YOLO Vision 2025를 놓치지 마세요!
2025년 9월 25일
10:00 — 18:00 BST
하이브리드 이벤트
Symbolic AI 알아보기: 규칙 기반 시스템이 인간 추론을 모방하여 논리와 현대 AI를 결합하여 강력하고 설명 가능한 솔루션을 제공하는 방법을 알아봅니다.
종종 구식 AI(GOFAI)라고도 하는 상징적 AI는 명시적 규칙과 기호를 통해 인간 지식을 표현하는 데 중점을 두는 인공 지능(AI)의 한 분야입니다. 이 접근 방식은 1950년대부터 1980년대 후반까지 AI 연구에서 지배적인 패러다임이었습니다. 최신 데이터 기반 방법과 달리 상징적 AI는 논리적 규칙 집합에 따라 실제 개념을 나타내는 기호를 조작하여 지능을 달성할 수 있다는 원칙에 따라 작동합니다. 핵심 아이디어는 John McCarthy와 같은 선구자들이 옹호했는데, 인간의 연역적 논리와 유사한 방식으로 세상에 대해 추론할 수 있는 시스템을 구축하는 것이었습니다.
상징적 AI 시스템은 일반적으로 지식 베이스와 추론 엔진이라는 두 가지 주요 구성 요소로 구성됩니다.
IF-THEN 진술을 통해 쿼리를 처리하고 문제를 해결합니다. 이 프로세스는 매우 투명하며, 다음의 초석이 됩니다. 설명 가능한 AI(XAI).Lisp 및 Prolog와 같은 프로그래밍 언어는 이러한 규칙 기반 프로그래밍 스타일을 지원하기 위해 특별히 개발되었습니다.
상징적 AI는 고급 컴퓨터 비전(CV) 모델(예: Ultralytics YOLO)을 포함하여 대부분의 최신 AI 애플리케이션의 기반인 머신 러닝(ML)과는 근본적으로 다릅니다.
핵심적인 차이점은 지식을 습득하는 방식에 있습니다.
ML 모델은 복잡하고 구조화되지 않은 데이터를 처리하는 데 탁월하지만, 의사 결정 프로세스는 불투명할 수 있습니다. 대조적으로, Symbolic AI의 추론은 쉽게 추적할 수 있으며, 이는 책임성과 AI 윤리가 가장 중요한 애플리케이션에 매우 중요합니다.
오늘날에는 덜 일반적이지만, Symbolic AI는 몇 가지 중요한 애플리케이션을 지원했으며 그 원칙은 여전히 유효합니다.
기호 AI의 한계(특히 새롭거나 모호한 상황에 직면했을 때의 취약성과 지식 기반 확장 어려움)로 인해 ML이 부상했습니다. 그러나 미래는 두 접근 방식의 강점을 결합한 하이브리드 AI 모델에 있을 가능성이 높습니다. 기호 AI의 논리적 추론과 ML의 패턴 인식 능력을 통합함으로써 개발자는 보다 강력하고 투명하며 유능한 AI 시스템을 만들 수 있습니다. 이러한 하이브리드 시스템은 기반 모델의 학습 프로세스를 향상시키기 위해 기호 시스템의 구조적 지식을 활용하는 것을 목표로 하며, 이는 신경 기호 AI와 같은 분야에서 탐구되는 개념입니다. Ultralytics HUB와 같은 플랫폼은 ML 모델 배포를 간소화하며, 언젠가는 이러한 하이브리드 기술을 통합할 수 있습니다.
