카테고리 없음

[인공지능] AI의 역사와 전문가 시스템

강갱갱 2025. 6. 14. 16:15

 

 

AI의 역사와 전문가 시스템 이해하기

1. AI의 탄생과 암흑기

인공지능(AI)은 1950년대 중반부터 연구가 시작되었습니다. 초기 연구자들은 워렌 맥클록(Warren McCulloch), 윌터 피츠(Walter Pitts), 그리고 존 맥카시(John McCarthy)와 같은 과학자들로, 이들은 인간 두뇌의 뉴런 작동 원리를 모방하려 했습니다. 이 시기를 암흑기라고 부르는 이유는 초기의 큰 기대에도 불구하고 기술적 한계와 자금 부족 등으로 인공지능 연구가 어려움을 겪었기 때문입니다.

2. AI의 융성기 – 큰 기대의 시기

1960~70년대에는 존 맥카시가 개발한 LISP 프로그래밍 언어와 마빈 민스키(Marvin Minsky)가 고안한 프레임(frame) 개념 등 다양한 AI 기술이 등장하며 AI에 대한 기대감이 높아졌습니다. 그러나 많은 프로젝트가 현실적인 문제 해결에는 부족함을 드러내면서 한계에 부딪혔습니다.

3. 이행되지 않은 약속과 현실의 직면

초기 AI 연구에서 제시된 많은 약속들은 현실에서 구현하기 어려웠습니다. 복잡한 문제 해결이나 인간 수준의 사고를 모방하는 데 실패하면서 AI 연구는 다시 한 번 암흑기로 접어들기도 했습니다.

4. 전문가 시스템의 기술과 성공의 열쇠

AI 발전의 중요한 전환점 중 하나는 전문가 시스템(expert systems)의 등장입니다. 전문가 시스템은 특정 분야의 전문가 지식을 컴퓨터에 규칙 형태로 입력하여, 복잡한 문제를 해결하도록 돕는 프로그램입니다.

대표적인 전문가 시스템은 다음과 같습니다:

  • DENDRAL : 화학 분야에서 질량 분석 스펙트럼 해석 전문가 시스템
  • MYCIN : 전염성 혈액 질환 진단을 위한 규칙 기반 전문가 시스템
  • PROSPECTOR : 광물 탐사 전문가 시스템

5. 기계가 학습하는 법 – 신경망의 재탄생

1980년대부터 신경망(Neural Networks)이 다시 주목받기 시작했습니다. 신경망은 인간 두뇌의 뉴런 연결 구조를 모방하여 데이터에서 스스로 학습하는 알고리즘입니다. 이와 함께 진화 연산 같은 유전학 기반 계산 모델도 발전하며 AI 학습능력이 크게 향상되었습니다.

6. 지식 공학의 새로운 시대 – 퍼지 논리

지식 공학 분야에서는 전통적인 이진 논리를 넘어 퍼지 논리(Fuzzy Logic)가 도입되어 인간처럼 모호한 개념과 불확실한 정보를 처리할 수 있게 되었습니다. 이는 AI가 현실 세계의 복잡하고 애매한 상황에 좀 더 적응할 수 있도록 도와줍니다.

7. 전문가 시스템의 규칙 표현 방법

전문가 시스템에서 지식은 주로 규칙 형태로 표현되며, 다양한 유형이 있습니다:

  • 관계 : 원인과 결과 같은 인과관계 표현
  • 추천 : 사용자에게 조언을 제공
  • 지시 : 명령이나 행동 지시
  • 전략 : 상황에 맞는 대응 및 조치
  • 휴리스틱 : 문제 해결에 도움을 주는 경험적 지식

8. 전문가 시스템 개발자 역할

  • 주제 전문가 : 해당 분야의 전문 지식을 가진 사람
  • 지식 공학자 : 전문가 시스템을 설계하고 테스트하는 사람
  • 프로그래머 : 시스템을 구현하는 개발자
  • 프로젝트 관리자 : 프로젝트 전반을 관리하는 리더
  • 최종 사용자 : 시스템을 실제로 사용하는 사람

9. 규칙 기반 전문가 시스템의 필수 요소

  • 기반 지식 : 전문가의 지식을 규칙 형태로 저장
  • 데이터베이스 : 사실이나 관찰된 데이터를 저장
  • 추론 엔진 : 규칙과 데이터를 활용해 결론 도출
  • 해설 설비 : 추론 과정과 결과를 설명하는 기능
  • 사용자 인터페이스 : 사용자와 시스템 간의 소통 통로

10. 전문가 시스템의 특징과 장단점

전문가 시스템은 복잡한 문제를 빠르게 해결하며, 모호한 데이터 처리와 추론 과정 설명 능력이 뛰어납니다. 그러나 시스템 내 규칙 오류가 발생할 수 있고, 모든 상황에 완벽하게 대응하지는 못합니다.

특징을 요약하면:

  • 빠른 문제 해결 능력
  • 불확실하고 모호한 정보 처리
  • 추론 과정을 사용자가 이해할 수 있도록 해설
  • 심벌(개념, 규칙) 기반 추론

11. 메타규칙과 전문가 시스템의 불확실성

메타규칙은 ‘지식에 대한 지식’으로서, 일반 규칙보다 우선 순위가 높습니다. 예를 들어, 인명 구조 관련 규칙은 다른 규칙보다 우선하여 적용됩니다.

전문가 시스템이 불확실해지는 이유는 다음과 같습니다:

  • 상관관계에 대한 취약성
  • 모호하거나 부정확한 언어
  • 알려지지 않은 데이터의 존재
  • 여러 전문가의 지식을 통합하는 어려움

특히 MYCIN 시스템에서 최초로 확신도(confidence factor)가 도입되어 불확실성을 정량적으로 표현하였습니다.

“인공지능은 단순히 기술의 집합이 아니라, 인간의 지식과 사고 방식을 컴퓨터가 모방하는 시도입니다. 전문가 시스템과 신경망의 발전은 AI가 현실 세계 문제를 해결하는 데 큰 기여를 하고 있습니다.”
반응형