인공지능과 빅 데이터 3주차 3차시 - 규칙기반 시스템, 전문가 시스템

규칙 기반 시스템  - 특정 문제 해에 대한 전문가적인 답변을 준다.

문제 해결을 위한 모델 = 전문가 시스템

정형화에는 규칙이 들어간다.

지식 베이스 - 사전에 알게된 정보

추론 규칙 - 지식 베이스를 기반으로 모르는 정보에 대한 정보를 알려준다.

 

추론 과정을 볼 수 있다.

 

추론을 통한 탐색

순방향 추론 = 방향성이 순 방향이다. 

조건부 - 주어진 상황의 매칭 (많아지면 연산에 무리가 간다.)

 

역방향 추론

결론부부터 확인한다.

가설 - 사실을 가정한다.

 

순방향 추론 시작!

 

왼쪽은 조건부가 된다.

 

이번엔 역방향 추론으로 간다.

이 것을 보고 치타라는 가설을 세울 수 있다.

여기서 확인도 치타이다 부터 확인하기 시작한다.

 

 

전문가 시스템 Expert System - 전문가의 추론 과정을 시스템으로 옮긴 것이다.

질병 진단 전문가 시스템을 활용 -> 90%는 감기일 것 같다. 라고 말하면 신뢰도가 떨어진다.

추론한 과정을 말해줘야 한다. 그래야 신뢰도가 올라간다.

 

지식 베이스 - 사실과 규칙을 말하며 엄청 복잡하다.

사람이 모든 것을 구축해야 하기 때문에 복잡하다.

그럼 그냥 트리에 OX 치다 보면 나오는 거 아닌가...?

빠르게 조언을 듣고 싶을 때 사용할 수 있다. 

이 것도 AI라고 하긴 애매한거 같기도 하고....

요즘 생성형 인공지능이 좀 더 잘 말해줄 것 같기도 한데...

 

With GPT

전문가 시스템에 대해 배웠는데 전문가 시스템보다 생성형 인공지능을 활용한 것이 더 좋아보이는데 데이터만 더 충분해져서 특정 분야로 프롬프트 엔지니어링을 한다면 생성형 인공지능이 전문가 시스템을 이길 수 있어?

 

전문가 시스템과 생성형 인공지능은 서로 다른 접근 방식과 목적을 가지고 있기 때문에, 그들 간의 직접적인 비교는 어려울 수 있습니다. 그러나 생성형 인공지능이 특정 분야에 대한 충분한 데이터와 잘 설계된 프롬프트 엔지니어링을 통해 특화되었을 때, 일부 전문가 시스템이 해결하기 어려운 문제들에 대해 뛰어난 성능을 보일 수 있습니다.

전문가 시스템은 특정 분야의 전문 지식을 모델링하고 이를 기반으로 결정을 내리는 시스템입니다. 이 시스템은 명확한 규칙, 추론 과정 및 전문가의 지식을 바탕으로 작동하며, 특정 도메인 내에서 높은 정확도와 신뢰도를 제공할 수 있습니다.

반면, 생성형 인공지능은 데이터로부터 학습하여 새로운 내용을 생성하는 데 초점을 맞추고 있습니다. 이는 텍스트, 이미지, 음악 등 다양한 형태의 콘텐츠 생성에 활용될 수 있으며, GPT-3와 같은 모델들은 특정 프롬프트에 대한 자연스러운 응답을 생성하는 데 매우 효과적입니다.

생성형 인공지능이 전문가 시스템을 '이길 수 있는지'에 대한 질문은, 특정 사용 사례나 문제에 따라 달라질 수 있습니다. 생성형 인공지능이 충분한 데이터와 고급 프롬프트 엔지니어링을 통해 특정 분야에서 유용한 통찰력과 해결책을 제시할 수 있지만, 모든 경우에 전문가 시스템을 완전히 대체할 수 있는 것은 아닙니다. 각각의 시스템이 가진 한계와 강점을 이해하고, 적절한 상황에서 최적의 도구로 활용하는 것이 중요합니다. 

또한, 생성형 인공지능의 발전에 따라, 전문가 시스템과의 통합을 통해 더욱 강력하고 효율적인 솔루션을 개발할 수 있는 가능성도 열려 있습니다. 예를 들어, 전문가 시스템의 정확한 지식과 생성형 인공지능의 유연성을 결합함으로써, 보다 정교하고 창의적인 문제 해결 방안을 모색할 수 있습니다.