ㅁ 자율 시스템

ㅇ 정의:
스스로 환경을 인식하고 의사결정을 내려 목표를 달성하는 AI 시스템.

ㅇ 특징:
– 외부 개입 없이 주어진 목표를 달성하기 위해 계획, 실행, 학습을 반복.
– 센서, 환경 모델, 의사결정 모듈로 구성.

ㅇ 적합한 경우:
– 동적 환경에서 실시간 의사결정이 필요한 경우.

ㅇ 시험 함정:
– 단순 자동화 시스템과 혼동하기 쉬움.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “환경 변화에 따라 스스로 계획을 수정하는 AI 시스템”
X: “사람이 모든 단계를 지시하는 매크로 프로그램”

================================

1. Agentic AI

ㅇ 정의:
사용자의 목표를 이해하고 스스로 하위 목표를 생성·수행하는 AI.

ㅇ 특징:
– 목표 지향적 행동 계획.
– 외부 도구/API 활용 가능.

ㅇ 적합한 경우:
– 복잡한 업무를 자동으로 처리해야 하는 경우.

ㅇ 시험 함정:
– 단순 챗봇과 구분 필요.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “사용자 목표를 세분화하여 자동 실행하는 AI”
X: “정해진 스크립트만 수행하는 AI”

================================

2. Multi-Agent Systems

ㅇ 정의:
여러 개의 에이전트가 상호작용하며 문제를 해결하는 시스템.

ㅇ 특징:
– 협력, 경쟁, 조정 메커니즘 포함.

ㅇ 적합한 경우:
– 분산 환경, 복잡한 시뮬레이션.

ㅇ 시험 함정:
– 단일 에이전트와 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “여러 AI가 역할을 나누어 협력하는 구조”
X: “한 AI가 모든 작업을 수행하는 구조”

================================

3. AutoGPT

ㅇ 정의:
GPT 기반으로 목표를 입력하면 스스로 계획·실행·검증하는 오픈소스 에이전트.

ㅇ 특징:
– 인터넷 검색, 파일 저장, 코드 실행 가능.

ㅇ 적합한 경우:
– 반복적 조사·분석 업무 자동화.

ㅇ 시험 함정:
– 단순 GPT 질의응답과 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “목표 달성을 위해 자체적으로 작업 순서를 생성하는 GPT”
X: “미리 작성된 답변만 반환하는 GPT”

================================

4. BabyAGI

ㅇ 정의:
간단한 작업 관리 루프를 통해 목표를 분해·수행하는 경량 AI 에이전트.

ㅇ 특징:
– 작업 우선순위 재조정.
– 메모리 기반 학습.

ㅇ 적합한 경우:
– 소규모 프로젝트 자동화.

ㅇ 시험 함정:
– 대규모 시스템과 동일시.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “작업을 생성하고 우선순위를 조정하는 경량 AI”
X: “모든 기능이 내장된 대규모 AI 플랫폼”

================================

5. Reflexion

ㅇ 정의:
AI가 자신의 행동 결과를 평가하고 개선하는 피드백 루프 기법.

ㅇ 특징:
– 자기 반성 기반 성능 향상.

ㅇ 적합한 경우:
– 오류율 감소, 지속적 개선 필요 시.

ㅇ 시험 함정:
– 단순 로그 기록과 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “자신의 결과를 분석해 다음 행동을 수정하는 AI”
X: “결과를 기록만 하고 분석하지 않는 AI”

================================

6. Self-Refine

ㅇ 정의:
AI가 생성한 출력물을 스스로 수정·개선하는 반복 프로세스.

ㅇ 특징:
– 품질 향상 중심.
– 다단계 수정 가능.

ㅇ 적합한 경우:
– 텍스트 품질, 코드 정확도 개선.

ㅇ 시험 함정:
– 외부 피드백 기반 수정과 혼동.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “출력 결과를 반복적으로 수정하여 품질을 높이는 AI”
X: “한 번 생성한 결과를 그대로 사용하는 AI”

ㅁ 추가 학습 내용

자율 시스템 시험 대비 정리

1. 자율 시스템의 구성 요소와 상호작용
– 지각(Perception): 센서 데이터 수집 및 환경 인식
– 계획(Planning): 목표 달성을 위한 경로·행동 계획 수립
– 실행(Execution): 계획된 행동을 실제로 수행
– 학습(Learning): 경험을 바탕으로 성능 향상
– 상호작용 방식: 지각 → 계획 → 실행 → 피드백 → 학습, 순환 구조로 동작하며 각 모듈이 정보와 상태를 공유

2. 강화학습(RL)과 자율 시스템
– RL은 보상 함수를 기반으로 최적 행동을 학습
– 자율 시스템에서 RL은 목표 최적화와 환경 적응에 활용
– 탐험(Exploration)과 활용(Exploitation) 균형이 중요

3. 멀티에이전트 시스템
– 통신 프로토콜: 에이전트 간 정보 교환 규칙 (예: 메시지 포맷, 전송 규칙)
– 분산 합의 알고리즘: Paxos, Raft 등, 네트워크 환경에서 일관된 의사결정 유지
– 합의 알고리즘은 장애 허용성과 데이터 일관성을 보장

4. Agentic AI, AutoGPT, BabyAGI 비교
– Agentic AI: 자율적으로 목표를 설정·수행하는 AI 개념
– AutoGPT: LLM 기반, 주어진 목표를 하위 작업으로 분해·수행
– BabyAGI: 작업 생성·우선순위 조정·수행의 반복 구조
– 적용 범위: AutoGPT는 특정 목표 완수를 자동화, BabyAGI는 지속적 작업 관리에 강점

5. Reflexion vs Self-Refine
– Reflexion: 메타인지 기반, 자기 성찰을 통해 전략·행동 개선
– Self-Refine: 산출물 품질 개선 중심, 결과를 반복적으로 수정·보완

6. 실제 산업 사례와 함정 구분
– 자율주행차: 센서 기반 지각, 경로 계획, 주행 제어, 학습 통한 개선
– 로보틱 프로세스 자동화(RPA): 반복 업무 자동화, 하지만 환경 적응성·자율성은 제한됨
– 함정 구분:
– 단순 자동화 vs 자율성: 환경 변화에 적응 가능 여부
– 협력형 에이전트 vs 단일형 에이전트: 다수 에이전트 간 상호작용 여부

시험 대비 체크리스트
– 지각, 계획, 실행, 학습 각 모듈의 정의와 흐름을 설명할 수 있는가?
– RL의 기본 원리와 자율 시스템에서의 활용 사례를 말할 수 있는가?
– 멀티에이전트 통신 프로토콜의 역할과 예시를 제시할 수 있는가?
– Paxos와 Raft의 목적과 차이점을 이해하고 있는가?
– Agentic AI, AutoGPT, BabyAGI의 특징과 차이를 구분할 수 있는가?
– Reflexion과 Self-Refine의 핵심 차이점을 설명할 수 있는가?
– 자율주행차와 RPA 사례에서 자율성의 수준을 비교할 수 있는가?
– 단순 자동화와 자율성, 협력형과 단일형 에이전트의 차이를 명확히 구분할 수 있는가?