AI 기술
AI 기술 (Techniques for AI)
규칙 기반 모델, 전문가 시스템, 추천 시스템
규칙 기반 모델 (Rule-based Model)
- 인간의 판단을 기계에 직접 프로그래밍하는 모델
- IF-THEN 조건문으로 모든 상황을 표현
구현 방식
| 구성 요소 | 설명 |
|---|---|
| Rule Engine (규칙 엔진) | 복잡한 문제를 해결하는 솔루션을 쉽게 표현하도록 돕는 엔진 |
| Rule Set (규칙 집합) | 모든 상황을 IF-THEN 형태로 표현한 규칙들의 집합 |
챗봇 유형
| 유형 | 설명 |
|---|---|
| 규칙 기반 챗봇 | 미리 정의된 규칙·DB에서 키워드를 찾아 답변 반환 |
| AI 기반 챗봇 | ML/NLP로 스스로 학습하여 답변 생성 |
| 결합형 챗봇 | 간단한 질문은 규칙으로, 심화 대화는 AI로 처리 (가장 일반적) |
장점
- 지식의 자연스러운 표현 (
IF-THEN형태) - 통일된 구조
- 지식과 프로세스 분리 → 재활용 가능
한계
- 규칙 수가 많아지면 논리적 관계가 불명확해짐
- 수동 유지보수 번거로움
- 학습 불가능 — 규칙 밖의 질문이 들어오면 오류 발생
지식 기반 모델 & 전문가 시스템
지식 기반 모델
- 특정 분야의 전문 지식과 문제 해결 규칙을 DB에 저장
- **지식 베이스(Knowledge Base)**와 인터페이스 엔진으로 분리
전문가 시스템 (Expert System)
- 전문가의 지식을 컴퓨터에 저장하여 일반 대중도 전문가 수준의 판단을 받을 수 있는 시스템
- 조건: 전문 지식 기반 추론, 전문가 수준의 문제 해결 능력
추천 시스템 (Recommendation System)
사람들의 성향 정보를 바탕으로 개인 맞춤형 콘텐츠를 추천하는 시스템
종류
협업 기반 추천 (Collaborative Filtering)
| 방식 | 설명 | 예시 |
|---|---|---|
| 사용자 기반 | 유사 성향 사용자의 데이터로 추천 | A가 사과·딸기·피자 구매 → B(사과·딸기)에게 피자 추천 |
| 아이템 기반 | 구매한 상품과 유사한 상품 추천 | 코트 구매자에게 장갑 추천 |
| 모델 기반 | 과거 평점 데이터를 학습하여 평점 예측 후 추천 | — |
콘텐츠 기반 추천 (Content-based Filtering)
- 콘텐츠 자체를 분석하여 추천
- 협업 기반 추천의 한계를 보완하기 위해 등장
- 예: 음악을 추천할 때 음악 자체의 속성 분석
한계
| 문제 | 설명 |
|---|---|
| 콜드 스타트 (Cold Start) | 새 사용자/아이템에 데이터가 없으면 추천 불가 |
| 계산 효율 저하 | 사용자 수가 많아질수록 추천 계산 시간 증가 |
| 롱테일 (Long Tail) | 인기 콘텐츠에만 집중 → 비주류 아이템 추천 안 됨 |
| 필터 버블 (Filter Bubble) | 개인 맞춤 정보만 제공 → 편향된 정보에 노출 |
적용 사례
- Amazon: 매출의 35%가 추천 시스템에서 발생
- Netflix: 로그인 순간부터 전체 페이지를 사용자 선호도로 구성
- Facebook: 친구 추천에 활용
관련 개념
- AI 기초 — AI 정의, ML/DL, 학습 알고리즘