ㅁ 융합/응용

ㅇ 정의:
인공신경망(Neural Network)의 학습·패턴인식 능력과 기호논리(Symbolic Logic)의 추론·지식표현 능력을 결합한 AI 접근 방식.

ㅇ 특징:
– 데이터 기반 추론과 규칙 기반 추론을 모두 활용 가능.
– 불완전하거나 노이즈가 있는 데이터에서도 논리적 일관성을 유지.
– 설명 가능성(Explainability)이 높아 의사결정 근거를 제시 가능.
– 복잡한 문제를 하위 모듈로 나누어 처리하는 모듈화 구조.

ㅇ 적합한 경우:
– 법률, 의료, 과학 연구 등 규칙과 경험적 데이터가 함께 중요한 분야.
– 데이터셋이 불완전하거나 레이블링이 제한적인 경우.
– 규칙 기반 시스템을 유지하면서 학습 기능을 강화하고자 할 때.

ㅇ 시험 함정:
– 단순히 신경망과 규칙 기반 시스템을 ‘연결’하는 것만을 의미한다고 오해.
– 심볼릭 AI가 데이터 학습을 못 한다는 절대적 표현은 오답.
– 뉴로심볼릭 AI = 딥러닝 + 온톨로지 라고만 한정하면 틀릴 수 있음.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “뉴로심볼릭 AI는 규칙 기반 추론과 데이터 기반 학습을 결합한다.”
O: “불완전한 데이터 환경에서도 논리적 일관성을 유지할 수 있다.”
X: “뉴로심볼릭 AI는 학습 기능이 전혀 없다.”
X: “뉴로심볼릭 AI는 오직 이미지 처리에만 사용된다.”

ㅁ 추가 학습 내용

추가 학습 정리

역사적 배경
1980~90년대에는 전문가 시스템과 신경망 연구를 통합하려는 시도가 있었으며, 최근 딥러닝의 발전으로 이러한 접근이 다시 주목받고 있다.

대표적 아키텍처
Logic Tensor Networks(LTN)
DeepProbLog
Neural Theorem Provers(NTP)

주요 응용 사례
자율주행: 규칙 기반 도로 규칙과 시각 인식을 결합
의료 진단: 임상 지식베이스와 환자 데이터 분석을 결합

기술적 과제
심볼릭 표현과 신경망 표현 간 변환(embedding) 문제
확장성(scalability) 한계

시험 대비 포인트
설명 가능성, 지식 추론, 데이터 효율성 키워드와 함께 출제되는 경우가 많음