문가가 프로그래머를 거치지 않고도 규칙을 직접 정의하고 유지 관리할 수 있음을 의미했다.
- 설명. 지식을 명시적으로 표현하면 시스템이 결론에 도달하는 방식을 추론하고 이 정보를 사용하여 사용자에게 결과를 설명할 수 있었다. 예를 들어, 진단으로 이어진 추론의 사슬을 따라가고 이러한 사실을 사용하여 진단을 설명할 수 있다.
- 추론. 지식 처리에서 지식을 분리하면 범용 추론 엔진을 개발할 수 있다. 이러한 시스템은 초기 개발자가 알지 못했을 수도 있는 데이터 세트에서 도출된 결론을 개발할 수 있었다.[3]
3. 3. 메타 추론
BB1 흑판 아키텍처(흑판 시스템)[4]와 같은 지식 기반 추론 아키텍처는 추론 과정 자체에 새로운 추론이 영향을 미치도록 하여 메타 수준 추론을 제공하였다. BB1은 문제 해결 과정 자체를 모니터링할 수 있게 했다. 상향식, 하향식, 기회주의적 문제 해결 등 다양한 종류의 문제 해결 방식을 문제 해결의 현재 상태에 따라 선택적으로 혼합할 수 있었다. 문제 해결자는 도메인 수준의 문제와 그 자체의 제어 문제를 해결하는 데 모두 사용되었으며, 이는 전자에 의존할 수 있었다.메타 수준 추론을 지원하는 지식 기반 시스템 아키텍처의 다른 예로는 MRS[5]와 SOAR가 있다.
4. 응용 분야의 확장
1980년대와 1990년대에는 전문가 시스템 외에도 여러 분야에서 지식 기반 시스템이 활용되었다. 실시간 공정 제어[6], 지능형 튜터링 시스템[7], 단백질 구조 분석[8], 건설 현장 배치[9], 컴퓨터 시스템 고장 진단[10]과 같이 특정 분야의 문제를 해결하는 데 사용되었다.
5. 발전된 지식 표현 및 추론 기술
지식 기반은 문제 영역에 대한 도메인별 사실과 규칙을 포함한다.[1] (기존 컴퓨터 프로그램에서처럼 절차적 코드에 암묵적으로 내장된 지식 대신). 또한, 지식은 상위 관계, 온톨로지, 프레임, 개념 그래프, 또는 논리적 단언을 통해 구조화될 수 있다.[2]
추론 엔진은 일반적인 추론 방법을 사용하여 새로운 지식을 추론하고 문제 영역의 문제를 해결한다. 가장 일반적으로, 정방향 연쇄 또는 역방향 연쇄를 사용한다. 다른 접근 방식으로는 자동 정리 증명, 논리 프로그래밍, 블랙보드 시스템 및 항 재작성 시스템 (예: CHR)이 있다.
5. 1. 고급 지식 표현 기술
지식 기반이 더욱 복잡해짐에 따라 지식 기반을 표현하는 데 사용되는 기술이 더욱 정교해졌으며, 여기에는 논리, 용어 재작성 시스템, 개념 그래프, 프레임 등이 포함되었다.예를 들어, 프레임은 객체 지향 프로그래밍과 유사한 기술, 특히 클래스와 하위 클래스, 계층 구조와 클래스 간의 관계, 그리고 객체의 동작을 사용하여 세계 지식을 표현하는 방법이다. 지식 기반이 더 구조화됨에 따라 독립적인 규칙과 논리적 추론뿐만 아니라 지식 기반 자체 내의 상호 작용을 기반으로 추론이 발생할 수 있었다. 예를 들어, 객체에 데몬으로 저장된 프로시저가 실행될 수 있으며, 규칙의 체이닝 동작을 복제할 수 있었다.[11]
5. 2. 자동 추론 시스템
1990년대의 또 다른 발전은 분류기라고 불리는 특수 목적의 자동 추론 시스템 개발이었다. 지식 베이스에서 포섭 관계를 정적으로 선언하는 대신, 분류기를 사용하면 개발자가 세상에 대한 사실을 간단히 선언하고 분류기가 관계를 추론하도록 할 수 있다. 이러한 방식으로 분류기는 추론 엔진의 역할도 할 수 있다.[12]참조
[1]
웹사이트
Knowledge-Based Systems Concepts, Techniques, Examples
http://www.reidgsmit[...]
Schlumberger-Doll Research
1985-05-08
[2]
서적
Knowledge Representation: Logical, Philosophical, and Computational Foundations
https://archive.org/[...]
Brooks / Cole
2000
[3]
서적
Building Expert Systems
https://archive.org/[...]
Addison-Wesley
[4]
서적
BB1: an Architecture for Blackboard Systems that Control, Explain, and Learn about Their Own Behavior
https://dl.acm.org/c[...]
Department of Computer Science, Stanford University
1984
[5]
간행물
1983 - An Overview of Meta-Level Architecture
[6]
간행물
Guardian: An Intelligent Autonomous Agent for Medical Monitoring and Diagnosis
http://dblp.uni-trie[...]
1998
[7]
서적
Knowledge-Based Tutoring: The GUIDON Program
The MIT Press
1987
[8]
간행물
PROTEAN: Deriving Protein Structure from Constraints
http://dblp.uni-trie[...]
1986
[9]
서적
Blackboard Systems
Addison-Wesley Pub (Sd)
1988
[10]
간행물
DART: An Expert System for Computer Fault Diagnosis
1981
[11]
간행물
An Assessment of Tools for Building Large Knowledge- BasedSystems
http://www.aaai.org/[...]
[12]
간행물
Using a description classifier to enhance knowledge representation
1991-06
[13]
간행물
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
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