🌒 전문가 시스템 - Rules-Based System

@ GPT의 문제점 : 기업 정보가 OPEN AI로 유출된다, 그래서 못쓰게 한다, 근데 쓰고는 싶어서 직접 만들어 쓴다

💫 전문가 시스템 - Rules-Based System

---

🫧전문가 시스템_

이 장에서 우리는 독창적인 상징적인 인공지능 시스템 중 하나인 지식 기반 시스템을 살펴볼 것입니다. 이러한 시스템은 지식이 규칙으로 인코딩되는 전문가 시스템(또는 생산 시스템 Production Systems)이라고도 합니다. 지식(또는 사실)은 작업 메모리에 저장되고 규칙은 더 많은 지식을 만들기 위해 지식에 적용됩니다. 이 과정은 어떤 목표 상태에 도달할 때까지 계속됩니다. 이 장에서 우리는 Fault Tolerance 영역의 응용 프로그램과 함께 간단한 규칙 기반 시스템을 조사할 것입니다.

규칙 기반의 시스템이 다양하게 존재하기 때문에, 우리는 Deduction 연역 시스템과 Reaction 반응 시스템이라고 불리는 두 가지 특정한 유형의 조합에 초점을 맞출 것입니다.
연역 시스템은 선행과 결과를 나타내는 규칙으로 구성됩니다. 선행은 조건(만약 그렇다면 ‘if’ 문장)이고 결과는 결과적인 동작(‘then’ 부분)을 나타냅니다. Deduction에 의해, 규칙들은 주어진 규칙에 의해 기존의 작업 메모리에서 ‘Deduced’된 새로운 사실을 작업 메모리에 삽입합니다.
반응 시스템은 내장된 시스템에서 명령을 실행하여 환경을 변경하는 것과 같이 결과의 일부로 수행되는 “Actions”을 포함합니다.

🫧전문가 시스템__

기호주의, 기호, Symbol을 처리한다 논리 p → s
단순한 기호, 논리 가지고는 표현이 안되겠다

지식을 가지고 표현을 해야겠다 !

지식 기간 시스템 여러 가지 시도
i.e. 프레임
각자 자기가 알고 있는 Some에 대한 사실들과 연산들이 묶여서 표현되어야 한다 = 개체지향

근데 인간이 가지고 있는 지식이 너무 많아, 컴퓨터에 다 못 들어가, 병목현상이 있다
특히 당시만 하더라도 용량이 굉장히 작아

다 잘하는 인공지능을 만들지 말고 특정한 일을 잘하는 AI를 만들자 → 전문가 시스템
최초로 상업적으로 성공한 AI SYSYEAM이 된다 → AI BOOM

Like 알파고 시리즈

알파고 (탐색 시스템이면서 전문가 시스템, + 딥러닝, 강화학습 = 하이브리드), 알파제로.. 범용적으로
알파제로, 알파게임, 혹은 코딩 잘하는.. 다시 세분화
Chat GPT.. 다시 범용적으로 ← 전문가시스템 한계 극복

---

기호주의로 부터 시작된 지식기반 시스템

딥러닝을 이용한 패턴 인식 시스템이나, GPT같은 거대한 지식
이를 인코딩하는 방법, 지식이 저장되어 있는 방식 -> 신경망의 가중치

💫 구조, 처리 단계

---

@ U 기말고사 출제 : 전문가 시스템의 구성 요소를 그리고 설명하시오.

작업 메모리 Working Memory (Facts 사실, Data)
→ 처음엔 비어있다가, 사실들을 저장

지식 베이스 Rule Memory (Rules 규칙/지식, Program)
→ 이미 가지고 시작하는

추론 엔진 (Executive)
→ 추론 : inferance, chaning, 연쇄

🫧 Match

Fact, i.e. 아픈 사람이 왔다

추론엔진의 Match

지식 베이스에서 if (아픈사람이 왔다), 다시말해 내가 아는 지식에 아픈사람에 대한 대처가 있다 한다면 처리
Facts 사실과 그 사실을 처리할 수 있는 Rules를 찾는 일

Facts와 매칭되는 Rules가 여러 개라면, Conflict Set이 발생할 수 있다.

🫧 Conflict Resolution (Restrove) - 충돌 해소

일반적으로 처음 만나는 Rule을

🫧 Single Rule Trigger (Fire) - 규칙 적용/점화

그렇게 처리 Fire를 하면, 더 이상 아픈사람이 왔다 라는 건 사실이 아님, 대신 새로운 사실 -> 이제 더 안 아픈 사람이 있다 라는 사실

반복한다.

🫧 알파고의 동작?

수를 두는 것이 Fact가 되고, 이 Fact에 맞는 추론을 딥러닝과 강화학습 등과 같은 추가적인 기술을 붙여 진행한다.

💫 추론

---

@ U 기말고사 출제 : 전방향추론과 후방향추론이 각각 어떨 때 사용되는지 설명하시오.

🫧 전방향추론 - Forward Chaining

지식, 규칙의 형태, p -> s, s -> r 같은.. (지식 베이스) 사실 (워킹 메모리)

(빨간줄, 잘 기억해야 됩니다) 알려진 사실로부터 새로운 사실 생성

사실이 많이 만들어지면, 쓸데없는 것들도 많겠죠

🫧 후방향추론 - Backward Chaining

근데 우리가 추론할때는
증상을 물어보고 추론을 하겠지만, 많은 경우에는 사실 가정을 한다 (감으로)

내가 돈을 받아야 하나? → 대처를 했는지 확인 대처를 했나? → 아픈 사람이 있는지 확인

알고 싶은 걸 정해두고, 그거에 되기 위한 규칙을 알아내는 것
p → q 에서 q를 정해두고, p를 찾는것 가설 증명

🫧 양방향추론 - Bidirectional Chaining

현실세계에서의 추론

💫 결함 포용(/수용/허용) - Fault Tolerance

---

Tolerance, 견딜 수 있는 한계
결함/오류가 있어도 감당하겠다. (시스템이 다운되지 않는다.)

i.e. 백업, 백섭, 분산 저장소