모델 기반 추론

인공지능에서 모델 기반 추론은 물리적 세계의 모델을 바탕으로 한 전문가 시스템에서 사용되는 추론 방식을 말한다.이 접근법으로 애플리케이션 개발의 주요 초점은 모델 개발이다.그런 다음 런타임에 "엔진"은 진단이나 예측과 같은 결론을 도출하기 위해 이 모델 지식을 관측된 데이터와 결합한다.

선언적 모델을 이용한 추론

로봇과 역동적인 시스템 또한 소프트웨어에 의해 제어된다.소프트웨어는 if-then-state, for-loops 및 서브루틴으로 구성된 일반적인 컴퓨터 프로그램으로 구현된다.프로그래머의 임무는 로봇을 조종할 수 있는 알고리즘을 찾아 로봇이 작업을 할 수 있도록 하는 것이다.로보틱스와 최적의 제어의^[1] 역사에는 많은 패러다임이 개발되었다.그 중 하나가 제한된 도메인에 초점을 맞춘 전문가 시스템이다.^[2]전문가 시스템은 모델 기반 시스템의 선구자다.

1990년대 이후 모델 기반 추론이 연구되는 주된 이유는 시스템의 모델링과 제어를 위해 서로 다른 레이어를 만들기 위함이다.^[3]이를 통해 보다 복잡한 과제를 해결할 수 있고 기존 프로그램은 다른 문제에 재사용할 수 있다.모델 계층은 시스템을 모니터링하고 동작이 올바른지 평가하는 데 사용되는 반면, 제어 계층은 동작을 결정하고 시스템을 목표 상태로 전환한다.^[4]

모델을 구현하는 대표적인 기법은 프롤로그와^[5] 골로그와 같은 선언적 프로그래밍 언어들이다.수학적 관점에서 선언적 모델은 시스템을 설명하기 위한 논리적 공식화로서 상황 미적분과 많은 공통점을 가지고 있다.^[6]보다 실용적인 관점에서 선언적 모델은 시스템이 게임 엔진으로 시뮬레이션된다는 것을 의미한다.게임 엔진은 기능을 입력값으로 삼고 출력 신호를 결정한다.때때로, 게임 엔진은 세계를 시뮬레이션하는 예측 엔진으로 묘사된다.

1990년에는 모델 기반의 추리에 대한 비판이 공식화되었다.누벨 AI의 선구자들은 상징적 모델이 기초적인 물리적 시스템과 분리되어 있고 로봇을 제어하지 못한다고 주장해왔다.^[7]행동 기반 로봇공학 대표에 따르면 반응형 구조는 이 문제를 극복할 수 있다.그러한 시스템은 상징적인 모델이 필요하지 않지만, 실제에 기반을 둔 센서 신호에 직접 연결된다.

지식 표현

모델 기반 추론 시스템 지식은 인과 규칙을 사용하여 나타낼 수 있다.예를 들어 의료 진단 시스템에서 지식 기반에는 다음 규칙이 포함될 수 있다.

${\displaystyle \mathrm{\forall }}$ ${\displaystyle \all }$ 환자$$ : 뇌졸중(환자)${\displaystyle }$→ ${\displaystyle \오른쪽$ 화살표 $}$혼란$$(환자) $\wedge {\displaystyle }$ ${\displaysty \land }$불평등$$(Pupils(환자))

이와는 대조적으로 진단 추론 시스템 지식은 다음과 같은 진단 규칙을 통해 표현될 것이다.

${\displaystyle \mathrm{\forall }}$ ${\displaystyle \all }$ 환자$$ : 혼동(환자)${\displaystyle }$→ ${\displaystyle \오른쪽$ 화살표 $}$ 뇌졸중$$(환자)

${\displaystyle \mathrm{\forall }}$ ${\displaystyle \all }$ 환자$$ : 불평등(Pupils(환자)${\displaystyle }$→ ${\displaystyle \rightarrow }$ 뇌졸중$$(환자)

사용될 수 있는 많은 다른 형태의 모델들이 있다.모델은 양적(예: 수학 방정식 기반) 또는 질적(예: 원인/효과 모델에 기반)일 수 있다.그들은 불확실성의 표현을 포함할 수 있다.그들은 시간이 지남에 따라 행동을 나타낼 수도 있다.위 예와 같이 "정상적인" 행동을 나타낼 수도 있고, 비정상적인 행동만 나타낼 수도 있다.모델 기반 추론을 위한 모델 유형 및 용도에 대해 다음에서 논의한다.^[8]

참고 항목

• 진단(인공지능), 시스템 동작이 올바른지 판단
• 동작 선택 알고리즘
• 사례 기반 추론, 과거 문제의 해결책에 기반한 새로운 문제 해결

참조

• Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, p. 260, ISBN 0-13-790395-2

외부 링크

• 위트레흐트 대학교의 모델 기반 추론
• NASA 지능형 시스템 부서