스튜어드 러셀의 인공지능을 읽어보자(22) :논리적 에이전트1

https://startagainbornagain.tistory.com/130

스튜어드 러셀의 인공지능을 읽어보자(21) :제약 만족 문제1

 

그외 내용들 모두 CSP에 대해서 자세히 설명하는 느낌이라 조금 더 자세히 다뤄보아야 할 것 같아서 다음 주에 한번 깊게 더 깊게 다뤄보도록 하겠습니다!

 

논리적 에이전트 

이번 장에서는 복잡한 세계의 표현을 형성할 수 있고 추리 공정을 이용해서 세계에 대한 새로운 표현들을 유도할 수 있으며 그러한 새 표현들을 이용해서 다음에 할 일을 연역할 수 있는 에이전트를 설계합니다.

 

사람은 여러가지 것을 아는 것으로 보입니다. 그리고 그런 지식은 사람이 어떤 일을 할 때 도움이 됩니다. 이는 공허한 문장이 아닙니다. 여기에는 인간의 지능이 단지 반사 작용 메커니즘이 아니라 지식의 내부 표현(representation)들에 작용하는 추론(reasoning)공정들로 달성된다는 강력한 주장이 담겨 있습니다. 인공지능에서는 지식 기반 에이전트(knowledgebased agent)가 지능에 대한 이러한 접근방식을 내포합니다.

지난 글들에서 봤던 문제 해결 에이전트들도 여러 가지 것을 알지만, 그 지식은 아주 제한적이고 유연하지 않습니다. 예를 들어 8-퍼즐의 전이 모형은 RESULT함수의 영역 국한 코드 안에 숨겨져 있습니다. 그 전이 모형을 이용하면 동작들의 결과를 예측할 수는 있으나, 두 타일이 캍은 칸을 차지할 수 없다거나 짝수 패리티를 가진 상태에서 홀수 패리티를 가진 상태에 도달 할 수 없다는 등의 사실을 연역하지는 못합니다. 문제 해결 에이전트가 현재 상태에 관해 아는 것을 표현하는 유일한 방식은 모든 가능한 구체적 상태들을 나열하는 것뿐입니다. 커다란 환경에서는 그런 표현 방식은 비현실적일 가능성이 높습니다.

 

CSP에서는 상태를 변수에 값을 부여하는 배정들로 표현한다는 착안을 소개했습니다. 이는 올바른 방향으로의 한 걸음입니다. 그런 표현을 사용하면 에이전트의 일부 요소들이 영역 독립적 방식으로 작동하게 만들 수 있고, 그런 표현을 사용하면 에이전트의 일부 요소들이 영역 돍립적 방식으로 작동하게 만들 수 있고, 좀 더 효율적인 알고리즘이 가능해집니다. 이번 장과 이후의 장들에서는 이 한걸음을, 말 그대로 그 논리적 귀결로 연장합니다.

 

즉 논리(logic)를 지식 기반 에이전트를 지원하는 표현들의 일반적 부류(class)로 취급합니다. 그런 에이전트는 정보를 다양한 목적에 맞게 조합 및 재조합할 수 있습니다. 마치 수학자가 정리를 증명하거나 천문학자가 지구의 예상 수명을 계산할 때처럼, 이러한 공정은 눈앞의 이익과는 상당히 동떨어진 것을 알 수 있습니다. 지식 기반 에이전트는 명시적으로 서술된 목표의 형태로 새 과제들을 받을 수 있으며, 환경에 대한 새로운 지식을 제공받거나 스스로 습득해서 경쟁력을 빠르게 갖출 수 있으며, 환경의 변화에 적응하거나 유관지식을 갱신할 수 있습니다.

 

다음에는 지식기반의 구조와 웜푸스 세계 그리고 논리에 대해 알아보겠습니다