5강

지식과 인공지능

---

1. 지식표현의 개념

● 데이터 → 정보 → 지식

• 데이터: 개별적인 사실, 숫자, 기록 (예: 매출 데이터)
• 정보: 데이터를 해석한 의미 있는 결과 (예: 월별 매출 통계)
• 지식: 문제 해결이나 의사결정에 활용할 수 있는 일반화된 정보 (예: 판매 전략, 재고 관리)

● 지식기반 시스템 (Knowledge-Based System)

• 구성요소:
  • 지식베이스 (Knowledge Base): 규칙, 사실 저장
  • 추론기관 (Inference Engine): 논리적 추론 수행
  • 사용자 인터페이스

---

2. 지식의 표현

● 요건

1. 표현의 적합성
2. 추론의 적합성
3. 추론의 효율성
4. 지식획득의 용이성

● 지식 형태

• 선언적 지식: 사실 중심, 추론기관 필요 (예: "철수는 사람이다")
• 절차적 지식: 방법 중심, 실행 규칙 포함 (예: "이럴 땐 이렇게 해라")
• 신경망 기반 지식: 연결 가중치로 분산 저장됨

---

3. 지식표현 방법

● 논리 기반 표현

• 명제논리: 단순 참/거짓 명제 사용
  예: GLASS → FRAGILE
• 술어논리: 객체 + 속성/관계 표현 가능
  예: ∀x Man(x) → Think(x)

● 규칙 기반 표현

• IF 조건 THEN 결론 형태
  예: IF Mother(x) THEN Woman(x)
• 추론 방식:
  • 연역법 (Deduction)
  • 귀납법 (Induction)
  • 유도법 (Abduction)

● 추론 방향

• 전방향 추론: 조건 → 결론으로 진행
• 후방향 추론: 결론 → 조건을 역으로 추적

---

4. 시맨틱 네트와 프레임

● 시맨틱 네트

• 노드(객체, 개념) + 아크(관계)로 구성된 그래프 구조
• 관계 예: isa, ako, has-part

● 특성 상속

• 상위 개념의 속성을 하위 개념이 자동 상속받는 구조

● 프레임

• 객체/개념을 표현하는 슬롯들의 집합
• 기본값, 상속, 부가 프로시저 포함 가능

# 예시: 프레임 기반 체중 계산 (if-needed 프로시저)
def calculate_weight(age, height):
    if age > 35:
        return height - 100
    else:
        return height - 110

print(calculate_weight(age=40, height=175))  # 출력: 75

---

5. 인공 신경망에서의 지식 표현

• 뉴런 간 연결 가중치로 지식 저장
• 명시적 지식 아님 (분산적, 직관 어려움)

---

6. 전문가 시스템 (Expert System)

● 정의

• 특정 문제 분야에서 전문가처럼 추론하는 지식기반 시스템

● 구성

• 지식베이스 + 추론기관 + 사용자 인터페이스

● 개발 프로세스

• 전문가 → 지식공학자 → 지식베이스화 → 테스트

---

✅ 요약

• 지식 표현은 문제 해결에 필요한 정보의 구조화 방식
• 명제/술어 논리, 규칙, 시맨틱 네트, 프레임 등 다양한 방식 존재
• 지식기반 시스템은 지식을 체계적으로 저장·이용하여 AI 문제 해결에 사용됨
• 전문가 시스템은 지식기반 시스템의 대표 사례