자격 문제

자격 문제는 지식 표현과 행동 추론 측면에서 인공지능 분야의 핵심 문제입니다. 변화하는 환경에서 행동이나 사건을 성공적으로 실행하는 데 필요한 모든 조건이나 요소를 결정하는 방법에 초점을 맞춥니다. 이 질문은 원하는 결과가 발생하는 것을 방해할 수 있는 다양한 장애물을 식별하고 해결하는 것을 포함합니다.

이 문제는 존 매카시가 1977년에 처음 지적했습니다. 프레임 문제와 분기 문제와 함께 공식적 행위 이론의 세 가지 기본 문제를 구성합니다. 프레임 문제는 어떤 행동이 일어난 후에 무엇이 변하지 않는지 판단하는 것과 관련이 있는 반면, 분기 문제는 어떤 행동이 미칠 수 있는 간접적인 효과와 관련이 있습니다.

실제 적용에서 자격 문제는 특정 상황에서 어떤 행동이 예상 효과를 달성할 수 있는지 확인하는 방법에 대한 질문으로 나타납니다. 예를 들어, 자율주행차의 AI 시스템은 훈련 데이터 세트에서 교통 표지판과 신호등을 학습했을 수 있지만, 신호기를 든 교통 통제원이나 긴급 상황에 처한 경찰관을 만나면 이러한 상황이 훈련 데이터에 포함되어 있지 않기 때문에 시스템이 올바르게 대응하지 못할 수 있습니다.

자격 문제를 해결하는 한 가지 방법은 Flux 액션 프로그래밍 언어와 같은 논리 프로그래밍 접근 방식을 사용하는 것입니다. 여기서 기본 프레임 문제는 Fluent Calculus를 기반으로 구축된 솔루션을 통해 처리됩니다. 플럭스 시스템은 모든 작업이 평소처럼 성공할 것이라는 기본 가정 하에 계획을 수립할 수 있으며, 예상치 못한 작업 실패 시 복구하기 위해 이러한 가정에 대한 추론이 가능합니다.

더욱이 자격 문제의 해결에는 예상되는 행동의 효과를 고려하여 가능하지만 명시적으로 나열되지 않은 전제 조건을 고려할 수 있는 비단조적 추론 방법을 사용하는 것이 포함됩니다. 이는 사건 공리의 반박 가능성을 허용함으로써 달성될 수 있습니다. 즉, 사건의 선언적 전제가 모두 충족된다면 사건이 예측한 효과를 가져올 것이라는 결론을 내리는 것은 반박될 수 있습니다.

참고문헌

【1】자격 문제

【2】AI의 자격 문제