지식표현과 추론

"안다는 것과 가르친다는 것은 별개의 문제이다"라는 서양글귀가 있다. 안다는 것은 두뇌를 통한 "자기 이해" 라고 볼 수 있으나 가르친다는 것은 아는것을 효과적으로 표현하는 기술까지도 포함한다. 이러한 표현능력은 대인 관계에 있어서도 매우 중요한 요소다. 그러나 효과적인 표현은 결코 쉬운 일이아니다. 편지 한 장을 쓰는데도 많은 시간이 소요되며 심지어 쓰다가 종이를 구겨버리는 동작을 반복하게 되는 경우도 많다.

전문가시스팀에서가장 중요한 점은 지식을 어떻게 수집하고 어떻게 표현하느냐는 점과 이들을 어떻게 효과적으로 추론하느냐 하는 점이다. 지식은 문자로 표현되는 것도 있으나 일반적으로는 인간의 두뇌속에 포괄적으로 저장 되어 있다. 아이가 갑자기 배아프다고 할 경우에는 의사를 찾기 전에 가정에 서 부모의 상식에 의한 추정으로 일단 대처하게 한다. 음식을 많이 먹었는지 상하거나 너무 찬 것을 먹었는지 등의 경험에 의한 진단을 하게 된다.

그러나이런 사실들을 규칙으로 표현하기는 쉽지 않다. 전문가 시스팀에서는모든 사실들이 규칙으로 표현되어야 한다. 인간은 세퍼드와 진도개의 차이를 규칙이 없이도 구분할 수 있으나 그들의 차이를 완전한 규칙으로 표현하는 것은 결코 쉬운 일이 아니다.

인공지능적인 기법에 의해 지식을 표현하는 방법으로는 의미 넷워크(Semant ic Network) , 객체-속성-값, 규칙(Rule), 프레임(Fram-e) 그리고 논리 등이있다. 의미넷워크는 인공지능에서의 가장 오래된 표현기법인데 아크나 링크 로 연결된 노드(node)라고 불리는 객체의 집합체다. 객체는 만지거나 볼 수있는 실질적인 물체를 나타내며 서술자는 객체에 대한 부가적인 정보를 제공 한다. 링크는 객체와 서술자를 연결하여 그들의 관계를 나타내게 된다.

규칙은사실의 관계를 나타내기 위해 사용되는데 가정부분과 결론 부분으로나누어진다. 예를 들면 "내가 만약 새라면 날아갈 수 있다" 에서 "내가 만약새라면 은 가정 부분이고 "날아갈 수 있다"는 결론부분인 것이다. 추론을 위해서는 수많은 규칙들을 수집해야 하며 이들을 효과적으로 수집하는 일은 매우 중요한 일에 속한다.

지식을표현하는 수단으로는 논리적인 방법이 있다. 명제논리와 술어 논리를 이용한 지식표현이 가능한데 "명희는 여자다"와 "옷 색깔은 핑크색이다" 는각각 여자(명희)와 색깔(옷.핑크)로 표현될 수 있다.

위에서간략하게 기술한 여러가지 방법을 통하여 수집된 지식들을 어떻게 효과적으로 추론하느냐는 점이 전문가시스팀을 비롯한 인공지능연구의 주요 관건이 된다. 일반적인추론으로는삼단논법(Modus Ponens)이 가장 많이 쓰이고있으며 확신도에 따른 논증이 사용하기도 한다.

목표를찾기 위한 추론의 방법으로는 전진추론과 후진추론이 있다. 전진추론 은 출발 상태로부터 목표상태를 향하여 나아가는 기법이다. 규칙들이 주어진 정보들에 대해 참인지 거짓인지를 판단하고 만약 참이라면 검사한 규칙의 결론을 알려진 사실의 지식베이스에 추가한다. 이러한 작업을 반복함으로써 목표를 찾아가게 된다. 후진추론은 전진추론과 반대되는 탐색방법을 사용하는데 주어진 목표로부터 첫 출발단계까지 거꾸로 진행하게 된다. 그 외에도 전진추론과 후진추론을 접합한 양방향추론이 있다.

이때 어떤 방법을 사용하는 것이 효과적인가는 문제에 따라 다르다. 효과적 인 판단의 세가지 요인들은 다음과 같다. 첫째, 가능한 상태의 수가 적은 곳으로부터 많은 쪽으로 수행하는 것이 효과적이다. 둘째, 분기계수가 적어지는 방향으로의 추론이 바람직하다. 셋째, 사용자의 사고방향과 가까운 방향 으로 추론한다.

지식표현에있어서의 정확성이나 완전성에 대한 연구는 아직까지도 초보단계 에 머물러 있다. 위의 문제점들을 해결할 수 있는 방법이 모색될 때 추론을 통한 인공지능의 응용은 비약적으로 발전할 수 있을 것이다.