인공지능 - 지식표현과 추론

지식의 분류

• 데이터 : 가공되지 않은 것
• 정보 : 데이터를 가공한 것
• 지식 : 정보를 통하여 얻은 것
• 지혜 : 경험과 학습을 통하여 얻는 통찰력

지식의 표현 방법

• 규칙에 의한 표현 : if ~ then ~ 형태의 문장 Ex) if 운동을 하면 then 근육이 찢어진다.
• 프레임에 의한 표현 : 특정 객체 또는 개념에 대한 전형적인 지식을 슬롯의 집합으로 표현 Ex) CPU : default : intel, data-type : strig
• 논리에 의한 표현 : 말로 표현된 문장들에 대한 타당성 추론 Ex) 명제논리, 술어논리
• 의미망에 의한 표현 : 지식을 이항관계의 집합으로 표현, 시각적으로 지식을 표현하는 것
• 스크립트에 의한 표현 : 각 장면별로 단위 작업을 나누는 것 Ex) 식당 입장 - 식당에 들어선다 -> 자리를 잡고 앉는다 -> 메뉴 정한다.
• 온톨로지 : 구축된 지식베이스의 공유와 재사용을 목적으로 도입된 것
• 함수에의한 지식표현 : 퍼셉트론, 서포트벡터머신
• 불확실성 표현 : 확률을 이용한 규칙의 불확실성 표현 - 확률, 조건부 확률

퍼지이론

• 정성적인 표현을 정량화시켜야 할 필요가 있을 때 사용하는 것

전문가 시스템

• 기존의 절차적 코드X -> 규칙으로 표현되는 지식을 통해 추론
• 규칙 기반 시스템
• Ex) MYCIN으로 박테리아의 감염을 진단

전문가 시스템의 구성 요소

• 지식베이스, 추론 기관, 사용자 인터페이스

전문가 시스템의 장점과 단점

• If ~ Then 을 사용하는 규칙은 인간 전문가의 지식을 표현하는 자연스러운 방법
• 지식베이스와 추론엔진이 분리됨 -> 다른 영역에도 쉽게 적용 가능
• 지식 학습X
• 탐색 비효율적
• 규칙이 많아지면 유지보수 어려움

술어논리

• 각 명제의 내용을 다루기 위해 함수, 변수를 도입
• 예시 : ∀x) { is_a(x, Bird) → has(x, Wings) }
  • 명제 논리 : 명재는 빵을 먹는다
  • 술어 논리 : 먹는다(명재,빵)
• 장점
  •  논리 개념 자연스럽게 표현 가능
  • 지식의 정형화 영역에 적합
  • 지식의 첨가와 삭제 용이
• 단점
  • 절차적인 지식 표현 어려움
  • 복잡한 구조 표현하기 어려움

추론 법칙

• 긍정논법 : 규칙 | A -> B, 사실 | A -> 결론 B
• 부정논법 : 규칙 | A -> B, 사실 | NOT B -> 결론 NOT A
• 삼단논법 : 규칙 | A -> B, 사실 | B -> C | 결론 A -> C