전문가 시스템(ES)

1. AI 와 Expert System과의 차이

인공지능(Artificial Intelligence)에 대해서는 여러가지 정의가 내려져 있다. 대체로 컴퓨터로 하여금 인간의 행동에서 나타나는 지능과 흡사한 특징을 지닌 지능적인 컴퓨터 시스템을 고안해 내는 현대컴퓨터 과학의 한 연구분야라고 정의 할 수 있다.
원래 인공지능이란 말은 1956년 6월 맥카시, 민스키, 샤논, 뉴엘, 사이몬 등이 참가한 미국 다이토마스 대학에서의 하계 연구회가 그 발단이었다. 그 후 계산기에게 知的인 작업을 행하게 하려는 연구, 다시말해 총칭으로써 인공지능이라는 말이 사용되기 시작하였다.
그런데 초기 (1950년대 후반에서 1960년대 전반까지)의 대표적인 인공지능에 대한 연구는 체스(chess)와 프로그램의 定理證明이었다. 그 후 60년대 후반이 되면서 지식 로보트와 문제해결의 연구가 행해졌다. 그러나 실제적인 의미에서의 로보트라는 것에 성공하지 못했고, 70년대에 들어와서 종합적인 로보트 제작에서부터 개별의 분야, 예를 들면 시각, 自然言語, 推論등의 연구로 관심이 이동해 갔다. 더욱이 컴퓨터 이용기술의 진보와 심리학자들의 참가에 의해 인간 마음의 기능을 컴퓨터로 시뮬레이트하려는 연구가 성하게 되었다. 결국 지적인 컴퓨터를 실현하려고 할 때 지식을 직접 만들어서 집어넣어 버린셈이 되게 되었다. 그리하여 지식을 컴퓨터 내에 어떻게 표현하는가라는 '지식 표현'의 과목이 인공지능의 연구에 큰 기둥이 되어 지식의 활용을 전면적으로 내세우는 知識工學(Knowledge Engineering)이 등장하게 되었다.
지식공학이란 지식베이스 시스템(Knowledge Based System), 즉 지식 베이스와 추론기구로부터 이루어진 문제 해결지원 시스템을 실현하는 기술을 말하는데, 전문가시스템은 특히 대상영역에 대한 전문가 지식을 지식 베이스로 축적하여 상당히 고도의 문제를 취급하는 지식 베이스 시스템을 말한다. 따라서 인공지능과 전문가시스템은 서로 별개의 것이 아니라 인공지능의 범주내에서 전문가 시스템을 파악하여야 할 것이다.
또한 학자마다 조금씩 다른 견해를 가지고 있지만 인공지능에 관한 연구는 대체로 전문가 시스템, 자연어처리, 로보트 공학(Robotics)의 세가지 영역에서 이루어지고 있는데 특히 특정분야에서 그 분야의 전문가의 지식을 지식 베이스로 사용한다면 이를 전문가 시스템이라 할 수 있다. 따라서 전문가시스템의 특징은 ① 전문가의 지식으로 구성된 지식 베이스를 사용한다는점 ② 演繹的 推論 ③ 실용성 등을 들 수 있는데 특히 인공지능과 비교한다면 지금까지 인공지능은 일반적인 탐색과 추론 메카니즘에 대한 연구가 중심이었다. 즉 일반성이 높은 방법을 안다면 복잡한 문제에서도 적용할 수 있다는 것이었다. 그것에 반하여 지적능력의 달성이 대상분야의 전문지식의 활용에 의해 가능하다고 생각하여 탐색과 추론법 중심의 연구로부터 지식의 이용법에 대한 연구쪽으로 중점을 두고 있는 것이 지식공학이며 전문가시스템의 출발점이다.

2. Conventional Software와 ES의 차이

전문가 시스템은 새로운 패러다임 혹은 스타일 프로그램이다. 종전의 프로그램에 있어서는 처리 순서를 완전하게 작성해 주지 않으면 안되었지만 전문가 시스템은 추론에서 이용되는 지식을 규칙과 같은 형태로 임의의 순서대로 주면 되는 것이 많다. 즉 실행시에 추론 기구가 필요한 지식을 선택하여 적용해 주기 때문이다. 따라서 전문가 시스템은 전문가의 知性을 자극하여 의식하에 있는 고도의 전문 지식을 이끌어 내는 펌프의 역할을 한다. 따라서 전문가 시스템과 전통적인 컴퓨터 프로그램의 차이는 전문가 시스템이 지식(Knowledge)을 다루는 반면 전통적인 컴퓨터 프로그램은 데이타 처리를 다룬다는 점이다.
전문가 시스템과 전통적인 자료처리 시스템과의 차이점을 구체적으로 기술하자면 아래와 같은 것들을 들 수 있다. 첫째 전문가 시스템과 자료처리 시스템과의 차이는 업무처리가 이루어지는 순서에 있다. 즉 자료처리 시스템은 IF Then의 법칙이 업무처리 과정속에서 정해진 순서에 의해 실행되지만 전문가 시스템에서는 반드시 그렇지는 않다. 이러한 문제에서 프로그램언어 문제가 발생하게 되고 따라서 전문가 시스템은 기존의 COBOL, FORTRAN 등의 절차식 언어로는 부적당하며 새로운 언어의 필요성이 대두되게 되었다.
둘째로 전문가 시스템에 의해 실행되는 업무는 반드시 해당분에 전문가에 의해 실행되었던 것이라는 점 즉, 지식베이스에 기초한다라는 점이다. 圖式化하자면 자료처리 프로그램 = Data + Algorithm 전문가시스템에서의 지식베이스형 프로그램 = Knowledge Base + 추론기구로 생각할 수 있는 것이다. 다시말해서 전통적인 자료처리 시스템에서는 Procedure가 중심이 되나 전문가 시스템의 중심은 Knowledge Base와 Inference Engine이다.
셋째로 전문가 시스템은 Knowledge Engineerer라 불리는 전문가에 의해 유지, 관리되면 개선되지만, 자료처리 시스템은 프로그래머에 의해 유지, 관리된다. 덧붙여 전문가 시스템은 그 시스템의 일부분이 Knowledge Base를 사용자가 첨가시킬 수도 또는 제외시킬 수도 있는 반면 자료처리 시스템에서는 프로그래머가 아닌 사용자에 의한 프로그램의 변경은 불가능하다.
마지막으로 전무가 시스템에서는 Symbolic Processing이 주류를 이루지만 자료처리 시스템은 거의 모두 Numerical Processing 위주로 이루어진다. 따라서 전문가시스템은 종래의 프로그램 언어와는 달리 인공지능 도구(AI Tools)나 Symbolic Processing이 가능한 LISP 이나 PROLOG를 주로 사용하여 개발되고 있다. 그외에도 전문가 시스템과 자료처리 시스템은 시스템의 구조에 있어서도 차이점이 보이는데, 업무처리 시스템은 대상이 되는 업무의 흐름응 좇아가면서 解를 구하거나 결과를 출력시키지만 전문가 시스템은 닐단 집합된 지식베이스를 기초로 법칙과 추론기관에 의한 접근방식을 택한다.
그러나 전문가 시스템도 자료처리 시스템이 처리되는 같은 컴퓨터 시스템에서 처리되고 또한 전문가 시스템의 개발을 목적으로 고안된 컴퓨터 언어가 존재하지만 종래의 프로그램언어(BASIC,COBOL등)를 사용하여 전문가 시스템을 개발할 수도 있기 때문에 전문가 시스템을 문제해결을 위한 보다 진보된 개념의 한 프로그래밍 기법으로는 볼 수 있어도 전통적 컴퓨터 프로그램과 전혀 다른 차원의 컴퓨터 응용분야로는 간주할 수 없을 것이다.

3. The Role of ES

전문가 시스템은 의사 결정을 지원하기 위한 知的인 프로그램이다. 지금까지의 프로그램은 인간의 수작업을 프로그램화한 것이다. 수치 계산이나 사무용 데이터처리, 시스템 제어 등과 같은 것이다. 수작업에는 명시적인 절차가 존재하므로 프로그램화 하는 데는 비교적 용이하다. 그러나 전문가 시스템이 대상으로 하는 인간의 지적 작업은 이렇다고 꼬집어 말하기 곤란할 정도로 불명확하다. 인간에 의해 설계된 시스템의 고장진단은 물론 인간 자신의 신체나 정신을 진단대상으로 하는 의학에 있어서는 진단이란 각 의사의 오랜 세월에 걸친 개인적 경험에 기초하여 이루어져 왔기 때문에 어려운 문제가 될수록 진단의 근거는 애매한 것이 되어 의사에 의한 진단의 차이를 객관적으로 비교하는 것은 불가능하였다. 오늘날의 의료행의는 상당히 공학적으로 되어가고 있는데 이는 의사와 공학자가 서로 협력한 결과의 소치라 할 수 있다. 그런데 계측적인 Medical Engineering 기기가 의학의 중심을 이루고 있어 진단하는데 있어서는 종전의 범주에서 크게 벗어나지 못해 큰 성과는 얻지 못하고 있다. 이는 의사의 진단 논리가 객관적이지 못해서 공학자에게 정확하고 정밀하게 전달할 수 없었다는 사실이 큰 이유로 작용한다.
즉, 의학 진단학은 과학이 아니었기 때문이다. 그러나 전문가 시스템에 의한 접근방식에서는 지식 베이스화된 지식을 의사자신이 쉽게 이해하고 기계를 인식하면서추론과정을 이해할 수 있다. 즉, 한번 지식베이스 시스템화 되면 진단 논리는 객관적 평가 대상이 되어 의사에 따른 차이뿐만아니라 무슨 근거로 진단했는가에 대해서도 구체적이며 정확하게 추구할 수 있다. 지식 베이스 시스템은 공학자와의 의사소통의 매개체가 되며 의학생들에게는 교육용 도구로도 사용될 수 있다. 즉 전문가 시스템은 지식의 과학화에 대단히 유용한 기술로서 여러가지 이점을 가져다 준다. 예를 들면 의학 진단 지원 시스템으로 개발된 MYCIN의 범용화 언어였던 EMYCIN은 기기의 진단 지원 시스템 개발 및 프로그램 패키지의 이용상담 시스템의 개발 등에도 이용되고 있다.
보통 전문가 시스템이라고 하면 실용성만을 주목하기 쉬운데 장기적으로 볼때 지식을 과학화 하는데에 대한 공헌, 그것이 오히려 의의가 깊다 할 것이다.

4. 현재 ES기술의 한계

전문가 시스템의 문제점, 혹은 비판으로써 현재 여러곳에서 많이 지적되고 있는 것들은 여러가지가 있다. 한정된 전문 영역밖에 사용할 수 없다는 점, 표면적인 지식의 조작에 답을 하고 있지만 그것의 결과를 어느 정도 신용할 수 있는지는 알 수 없다는 점, 당연한 상식적인 질문이 맣고 게다가 답을 해야만 하는 번거로움, 개발할 때 사용되는 언어가 한정되어 있고(예를 들면 LISP, PROLOG등) 작성하기도 어렵다는 점, 지식을 수집,입력하기 좋은 방법이 제공되어 있지 않다는 점, 계산기 시스템으로서 입출력 인터페이스를 사용하기 어렵다는점등의 문제가 있다.
또한 전문가 시스템과 인간 기술과의 차이로 인한 제한적인 측면을 생각해 볼 수 있다. 첫째로 인간과 같이 창조할 수 있는 능력을 만들어 낼 수 없다는 점이다. 전문가 시스템은 다소 반복적인 방법에 의해 문제 해결 행위를 하지만 인간은 정보의 재구성으로 새로운 지식을 구성할 수 있다. 또한 인간은 완전히 다른 상황하에서도 이전의 비슷한 경우의 문제해법을 찾아내어 예기치 않았던 사건을 해결할 수 있다.
둘째로 전문가 시스템은 인간과 같이 바뀐 조건에 대응하여 새로운 상황을 극복할 수 있도록 그들의 문제 해결 기법을 재조정하기 어렵다는 점이다.
세번째로 인간은 감각 능력이 뛰어나 시각, 청각, 촉각, 미각 등의 복잡한 감각기관을 직접 이용한다. 그러나 전문가 시스템은 思考와 槪念을 나타내기 위하여 심볼을 사용하고, 어떠한 감지기를 통해 입력한 데이터라도 시스템이 이해할 수 있도록 심볼로 변환시켜야 한다. 이러한 과정에서 상당한 양의 정보가 손실되고 이러한 것은 영상을 입력시켜 물체와 이들간의 관계로 나타내는 경우에 특히 심하다.
넷째로 인간은 문제의 모든 각도에서 검토하여 각 측면이 갖는 주요 주제와의 관계를 쉽게 파악한다. 반면에 전문가 시스템은 문제 그 자체에만 집중하는 경향이 있어 근본 문제와 관계는 있으나 분리되어 있는 주제들을 무시한다. 마지막으로 전문가로부터 지식을 추출해 내는 과정에서 발생하는 어려움을 빼놓을 수 없다.
이러한 문제점들에 대한 극복의 노력으로 여러가지 연구가 있어왔지만 크게 3가지를 들 수 있다. 첫째로 소위 지식공학이라 불리우는 것으로서 전문가로부터의 지식을 추출해내고 그것들을 지식 베이스화하는 작업이다. 둘째로 새로운 프로그래밍 패러다임의 개발이다. 즉 전문가로부터 추출해낸 지식을 Rule에 맞게 프로그램하는 작업이다. 이 연구의 결과로서 많은 프로그램언어와 Tool들이 개발되었고 개발되고 있다.
그리고 마지막으로 실용성의 문제인데 이것은 기술적으로 좋은 것이 만들어지면 사용할 수도 있다라는 간단한 명제로 귀결된다. 실은 Operations Research와 Management Science분야에는 일찍부터 이것에 대한 많은 연구가 있었고 시스템 개발의 실천과정 전부를 포함하는 분야가 있다. 그러나 연구실의 실험 시스템 및 데모 시스템은 실용시스템과 차이가 크다는 사실, 또한 그것이 간단한 기술적인 면 뿐이 아니라는 것을 겨냥하였다고 하면서 정말 실용화된 전문가 시스템은 현재 거의 없다는 점이 현재까지 연구의 한계라고 할 수 있겠다.