86 전문가 시스팀과 신경망의 결합

특정한 분야에서 전문적인 지식을 가지고 있는 사람을 전문가라고 부른다.

전문가는어느 분야에서나 유용하고 필요하지만 한 사람의 전문가를 양성 하기 위해서는 많은 시간과 노력이 필요하므로 충분한 수의 전문가를 확보하기 는 어려운 실정이다. 예를 들어 한 사람의 유능한 항공기 조종사를 양성하기 위해서는 4년 이상의 시간과 몇억원대의 경비가 소요된다고 한다.

따라서 컴퓨터를 통하여 특정 분야의 전문적인 지식을 가지고 판단할 수 있는 시스팀을 개발하기 위한 노력은 지난 20여년 동안이나 계속되어 왔다. 현재까지 컴퓨터를 통한 의학진단 시스팀, 제어 시스팀, 개인교사시스팀 등의 여러 가지 면에서 많은 실용적인 전문가 시스팀의 개발이 이루어졌으며 지금도 계속하여 개발되고 있다.

그러나전문가 시스팀의 주요 문제점으로는 전문가의 지식 획득과 코딩의 어려움을 들 수 있다. 또한 다른 관련 문제점으로는 정확도 평가와 획득된 지식에 대한 코딩에 있어서의 완전성 문제를 들 수 있다. 미국의 게인즈가 지적한 전문가의 지식획득에 있어서의 문제점들로는 전문가의 지식표현의 부정 확성, 완전성의 결여, 부정확한 관계, 언어로 표현할 때의 정확성의 결여 등이다. 따라서 현재의 전문가 시스팀이 안고 있는 문제점들을 보완할 수 있는 방법들이 강구 되고 있으며 그 중에서 대표적인 방법론이 바로 전문가 시스팀과 신경망과의 효과적인 통합인 것이다.

신경망과전문가 시스팀은 상호보완적인 접근을 한다. 신경망은 숫자로 표현 되고 연상적용을 하며 자기 조직화를 하는 생물학적인 특징을 가지고 있으며 전문가 시스팀은 논리적 이고 인지적이며 기계적인 특성을 가지고 있기 때문에 정확하고 논리적인 결과를 이끌어 내는데 특별히 유용하다.

신경망은패턴인식, 학습, 패턴분류, 생성과 추상화, 그리고 입력이 다소 불완전하고 노이즈를 내포한 경우에 큰 효과를 나타내며, 신경망의 학습 기능 은 사전에 프로그램이 되어야만 기능을 발휘할 수 있는 전통적인 컴퓨터보다 훨씬 자연스럽게 실세계 문제를 해결할 수 있다.

따라서이 두가지 장점들을 효과적으로 결합할 수 있는 통합 시스팀에 대한 관심이 높아지고 있다. 통합이란 개별적인 특성들의 결합을 통하여 각각 별개일 때보다 전체적으로 우수한 것을 만들어 내는 것을 말한다.

신경망과전문가 시스팀의 통합 목적은 각각의 장점들을 최대한으로 수렴하고 각각의 단점들을 줄이는데 있다. 전문가 시스팀과 신경망의 통합 에는 통상 3단계의 과정이 필요한데, 전문가 시스팀에 의한 데이터 수집 단계, 신경 망에 의한 데이터 평가단계, 그리고 전문가 시스팀에 의한 결론의 분석 단계이다. 전문가 시스팀은 데이터의 수집에 있어서 최적화를 지향하며 유연성, 확장성 등의 장점을 가지고 있는데 비하여 신경망적인 접근 방법은 문제해결을 위해 걸리는 시간, 학습에 걸리는 시간 등의 처리시간 단축과 문제 해결에 있어서의 일반성을 특징으로 들 수 있다.

전문가시스팀에서는 규칙에 바탕을 둔 규칙기반 시스팀을 사용 하게 되는데 신경망과 규칙기반 시스팀과의 결합 형태는 여러가지가 있을 수 있다. 그중의 한가지 예를 살펴보면 신경망과 규칙 기반 시스팀, 그리고 전통적인 앨 고리듬을 필요에 따라 사용하는 방안이다. 이 경우 통상적인 문제해결에 쓰이는 것은 전통적인 앨고리듬으로 해결하고, 학습 등 신경망의 효과가 큰 것은 신경망을 통하여 해결하며, 규칙에 의한 해결이 효과적인 것은 규칙 기반 시스팀을 이용 한다. 또 다른 방법들로는 여러개의 신경망과 규칙 기반 시스 팀들을 병렬로 동시에 작동시키는 하이브리드시스팀이 있다.

이와같이 서로 다른 시스팀들의 통합을 통하여 전체적인 성능을 향상시키려 는 노력이 진행되고 있으며 전문가 시스팀과 신경망의 통합은 보다 지능적인 시스팀 구현을 위한 노력으로 여겨지며 많은 관심속에서 활발한 연구가 진행 되고 있다.