06. Knowledge Based AI #1

KBAI (지식기반 AI)는 인간이 지식을 어떻게 표현하고 사용하는지를 Modeling 하는 시도에서부터 시작된다.

KBAI가 강조하는 3가지 요소 1. Learning(학습) 2. Memory(기억) 3. Reasoning(추론)는

엄밀히 따져보면 Cognition System의 주요 구성요소 이기도 하다.

이는 KBAI가 결국 Cognition System의 한 형태가 된다는 관점으로도 해석될 수 있다.

 

참고로, Cognition System은 인간의 인지 과정을 모방하는 AI 시스템을 뜻한다.

즉 KBAI는 훌륭한 Cognition System을 구현하기 위한 하나의 방법론이라 볼 수도 있겠다.

 

훌륭한 KBAI 구현을 위해서는 아래 8가지의 주제에 대해 염두해 두는 것이 좋다.

 

1. Fundamentals of Knowledge Representation and Reasoning

특히 AI시스템에서 Knowledge가 어떻게 표현되고, 어떤식으로 Reasoning의 기반이 되는지를 생각해봐야 한다.

여기에는 Semantic Network와 Production System이라는 두가지 주요 방법론이 있다.

Semantic Network는 객체들 간의 관계를 그래프 형태로 표현하는 방법이고,

Production System은 지식을 조건-행동 규칙으로 표현하는 방법이다.

앞으로 이러한 방법론이 근본적으로 어떤식으로 AI Knowledge의 기반이 되는지를 알아볼 것이다.

 

2. Planning

AI agent는 주어진 목표를 달성하기 위해서, 본인의 수행할 일련의 작업들을 계획하고 결정한다.

여기에는 특정 논리(Logics)가 활용되며, 이 논리는 계획을 체계적으로 수립하고 때로 복잡한 문제를 작은 부분으로 나누어 해결하는 방법의 기초가 되기도 한다.

 

3. Common Sense Reasoning

AI 시스템은 일상적인 상황에서 인간이 (큰 생각없이) 직관적으로 내리는 결정을 모방한다.

이를테면 John gave the book to Marry라는 문장을 들었을 때, 상식적 추론을 통해 AI는 현재 누가 책을 가지고 있을지 직관적으로 유추할 수 있다. 상식적 추론에는 Frame과 같은 지식 표현방법과 상식적 추론을 가능하게 하는 방법론들이 사용된다.

 

4. Analogical Reasoning

유추적 추론이란 새로운 문제를 기존의 유사한 문제와 비교하여 해결하는 방법인데, AI 또한 기존의 사례를 기반으로 새로운 문제를 유추적으로 해결하는 능력을 보유할 수 있다. 여기에는 Case-based reasoning과 Explanation-based learning과 같은 학습 방법들이 적용된다.

 

5. Visuospatial Reasoning

AI는 시각적 정보를 기반으로, 시각적 공간추론을 한다. 이를테면 도형이나 그림을 보고 그 관계를 이해한다거나 새로운 정보 도출이 가능하다. 여기에는 Constraint Propagation과 같은 기법을 사용하여 시각적 공간정보를 처리하고, 이를 해결하는 방법론이 사용된다.

 

6. Design and Creativity

KBAI 에는 AI시스템이 창의적이고 혁신적인 솔루션을 개발토록하는 능력또한 적용된다. 여기서는 AI가 기존의 방법론에서 벗어나 새로운 아이디어를 생성하고 이를 통해 복잡한 디자인 문제를 해결하는 방법에 대해 다루게 된다. 따라서 디자인과 같은 종종 창의성을 필요로 하는 복잡한 작업에서도 AI가 분명한 역할을 담당할 수 있도록 한다.

 

7. Metacognition

메타인지는 '사고에 대한 사고'를 의미한다. AI 시스템에서는, 자신의 추론과정이나 학습방법을 직접 다시 모니터링하면서 작업을 수정하는 능력을 말한다. AI agent는 자신의 학습 과정이나 문제해결방법을 평가하고 필요한 경우 이를 개선할 수 있는 방법을 보유한다. 이러한 메타인지는 AI 시스템이 보다 효율적이고 효과적으로 문제를 해결할 수 있도록 돕는다.

 

8. Learning

학습은 AI가 경험을 통해 성능을 개선하는 과정이다. 여기에도 다양한 학습방법, 특히 지식기반 학습과 그 응용기술이 존재한다. 학습은 유추적 추론, 시각적 공간추론, 메타인지 등 위의 다른 주제와도 밀접하게 연결되는 아주 중요한 특성이다.

 

결론적으로 위의 총 8가지의 주제들은 서로 유기적으로 연결되어 있으며,

AI Agent가 다양한 상황에서 문제를 해결할 수 있도록 돕는 핵심개념과 기술을 제공한다.

앞으로 이 8가지 특징에 염두하며 AI Agent를 설계해보고자 한다!