지식 표현과 추론

본 내용은 인공지능의 이해의 내용을 참조하여 작성하였습니다.

지식 표현과 추론

1. 규칙에 의한 지식 표현과 추론

규칙이란 것은 뭘까? 규칙이란 우리가 지켜야할 일련의 행동들일 것이다.
하지만, 우리가 정한 규칙들은 우리 언어로써 쓰여져 기계들은 이해하지 못한다.
그렇다면, 기계가 이해하게 표현하려면 어떻게 해야할까?

일단, 우리는 어떤 문제들에 대해 규칙을 세울 것인지 알아봐야한다.
여기서 문제는 우리들이 갖고 있는 지식을 말한다.
지식은 사람의 언어로 구성 돼 있기에 이를 여러 기준을 통해 도해해야한다.
이때, 사용하는 것이 의사결정나무이다.

의사결정나무란, 하나의 문제에 대해 ‘예/아니오’로 대답해 우선순위 및 순서를 표현하는 이진 트리이다.
우리는 의사결정나무를 이용해 우리의 정보들을 분해하고 이를 갖고 일련의 순서를 만든다.
이를 기반으로 만들어진게 바로 규칙 기반 시스템이다.

규칙 기반 시스템
규칙 기반 시스템은 우리가 갖고 있는 지식을 하나의 규칙으로 이해하여, 특정 문제에 대해 규칙을 기반으로 해답을 찾는 시스템을 말하며, 전문가 적인 해답을 주는 시스템을 전문가 시스템 이라 한다.

규칙을 미리 알려줘야 하기 때문에, 생소한 지식이나 문제에 당면했을 땐 정확한 정보를 주지 못한다.
그렇기 때문에 사전에 기반 지식을 통해 규칙을 습득할 필요가 있으며, 이를 내부의 데이터베이스와 비교 및 연결하여 답을 내놓게 된다.

온톨로지

가끔 우리가 갖고 있는 많은 정보를 저장하려고 할 때 막막함이 닥쳐 올 때가 있다.
‘다양한 지식들을 어떻게 저장하고 나중에 쉽게 떠올릴 수 있을까?’ 란 고민을 하면서 말이다.
이때, 우리가 정보들을 정리할 때 단어들과 내용들의 관계를 파악하여 이를 간단히 축약해 놓는다면, 쉽게 정리할 수 있을 것이다.
이처럼 지식이나 정보를 재사용할 수 있도록 어휘를 재정의해 표현한 것을 온톨로지라고 말한다. 이때, 대상간의 관계를 노드와 간선으로 그래프로서 표현한다.

온톨로지의 대표적인 예로는 RDF와 RDFS가 있다.

RDF(Resource Description Framework) RDF는 정보에 대한 메타데이터를 작성하는 방법으로, 주어, 서술어, 목적어로 구성된 문장을 사용하거나 노드와 간선을 이용한 그래프로 표현한다.

RDFS(RDF 스키마) RDFS는 RDF의 관계를 표현한 맵이다. 대상의 값을 어떤 속성의 어떤 값에 속해 있는지를 파악하는 데 사용되며, 전체적인 RDF의 모습을 보여준다.

이렇게, 온톨로지를 이용하여 대상을 속성과 값으로 나눠 나타낼 수 있다. 우리는 이를 이용하여 하나의 웹을 만들 수 있는데 이를 시멘틱 웹이라 한다.

시멘틱 웹 시멘틱웹은 온톨로지를 이용해 지식이나 정보, 또는 문서를 컴퓨터가 이해할 수 있도록 변환 하여 이를 웹으로 나타낸 것이다.

2. 불완전한 지식 표현

일상생활에서 접하는 우리의 언어들은 이를 정확히 파악해서 나눌 수 없다.
온톨로지에 의해 정확히 도해되지 않을 수 있다.

가령, 키가 크다의 기준은 사람마다 달라질 수 있다.
누군가는 175cm 이상이 크다 할 수 있고, 누구는 180cm 이상 이여야 한다고 주장한다.
이와 같이 사람들의 주관적인 기준에 따라 참과 거짓이 달라지게 될 때 이를 온톨로지로 표현하게 되면 한계점에 부딪히게 된다.

그렇다면 어떻게 이를 표현해야 할까?

확률

우리는 이를 확률적인 갖고 표현 할 수 있다.
그게 일어날 확률이 한 70% 야

이와 같이 0과 1에서 벗어나 0과 1 사이의 실수적 표현으로 값을 표현 하는 것이다.

하지만, 이 역시 하나의 값으로 나타내기 때문에 구간으로서 정보가 나타나는 경우를 확실히 정의하기 어렵다.

이를 하나의 값 주변의 연속적인 구간으로서 생각한 이론이
퍼지이론 이다.

퍼지이론

퍼지이론은 언어들에 대해 기호를 갖고 표현 한 값을 수치적인 값으로 변환 시킬 수 있는 있다. 이때, 명제를 수치화 하는 것을 비퍼지화라고 한다.