brunch

라이킷 3 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by Gyungsun Sonny Kim Dec 27. 2019

#5 인공지능과 법- 전문가 시스템(1)

Artificial Intelligence and Law Story

지난 글(# 자연어처리(NLP)-인공지능의 이해를 위한 지식)을 통해 자연어처리(NLP)에대해 개괄적으로 살펴보았다. 이제 인공지능과 법에 관련된 기계학습(Machine Learning)을 설명하기 전에 전문가 시스템(Expert System)에 대해 소개를 하려고 한다.

전문가 시스템이란?

전문가 시스템에 대해서 설명을 하기 전에, 우리 인간의 아주 오래된 욕구를 들여다보면 인간은 아주 오래전부터 인간을 닮은 기계를 만들고 싶어했다. 인간처럼 생각하고, 이해하고, 추론하는 기계를 말이다. 그동안 기계가 등장하는 유명한 SF 영화를 보면, 기계가 인간의 모습을 하고 있는 때가 많다.

출처: 구글이미지(엑스 마키나)

컴퓨터의 구조를 살펴볼 때, 또한 사람의 뇌를 모방한 것 같다라는 생각이 드는 것은 우연이 아니며, 실제로 기계학습(Machine Learning)의 많은 개념들도 인간 '뇌'의 기능 가운데 아이디어의 착안을 얻었다. ("기계 학습"이라는 말도 마치 기계가 인간처럼 학습할 수 있다라는 아이디어에서 착안되어 이름을 사용하였다.")

출처: 구글 이미지

전문가 시스템(Expert System) 또한 위에서 설명한 인간의 아주 오래된 욕망, 즉 인간을 닮은 기계를 만들고자 하는 갈망에서 출발한다. 아래의 그림을 살펴보면, 인공지능(AI)은 크게 기계학습과 전문가 시스템(Knowledge Bases System 또는 Expert System이라고 불린다)을 포함하고 있다.

출처: Deep learning, Youshua Bengio et al. (2016)

전문가 시스템이란, 쉽게 말해서 전문가가 가지고 있는 지식을 마치 컴퓨터가 가지고 있는 것처럼, 전문가를 흉내내는 프로그램이라고 이해하면 된다.

출처: 구글 이미지

그런데 어떻게 전문가를 흉내내는 프로그램을 만들 수 있을까? 우리가 자주 접하는 전문가인 "의사"를 떠올려보면, "의사"는 어떠한 과정을 통해 우리의 병을 진단하게 되는 것일까?라는 질문을 생각해 볼 수 있고, 추측하건대 의사는, "만약 환자가 ____ 증상을 보인다면, ____ 일 것이다" 또는 어떠한 일련의 규칙을 머릿속에서 적용하여 환자에게 무슨 병에 걸려있는지 말을 해줄 것이다. 이러한 아이디어에서 착안하여 1960년대에 전문가 시스템이 등장하게 된다.

출처: 구글 이미지

전문가 시스템을 조금 더 자세하게 살펴보면, 위와 같은 규칙 및 기반 지식(Knowledge Bases)과 아래의 그림에서 보는 것처럼 데이터베이스(Database), 추론엔진(Inference Engine), 해설설비(Explain facilities), 사용자 인터페이스(User Interface), 외부 인터페이스(External Interface) 로 구성되어있다.

출처: 구글 이미지

실제로, 위에서 말한 예와 같이 1960년대에 MYCIN 이라는 감염성 질환에 대하여 항생제의 처방을 결정해주는 마치 의사와 같은 전문가 시스템을 구현해냈다.

출처: 구글 이미지

그 이전에는 미국 스탠포드대학교에서 DENDRAL(Dendritic Algorithm)을 개발하였고 이 전문가 시스템은 어떤 화합물의 구성요소와 그 화합물의 샘플로부터 얻어진 질량 스팩트로그램을 이용하여 그 화합물의 분자구조를 결정하는 전문가 시스템이며, 이 시스템을 통해서 화학 전문가에게 알려지지 않은 분자구조를 발견하였다고 한다.

출처: 구글 이미지

이외에도 다양한 분야의 전문가 시스템이 개발되었지만(GPS, General Purpose Problem Solver / XCON / XSEL / CATS-1 / DELTA / PROSPECTOR / ALMC / OWLKNEST / CoSAR / OSCAR 등등) 한정된 전문 영역 밖에 모델링 할 수 없다는 점과, 규칙과의 불분명한 관계를 전문가시스템 자체가 스스로 해석할 수 없으며, 전문가 시스템이라고는 하지만 인간처럼 다양한 조건 혹은 바뀐 조건에 대응하여 새로운 상황의 문제를 풀어내는, 문제해결방법을 재조정하기가 어렵다는 점 등 여러가지 문제점을 안고 있어서 규칙 기반의 전문가 시스템(Rule Based Expert System) 본질적인 한계를 극복하지 못하고 결국, 많은 사람들의 기대와 부응과 달리 인간 전문가들을 대체하지 못했다.

이에 대한 해결책으로, 사례 기반 추론 시스템(Case Based Reasoning)이 제안되었는데, 그 이유는 인간이 어떤 규칙만으로 해결책을 찾는 것도 있지만, 수많은 사례로부터 경험을 쌓고, 새로운 상황에 이러한 경험을 일반화시켜서 해결책을 찾는 것에 아이디어를 얻은 것이었다.