상징적 AI가 비즈니스 운영에 중요한 이유는 무엇입니까?

Symbolic AI는 비즈니스 통찰력을 해석하고 모든 목표를 달성하도록 도울 수 있습니다.

많은 기업들이 기본 머신러닝(ML)과 딥러닝(DL) 모델을 활용해 인공지능 실험을 진행하고 있는 가운데, 실험실에서는 상징적 AI(Symbol AI)라는 새로운 유형의 인공지능이 등장하고 있으며, 이것이 가능하다. 인공 지능의 기능과 인간 감독자와의 관계를 변경합니다.

역사상 인공지능에는 상징적 인공지능과 비상징적 인공지능이라는 두 가지 범주가 있습니다. 각 유형의 인공 지능은 지능형 시스템을 구축하는 데 서로 다른 접근 방식을 취합니다. 기호적 접근 방식은 규칙과 지식을 기반으로 해석 가능한 행동을 갖춘 지능형 시스템을 만들려는 시도이고, 비기호적 접근 방식은 인간의 두뇌를 모방하는 컴퓨팅 시스템을 만드는 것을 목표로 합니다.

컴퓨터 과학의 궁극적인 목표는 생각하고, 논리하고, 학습할 수 있는 AI 시스템을 만드는 것입니다. 반면, 오늘날 대부분의 AI 시스템에는 학습 또는 추론이라는 두 가지 기능 중 하나만 있습니다. 상징적 접근 방식은 대규모 데이터 구조에 대해 생각하고, 해석하고, 관리하는 데 능숙하지만, 지각 세계에서 상징을 확립하는 데는 어려움을 겪습니다.

문제를 해결하기 위해 상징적 AI는 하향식 접근 방식을 채택합니다(예: 체스 컴퓨터). "열심히 노력하면 원하는 것을 찾을 수 있습니다." 검색은 상징적인 AI 기술입니다. 이 경우 컴퓨터가 잠재적인 솔루션을 단계별로 테스트하고 결과를 확인하는 것을 "검색"이라고 합니다. 이에 대한 좋은 예는 수백만 개의 다양한 미래 동작과 조합을 "상상"한 다음 결과에 따라 어떤 동작이 승리할 가능성이 가장 높은지를 "결정"하는 체스 컴퓨터입니다. 이는 인간의 마음과 유사합니다. 보드 게임이나 전략 게임을 하는 데 많은 시간을 보내는 모든 사람은 선택을 하기 전에 적어도 한 번은 마음속으로 동작을 "실행"해 본 적이 있습니다. 신경망은 "인간" 직관을 추가하고 계산해야 하는 작업 수를 줄이기 때문에 기존 AI 알고리즘에 도움이 될 수 있습니다. 이러한 기술을 통합함으로써 AlphaGo는 바둑과 같은 복잡한 게임에서 인간을 이길 수 있습니다. 컴퓨터가 각 단계에 대해 가능한 모든 움직임을 계산했다면 이는 불가능합니다.

아이디어가 규칙 엔진에 저장되면 수정하기가 어렵습니다. 이는 상징적 AI 또는 GOFAI의 주요 장애물 중 하나입니다. 전문가 시스템은 단조롭습니다. 즉, 더 많은 규칙을 추가할수록 더 많은 정보가 시스템에 인코딩되지만 새로운 규칙은 이전 지식을 파괴할 수 없습니다. 모노톤은 한 방향만을 가리키는 용어입니다. 기계 학습 알고리즘은 새로운 데이터에 대해 재교육할 수 있으며 필요한 경우 나중에 불러올 수 있는 임시 정보를 기록하는 데 더 좋습니다. 예를 들어, 데이터가 고정적이지 않은 경우 새 데이터를 기반으로 매개변수를 수정합니다.

상징적 사고의 두 번째 문제는 컴퓨터가 기호의 의미를 이해하지 못한다는 것입니다. 즉, 기호가 세계의 다른 비상징적 표현과 반드시 ​​관련되지 않는다는 의미입니다. 이는 기호를 데이터의 벡터 표현(단순히 원시 감각 입력의 변환)에 연결할 수 있는 신경망과 다릅니다.

그러면 분명한 질문은 "이 기호는 누구를 위한 것입니까?"입니다. 로봇이 인간이 근본적인 생리학적 한계에 따라 정보를 전달하고 관리할 수 있는데 기호를 사용하는 이유는 무엇입니까? 아니면 돌고래와 팩스 기계가 공유하는 시끄러운 언어인가요?

예측해 봅시다. 기계가 이해할 수 있는 방식으로 서로 의사소통하는 법을 배우면 인간이 이해할 수 없는 언어를 사용하게 될 것입니다. 고대역폭 장치의 경우 대역폭이라는 단어만으로는 충분하지 않을 수 있습니다. 어쩌면 자신을 명확하게 표현하려면 추가적인 차원이 필요할 수도 있습니다. 언어는 기계가 우회하는 문에 있는 열쇠 구멍일 뿐입니다. 기껏해야 자연어는 인공지능이 인간에게 제공하는 API일 수도 있고, 최악의 경우에는 실제 기계지능으로부터의 전환일 수도 있습니다. 그러나 자연어는 우리가 지능을 보여주는 방식이기 때문에 이것을 성공의 정점과 혼동합니다.

이점:

• 지식 그래프 만들기: 챗봇이나 음성 도우미를 구축하기 위한 시작점으로 지식 그래프를 만듭니다. 지식 그래프는 미래의 데이터 구조이며, 미래의 모든 인공지능 기반 애플리케이션의 기반이 될 것입니다.
• 프로세스 구현: 데이터를 디지털화하고 정리하는 준비는 기업에게 불가피합니다. 따라서 조만간 지식 그래프의 생성은 불가피하다. 향후 빈번한 지식 문서화 및 업데이트에 필요한 조직적 절차 및 워크플로를 설정합니다.
• 최대한의 편의성: 백엔드 세부 정보가 온라인으로 처리되므로 기업은 데이터 준비 및 추가에 집중할 수 있습니다. 온라인 대화 AI 플랫폼을 통해 사용자는 언제든지 모든 정보를 쉽게 편집하거나 수정할 수 있습니다.
• 포괄적인 접근 방식: 온라인은 프로세스의 모든 단계에서 사용자를 지원하여 완전한 경험을 제공합니다. 지식 그래프 형식으로 정보를 저장하는 것부터 사실을 흡수하고 적절하게 응답하며 사용자가 원하는 거래(예: 구매)를 완료할 수 있는 기능을 챗봇이나 음성 도우미에게 제공하는 것까지. 가능성은 무한합니다.

위 내용은 상징적 AI가 비즈니스 운영에 중요한 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!