03. 예전의 인공지능은 어떤 것이었을까요?

 

---

 

‘만약 ○○라면 ××하라’와 같이 규칙을 정해서 만들어졌습니다.
분야에 따라서는 지금도 활발하게 사용되고 있습니다.


그게 정말 인공지능?

‘인공지능’이라고 이름 붙은 시스템 중에는 ‘그게 정말 인공지능이야?’라는 생각이 들게 하는 것도 있습니다.

데이터를 사용해서 학습하는 머신러닝을 설명하기 전에 먼저 ‘머신러닝이 아닌 인공지능’에 대해서 알아보겠습니다.

흔히 ‘인공지능=머신러닝’이라고 생각되지만, 머신러닝이 아닌 인공지능도 역사적으로는 ‘정통 인공지능’으로 간주하는 경향이 있습니다. 그런 인공지능을 일반적으로 규칙 기반 시스템(전문가 시스템)이라고 합니다. 이들은 인간의 지식을 ‘기계가 알 수 있는 표현’으로 바꾸어서 컴퓨터에 적용한 것이라고 정의할 수 있습니다. 여기서 말하는 ‘표현’이란 사전에 인간이 ‘만약 ◯◯라면 ××하라(If ◯◯ then ××)’라고 하는 규칙이나 지식을 대량으로 프로그래밍해 놓은 것입니다.

 

<그림 17>

 

 

컴퓨터는 이 규칙을 통해 추론할 수 있습니다. 예를 들어, 몸이 아픈 사람이 ‘열이 38도 이상이다’, ‘온몸이 아프다’, ‘한겨울처럼 춥다’와 같은 증상을 입력하면 ‘독감’이라고 진단 내리는 시스템을 말합니다(그림 17 참고). 이런 시스템은 지금도 고객 지원을 위한 챗봇이나 비행기의 자동 조종 등에 사용되고 있습니다. 챗봇은 ‘◯◯라고 하는 단어를 포함하면 ××라고 응답한다’와 같은 사전에 정의된 대량의 패턴에 기반해서 동작합니다.

 

규칙 기반 인공지능의 장점과 단점

그렇다면 규칙 기반 인공지능의 단점은 무엇일까요? 챗봇 프로그램을 사용해 본 적이 있다면 아시겠지만, 조금이라도 예상치 못한 질문을 하면 ‘죄송합니다. 잘 모르겠습니다.’와 같이 실망스러운 대답이 돌아옵니다. 이것은 그 입력이 프로그래머가 당초에 정해 놓은 패턴의 어디에도 해당하지 않기 때문입니다. 규칙 기반 인공지능을 구현하기 위해서는 인간이 가지고 있는 지식이나 사전에 정의된 상황을 종합적으로 프로그래밍하는 능력이 요구됩니다.

그러면 장점과 단점을 살펴보겠습니다.

 

규칙 기반 인공지능은 사람이 정한 규칙에 따라 행동한다는 점에서 인공지능의 네 가지 정의 중에 합리적으로 행동하는 시스템으로 분류할 수 있습니다. 따라서 규칙 기반 시스템도 인공지능이라고 할 수 있습니다.

사람은 인간처럼 동작하는 블랙박스 같은 시스템에 지성(지능)을 느낍니다. 일반적으로 그런 것을 인공지능으로 간주합니다. 그래서 규칙 기반 시스템은 단지 하나의 프로그램일 뿐이라고 생각하는 경향이 있습니다만, 인공지능 연구자 관점에서는 이것도 훌륭한 인공지능입니다.


규칙 기반 인공지능의 번영과 쇠퇴

규칙 기반 인공지능이 특히 주목받은 것은 1980년대였습니다. 이 시기에 개발된 인공지능의 목적은 전문가의 작업을 자동화하는 것이었습니다. 전문가의 업무 지식과 노하우를 체계적으로 정리하고, 규칙을 찾아내서 구체화하는 것이 무엇보다 중요했습니다.

예를 들어, 기업 회계는 명확한 규칙이 있습니다. 물론 기업마다 다르게 설정된 항목도 있지만, 그 규칙만 올바르게 찾아서 정의한다면 부기의 절차에 따라 작업을 수행하기만 하면 됩니다. 필요한 작업을 규칙화할 수 있는 분야에서는 규칙 기반 인공지능이 압도적으로 유리합니다.

하지만 규칙 기반 인공지능은 특정 분야에서는 어느 정도 성공하였지만, 전반적으로는 성공을 거두지 못했습니다. 그 이유는 앞의 단점에서 본 것처럼 대부분의 경우 필요한 규칙의 수가 너무 방대해져서 규칙으로부터 벗어났을 때 예외 처리를 프로그램에 전부 반영하는 것에 너무 많은 비용이 요구되기 때문입니다. 또한, 이미지를 구성하는 화소 데이터와 음성을 구성하는 파형 데이터 등, 애초에 규칙을 찾아내기 어려운 분야에 적용하기가 곤란했습니다. 그러한 이유로 제2차 인공지능 붐은 인공지능 연구자들 사이에서 그 열기가 점차 식어 갔으며, 1990년대에 ‘AI 겨울(AI winter)’을 맞이하게 되었습니다.


규칙 기반 인공지능이 적합한 분야

제2차 인공지능 붐이 겨울과 같은 시대를 맞이하였지만, 규칙 기반 인공지능이 쓸모없어진 것은 아닙니다. 적용하기 어려운 사례를 반대로 되짚어가며 어떤 영역이 적합할지 생각해 보겠습니다.

다음의 두 가지는 규칙 기반 인공지능에 적합하고, 머신러닝 인공지능에는 적합하지 않은 케이스입니다.

1. 규칙이 분명하고 예외가 적다.
2. 데이터의 수가 적다.

첫 번째는 규칙을 정의하기 쉬운 분야입니다. 방금 전 기업 회계와 같이 업무에 예외가 적고 규칙대로 처리하면 되는 분야에서는 규칙 기반 인공지능이 비용이나 작업의 수고로움 측면에서나 압도적으로 유리합니다.

두 번째는 학습 데이터의 양이 한정되어 있는 경우입니다. 머신러닝 인공지능에서는 아주 많은 양의 데이터가 필요합니다. 인공지능이 스스로 학습하고 규칙을 만들어 내기 때문입니다.

한편 규칙 기반의 경우는 숙련자(전문가)가 미리 준비된 지식을 컴퓨터에 프로그래밍하기 때문에 그 숙련자가 가지고 있는(알고 있는) 규칙이 완벽하다면, 학습용 데이터를 수집하지 않아도 정확도가 높은 시스템을 완성시킬 수 있습니다.


마지막으로 최적의 인공지능을 선택하는 포인트

오늘날에도 일반적으로 규칙 기반 시스템을 인공지능으로 간주하지 않거나 머신러닝보다 가치가 떨어진다는 잘못된 생각이 흔히 존재합니다. 투자 효율을 높이기 위해서라도 규칙 기반 인공지능을 올바른 가치 기준으로 판단할 필요가 있습니다.

‘규칙 기반 인공지능 = 오래된 것 = 쓸모없는 것 vs 머신러닝 = 새로운 것= 쓸모 있는 것’이라는 공식이 아닌, 규칙화된 업무 → 규칙 기반 인공지능vs 규칙화가 불가능한 업무 → 머신러닝이라고 받아들여 주세요.


이것만은 알아 두세요!

• 규칙 기반 인공지능은 인간의 지혜를 if ~ then ~ 등의 조건 형태로 제어하는 시스템이다.
• 인공지능이 행하는 의사결정의 가독성이 높다.
• 규칙화만 가능하다면 인간의 지식을 시스템에 적용할 수 있다.
• 예외 처리가 많은 경우나 애초에 규칙을 정의할 수 없는 경우에는 취약하다.
• 그러나 규칙을 정의할 수 있는 문제의 경우, 구축 비용이나 가독성에서 머신러닝보다 훨씬 우수하다.
• 규칙 기반 인공지능을 과소평가하지 말고 적합성을 잘 판단해서 결정해야 한다.