인공지능 - 3. 지식

데이터, 정보, 지식, 진리의 차이

- 데이터 : 관측 센서로 취득한 값

- 정보 : 잡음과 불필요한 데이터를 제거한 데이터

- 지식 : 정보의 개념, 체계화

- 진리, 정의 : 지식을 보편/이론화 한 결과물

 

지식기반 시스템

- 인공지능 시스템의 문제 풀이 : 지식의 표현/활용이 중요

   <-> 일반 프로그램 : 데이터와 처리 규칙(프로그램)

- 문제 영역 관련 지식(지식 베이스) + 지식 기반 문제 풀이 기능(추론 기관)으로 구성

  

 

지식의 표현

- 문제 해결을 위한 문제 기술

- 컴퓨터에서 실행가능한 형태

 

인공지능 프로그램

- 일반 프로그램과 달리 상황에 대해 어느 지식을 사용할 지 동적으로 제어

 -> 컴퓨터 내부서 지식 저장, 처리 메커니즘이 핵심

- 모든 문제에 통일적으로 표현할 수 있는 방버은 존재 하지 않음. 

 -> 문제의 논리 구조를 분석하여 표현방법을 고려함

 

 

 

지식 사상

- 인공지능 기법으로 문제 해결 -> 많은 지식 + 해를 얻기위해 지식 처리 메커니즘 필요

- 사람이 사용하는 지식을 컴퓨터에서 처리하기 위해 컴퓨터 내부 표현 형태로 사상

- 추론 결과를 역사상하여 결론을 얻을 수 있음.

 => 지식 표현 시스템이 사상과 역사상을 명확히 하느냐에 따라 표현에서 중요한 요소

 

지식 사상의 예시

- 논리를 이용한 사실 표현

 -> 철수는 사람이다. ( 초기사실)

 -> man(철수) (초기 사실 내부 표현)

 -> 모든 사람은 생각한다 (추론 매커니즘)

 -> think(철수)  (추론 사실 내부 표현)

 -> 철수는 생각한다. (추론 사실)

 

 

지식 분류하기

- 문제에 대한 지식 : 문제 관련 사실로 얻는 지식

- 대상 세계에 성립하는 규칙, 법칙 : 지식 베이스의 지식을 맹목적 사용시 탐색 가지가 크게 증가하게됨

   => 효율적 탐색을 위해 성립 규칙과 법칙 이용

 - 메타 지식 : 지식에 관한 지식으로 문제 해결시 지식을 아떻게 활용할 것인가를 말함.

    => 수집 지식으로 추론 방법 제어시 사용

 

 

 

 

지식 표현 조건

- 특정 분야의 복잡한 정보를 구조화 하여 지식으로 나타내기 위해 다음 조건이 요구됨

- 표현 방법의 적합성 : 모든 지식 정확히 표현

- 추론 정합성 : 표현 구조를 처리하여 새 지식을 유도하기에 용이해야함

- 추론 효율성 : 부가 정보를 지식표현 구조에 적절히 포함시킬 능력 필요

- 지식 획득 능력 : 지식을 쉽게 획득할 수 있는 능력 필요. 지식 베이스에 새 지식 삽입, 프로그램이 스스로 지식 취득

 

 

 

 

지식 표현 유형

1. 절차적 지식 procedural knowledge 표현방법

 - LISP(list processing) 같은 프로그램 언어로 명령어 집합 표현

 - 지식 사용 = 프로그램 실행 -> 지식 제어 정보가 지식에 포함 -> 효율적이지 못함

2. 선언적 지식 declarative knowledge 표현방법 

 - 독립적 지식으로 구성, 지식 운용 목적 프로그램으로 추론에 사용

- 지식은 나열, 사용방법은 제공안됨 ->  지식 이용 방법을 가진 프로그램이 필요

 

 

 

논리를 이용한 지식 표현

1. 명제 논리 proportional logic

- 명제를 기호 형태로 표현.

 *명제 proposition : 참, 거짓을 판단할수 있는 문장

- 예시

  이것은 유리이다. = GLASS

  유리라면 잘 잘린다. = GLASS -> FRAGILE

- 논리 연산자

- 긍정 논법 nodus ponens : X, X -> Y 두 명제로 결론 Y라는 명제를 얻는 과정

 

2, 술어 논리 predicate logic

- 명제 논리를 확장. 술어 + 객체 = 한 문장

 ex. 명제 "강아지는 포유류이다."가 있을떼, "강아지(DOG)"이라는 객체가 "포유류(mammal)" 술어 수식받음.

 => mammal(DOG) 과 같이 표현 가능

- 변수와 함수 사용 -> 문장은 참조하는 변수값에 따라 참/거짓이 됨.

- 한정자 quantifier: 변수 범위 지정

=> 술어, 상수, 변수, 한정자, 논리연산자를 문법에 맞게 만든 문장을 정형식 well-formed formulas:wff

 

 

 

논리 표현 지식 이용

- 지식 베이스에서 단위 지식 검색 : 매칭이나 해식 사용

- 함축된 지식의 경우 : 명확하게 기술되지 않은 정리 증명의 경우 탐색 가지가 크게 증가

- 논리 기반 추론은 명확한 추론 규칙 이용 -> 결과는 항상 참, 저장 지식은 독립, 새 사실이 발견시 지식 양은 증가

 

 

 

규칙을 이용한 지식표현(생략)

 

 

시맨틱 넷 기반 지식 표현

1. 시맨틱 넷 semantic net

- 규칙 기반 지식 표현법의 문제점 : 융통성 적고, 구조화 되지 않음 -> 모형화나 특정지식 표현 힘듬

- 시맨틱 넷 : 지식 사이 관계(순서) 표현. 네트워크 기반 지식 표현 법, 노드 집합과 노드를 연결하는 아크 집합으로 구성

- 노드 : 객체 , 개념, 사건

- 아크 : 노드 사이 관계 (isa - is a, ako - a kind of, has-part 등)

 * isa는 하나의 인스턴스, ako는 어느 부류의 한 종류, has-part 객체의 구성 일부

2. 속성 상속 property inheritance

- 위 예시에서 "꼬리"는 "개" 객체의 속성인데 하위인 "복슬이"가 받음

- 속성 상속 : 상위 노드의 속성을 하위 노드가 따르는 것

 

3. 중앙 집중 지식 장점

- 지식 구성이 쉬움

- 표현 지식이 잘못된경우 쉽게 수정

- 시간 흐름에 따라 최신 지식 유지 쉬움

- 지식 분배가 자동적으로 수행

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

전문가 시스템 시작

- 1960년대 인공지능 학자들이 일반 문제 해결을 위한 일반 문제 풀이기 GPS general problem solver를 만들고자 함.

  -> 인간 사고 과정을 시뮬레이션하려 하였으나 일반 해를 구하기가 어려웟음.

- 특정 분야 문제를 해결할수 있는 구체적인 프로그램 만드는 방법 연구

- 1970년대 : 문제 정형화 표현 기술, 기억 용량 사용시간을 줄이며 문제 해결하는 탐색 방법 연구

 -> 문제 정형화, 추론과정 보다 응용 분야의 지식 표형 방법이 중요함을 찾음.

- 전문가 시스템 expert system : 전문가의 지식, 전략을 시뮬레이션하여 의사결정 지원하는 시스템

- 지식 공학 : 전문가 시스템을 만드는 분야

- 지식 공학자 : 전문가 시스템을 만드는 사람. 해당 분야의 전문가로 지식, 문제 해결전략을 체계적 표현함.

 

 

자료처리 프로그램과 전문가시스템 차이

자료처리 프로그램	전문가 시스템
자료 표현과 이용 알고르짐 반복 처리 다량 자료를 효율적 처리	지식 표현, 이용 경험적 지식 추론적 지식 다량의 지식 베이스를 효율적 처리

 

전문가 시스템 기능

- 해석 : 입력 자료로 상황 추론

- 예측 : 상황으로 발생 가능 결과 예측

- 진단 : 관측 자료로 이상상태진단

- 설계 : 제약조건내 가능한 설계 구상

- 그외 계획, 모니터링, 디버깅, 교육, 제어 등

 

 

전문가 시스템 구성

- 지식 베이스와 추론기관 그리고 사용자 인터페이스로 구성

- 지식 베이스 : 문제 영역 관련 지식

- 추론 기관 : 문제 해결 목적 지식, 프로그램 제어 + 규칙 해석기(새로운 지식 추론을 위해 규칙 적용 결정) + 스케줄러

 

 

전문가 시스템 개발

1. 문제 정의 : 개발 목적, 문제 특성.

  ex. 문제 유형/범위, 참여 인력, 전문가, 소요 시간, 컴퓨터 성능

2. 개념 설정 : 기본 개념 정의, 해법

  ex. 세부작업, 전략, 제약조건

3. 정형화 : 지식 수집 및 지식 표현

  ex. 지식 표현 방법 설정, 적합한 개발도구 사용

4. 구현 : 프로그래밍

  ex. 자료구조, 추론과정, 프로그램 제어, 하부 시스템 통합 고려

5. 검증 ; 요구사항 만족 여부 검증

  ex. 개발자에게 개선방향 제시 필요

 

지식 공학자의 역활