심볼릭 AI 알아보기: 규칙 기반 시스템이 어떻게 인간의 추론을 모방하여 로직과 최신 AI를 결합하여 강력하고 설명 가능한 솔루션을 제공하는지 알아보세요.
흔히 GOFAI(Good Old-Fashioned AI)라고도 불리는 기호 AI는 명시적인 규칙과 논리에 따라 기호를 조작하는 데 초점을 맞춘 인공 지능(AI) 내 패러다임을 나타냅니다. 방대한 데이터 세트(빅 데이터)에서 패턴을 학습하는 머신러닝(ML) 과 같은 데이터 기반 접근 방식과 달리 기호 AI는 사전 정의된 지식 기반과 추론 메커니즘을 기반으로 작동합니다. 사람이 읽을 수 있는 높은 수준의 기호(예: 단어, 개념 또는 논리적 술어)를 통해 세계를 표현하고 공식적인 규칙을 사용하여 조작함으로써 논리적 추론 및 문제 해결과 같은 인간의 인지 과정을 재현하는 것을 목표로 합니다.
심볼릭 AI의 기반은 기호 구조의 조작을 통해 지능적인 행동을 구현할 수 있다고 가정하는 물리적 기호 시스템 가설에 있습니다. 주요 구성 요소는 다음과 같습니다:
심볼릭 AI는 특히 컴퓨터 비전(CV)과 같은 분야에서 현대 AI를 지배하는 통계적 AI 및 딥러닝(DL)과 같은 ML 접근 방식과 크게 대조됩니다. 다음과 같은 모델은 Ultralytics YOLO 와 같은 모델은 데이터에서 직접 특징을 학습하여 객체 감지 및 이미지 분류와 같은 지각 작업에 탁월하지만, 심볼릭 AI는 명시적으로 프로그래밍된 지식에 의존합니다. 따라서 심볼릭 AI 시스템은 추론 단계를 추적할 수 있기 때문에 본질적으로 더 해석 가능하고 설명할 수있습니다(설명 가능한 AI(XAI)). 그러나 모호성, 불확실성, 원시 비정형 데이터로부터의 학습에 어려움을 겪는 경우가 많으며, 일반적으로 ML 모델이 더 나은 성능을 발휘합니다.
심볼릭 AI는 AI 역사의 상당 기간 동안 지배적인 패러다임이었으며 다양한 영역에서 성공을 거두었습니다:
강점:
제한 사항:
순수 심볼릭 AI는 도전에 직면해 있지만, 추론과 설명력에서 강점을 지니고 있습니다. 현재 연구는 신경망의 패턴 인식 기능과 기호 시스템의 논리적 추론을 결합하는 것을 목표로 하는 신경-심볼릭 AI라고 불리는 하이브리드 접근 방식에 초점을 맞추고 있습니다. Allen Institute for AI(AI2) 와 같은 조직과 AAAI와 같은 연구 커뮤니티에서는 이러한 통합을 연구하여 잠재적으로 더 강력하고 다재다능하며 신뢰할 수 있는 AI 시스템을 개발할 수 있습니다. 이러한 하이브리드 시스템의 복잡성을 관리하려면 실험 추적 및 모델 배포를 위한 Ultralytics HUB와 같은 플랫폼이 도움이 될 수 있습니다.
KO
EN
ZH
JA
RU
DE
FR
ES
PT
IT
AR
TR
VI
