Neuro-Symbolic AI

 

 

Symbolic Approaches

 

- 기호를 통해 개념을 정의하고 일정한 논리적 규칙에 따라 추론하는 방법

- 일반화 능력이 우수하며, 결론에 대한 설명이 가능

- 단점: 불완전한 Knowledge Base에 의존, 논리적 규칙에 의해 정의된 지식과 새롭게 생성되는 지식 간의 연결이 어려움

 

 

 

Neural Models

 

- 대량의 데이터를 이용해 다층 구조로 이루어진 인공신경망을 통해 귀납적 추론

- 미분 가능한 방식으로 학습하며 높은 성능을 보여줌

- 단점:

  • 대량의 데이터를 요구

  • 결론 도출에 대한 설명력 부족

  • 훈련 데이터 셋에 의존적이고, 편향적인 학습이 이루어질 가능성이 있음

 

 

 

Neuro-Symbolic AI

 

- Neural/Symbolic 모델의 장점 결합

- 새롭게 확장되는 지식 간의 연결 및 학습을 가능하게 함

- 추론 처리와 설명력 확보할 수 있음

- 훈련 데이터 셋에 의존적이고 편향적인 학습이 이루어질 위험성 최소화