[논문 리뷰] Survey of Rule-Based Systems

임승택 2024. 12. 28. 13:52

이 리뷰는 오직 학습과 참고 목적으로 작성되었으며, 해당 논문을 통해 얻은 통찰력과 지식을 공유하고자 하는 의도에서 작성된 것입니다. 본 리뷰를 통해 수익을 창출하는 것이 아니라, 제 학습과 연구를 위한 공부의 일환으로 작성되었음을 미리 알려드립니다.

이 논문은 2019년 7월 IJAISR 저널의 게제된 논문으로 규칙 기반 시스템이 어떻게 연구되고 사용되어지고 있는지를 보여주는 논문이였으며, 향후 앞으로 나의 연구에 도움이 될만한 부분이 많아 보여 리뷰하게 되었다.

Masri, N., Abu Sultan, Y., Akkila, A. N., Almasri, A., Ahmed, A., Mahmoud, A. Y., Zaqout, I., & Abu-Naser, S. S. (2019). Survey of Rule-Based Systems. International Journal of Academic Information Systems Research, 3(7), 1-22. Retrieved from www.ijeais.org/ijaisr

Abstract

규칙 기반 시스템(RBS)은 인공지능(AI) 연구에 의해 확립된 기술을 기반으로 한 컴퓨터 프로그램으로, 인간 전문가가 수행하는 작업을 대신하기 위해 인간의 지식과 전문성을 표현하는 특징을 가지고 있습니다. 따라서, 규칙 기반 시스템은 두 가지 특징적인 요소를 가집니다: 규칙 기반(rule base)과 추론 엔진(inference engine)입니다. 첫 번째 요소인 규칙 기반은 세계에 대한 사실을 나타냅니다. 두 번째 요소인 추론 엔진은 새로운 지식을 추론할 수 있게 합니다. 일반적으로 이는 IF-THEN 규칙 형태로 표현되며, 전방향 추론(forward chaining) 또는 후방향 추론(backward chaining) 접근 방식을 결합할 수 있습니다. 본 논문은 규칙 기반 시스템의 개념, 규칙 기반 시스템의 아키텍처, 규칙 기반 시스템 구축 도구 및 문헌에서 다룬 가장 인기 있는 규칙 기반 시스템들에 대해 간략히 소개합니다.

1. INTRODUCTION

규칙 기반 시스템 (Rule-Based Systems, RBS)은 처음에 인공지능 (Artificial Intelligence, AI) 연구자들에 의해 개발되었습니다. 초기의 규칙 기반 시스템은 주로 전문가 시스템 (expert systems)이었으며, 사실 이 용어는 종종 전문가 시스템 (expert systems)과 교차적으로 사용되기도 하지만, 두 가지는 차이가 있습니다. 그 차이는 시스템을 설명하는 관점에서 차이가 납니다.

"전문가 시스템 (expert system)"은 시스템이 도움을 주려는 작업 유형을 지칭하는데, 일반적으로 전문가 (human expert)의 지식을 필요로 하는 복잡한 작업에서 인간 전문가를 대체하거나 돕는 것을 목표로 합니다. 반면, "규칙 기반 시스템 (Rule-based system)"은 시스템의 아키텍처를 지칭하며, 절차적 코드가 아닌 명시적으로 지식을 표현하는 시스템입니다. 초기의 지식 기반 시스템이 거의 대부분 전문가 시스템 (expert systems)이었지만, 동일한 도구와 아키텍처는 이후 다른 종류의 시스템에도 사용되었습니다. 즉, 사실상 모든 전문가 시스템 (expert systems)은 규칙 기반 시스템 (Rule-based systems)이었습니다.

첫 번째 전문가 시스템 (expert systems)은 규칙 기반 전문가 시스템 (rule-based expert systems)이었습니다. 가장 유명한 예는 Mycin이라는 의학 진단 프로그램입니다. 이러한 초기 전문가 시스템 (expert systems)은 세계에 대한 사실을 단순한 주장으로 플랫 데이터베이스에 저장하고, 규칙을 사용하여 이 주장에 대해 추론을 하고 그 결과를 추가하는 방식으로 작동했습니다. 규칙을 통한 지식의 명시적 표현은 여러 가지 장점이 있었습니다

획득과 유지 관리 (Acquisition and Maintenance): 규칙을 사용하면 도메인 전문가 (domain experts)가 직접 규칙을 정의하고 유지 관리할 수 있어 프로그래머가 필요하지 않은 경우가 많았습니다.
설명 (Explanation): 지식을 명시적으로 표현함으로써, 시스템은 결론에 도달한 과정을 추론하고, 그 정보를 사용하여 사용자에게 결과를 설명할 수 있었습니다. 예를 들어, 진단에 이르게 된 추론의 연쇄를 따라가며, 이를 사용해 진단을 설명할 수 있습니다.
추론 (Reasoning): 지식과 그 지식의 처리 과정을 분리함으로써, 일반적인 목적의 추론 엔진 (inference engine)을 개발할 수 있었습니다. 이러한 시스템은 초기 개발자가 전혀 알지 못했던 데이터 세트에서 나온 결론을 도출할 수 있었습니다.

2. 규칙 기반 시스템의 아키텍처

규칙 기반 시스템 도구(또는 셸)는 규칙 기반 시스템의 기본 구성 요소를 포함하는 소프트웨어 개발 환경입니다. 규칙 기반 시스템의 핵심 구성 요소는 지식 베이스 (Knowledge Base)와 추론 엔진 (Inference Engine)입니다.

지식 베이스 (Knowledge Base): 지식 베이스는 문제를 이해하고 공식화하며 해결하는 데 필요한 지식을 포함합니다. 이는 인간 전문가를 통해 지식 획득 모듈을 이용해 캡처된 도메인 특화 지식의 창고입니다. 지식 생산 규칙, 프레임, 논리, 의미망 등을 사용하여 지식을 표현합니다. 전문가 시스템 (Expert System)의 지식 베이스는 사실 지식과 휴리스틱 지식을 모두 포함합니다.
- 사실 지식 (Factual Knowledge)은 일반적으로 교과서나 저널에서 찾을 수 있는, 널리 공유되는 작업 도메인에 대한 지식입니다.
- 휴리스틱 지식 (Heuristic Knowledge)은 더 덜 엄격하고, 경험적이며, 판단적인 지식으로 성과에 대한 지식입니다. 이러한 지식은 일반적으로 논의되지 않으며, 개인적이고 경험적인 성격이 강합니다. 이는 좋은 실천, 좋은 판단, 그리고 해당 분야에서 그럴듯한 추론에 대한 지식입니다.
추론 엔진 (Inference Engine): 추론 엔진은 지식 기반 시스템의 두뇌입니다. 그것은 제어 구조(규칙 해석기)를 사용하고 추론 방법론을 제공합니다. 추론 엔진은 해석기로서 규칙을 분석하고 처리하는 역할을 합니다. 사용자가 제공한 응답에서 선행 조건을 매칭하고 규칙을 발동하는 작업을 수행하는 데 사용됩니다. 추론 엔진의 주요 작업은 규칙들의 숲을 따라가면서 결론에 도달하는 것입니다. 여기서 두 가지 접근 방식이 사용됩니다: 전방향 추론 (Forward Chaining)과 후방향 추론 (Backward Chaining)입니다.

지식 획득 (Knowledge Acquisition): 지식 획득은 문제 해결 전문가 또는 문서화된 지식 출처에서 컴퓨터 프로그램으로 문제 해결 전문 지식을 축적, 전송 및 변환하는 과정입니다. 이는 지식 베이스를 구축하거나 확장하는 데 도움이 되는 서브시스템입니다. 지식 획득을 위한 기술로는 프로토콜 분석 (Protocol Analysis), 인터뷰 (Interviews), 관찰 (Observation) 등이 사용됩니다.

설명 기능 (Explanation Facility): 설명 기능은 시스템의 동작을 설명하는 서브시스템입니다. 설명은 최종 또는 중간 해결책이 어떻게 도달했는지부터 추가 데이터의 필요성을 정당화하는 것까지 다양합니다. 사용자는 왜와 어떻게에 대한 기본적인 질문을 하고, 시스템의 지식을 사용자에게 전달하는 튜터 역할을 합니다.

사용자 인터페이스 (User Interface): 사용자 인터페이스는 사용자와의 소통 수단입니다. 메뉴, 그래픽 인터페이스 등과 같은 기능을 제공하여 대화형 인터페이스를 사용자 친화적으로 만듭니다. 사용자 인터페이스의 책임은 내부 표현으로 된 규칙을 사용자에게 이해할 수 있는 형태로 변환하는 것입니다.

규칙 기반 시스템을 구축하는 것은 지식 공학 (Knowledge Engineering)으로 알려져 있습니다. 지식 기반 시스템 개발에 관련된 인력은 도메인 전문가 (Domain Expert), 사용자 (User), 지식 엔지니어 (Knowledge Engineer), 시스템 유지 관리 인력 (System Maintenance Personnel)입니다.

도메인 전문가 (Domain Expert)는 특정 지식, 판단, 경험 및 문제 해결 방법을 가지고 있으며, 작업 수행에 대한 지식을 제공합니다.
지식 엔지니어 (Knowledge Engineer)는 추론 엔진 개발, 지식 베이스 구조 및 사용자 인터페이스 개발에 참여합니다. 전문가와 지식 엔지니어는 시스템 설계를 할 때 사용자의 요구를 예측해야 합니다.

규칙 기반 시스템 정리

규칙 (Rule):
- 규칙은 일반적으로 조건 (If)과 결론 (Then)의 형태로 구성됩니다. 예를 들어:
  - "If it is raining, then carry an umbrella." (비가 오면 우산을 들고 가라)
- 여기서 조건은 시스템이 데이터를 평가할 때 참인지 거짓인지 확인할 내용이고, 결론은 조건이 참일 때 실행할 동작이나 결정을 나타냅니다.
지식 베이스 (Knowledge Base):
- 규칙 기반 시스템의 핵심은 지식 베이스입니다. 이 지식 베이스는 규칙뿐만 아니라, 문제를 해결하는 데 필요한 사실 (facts)도 포함됩니다.
- 예를 들어, 위의 규칙을 사용하기 위해서는 "현재 비가 오고 있다"는 사실이 필요합니다.
추론 엔진 (Inference Engine):
- 추론 엔진은 규칙을 적용해 지식을 처리하고, 주어진 입력에 대해 적절한 결론을 도출하는 시스템의 핵심 부분입니다.
- 추론 엔진은 일반적으로 순방향 체이닝 (Forward Chaining)과 역방향 체이닝 (Backward Chaining) 방식을 사용합니다:
  - 순방향 체이닝 (Forward Chaining): 사실을 바탕으로 규칙을 적용하여 결론을 도출해 가는 방식입니다. 예를 들어, "비가 온다"는 사실을 바탕으로 규칙을 적용하여 "우산을 들고 가라"는 결론을 얻습니다.
  - 역방향 체이닝 (Backward Chaining): 목표나 결론을 설정하고, 이 결론을 도출하기 위한 조건을 찾는 방식입니다. 목표가 주어지면 이 목표를 달성하기 위해 필요한 조건을 역으로 추적하여 규칙을 적용합니다.
사용자 인터페이스 (User Interface):
- 사용자 인터페이스는 시스템과 사용자 간의 상호작용을 담당합니다. 사용자는 시스템에 질문을 던지거나 정보를 제공하고, 시스템은 규칙을 바탕으로 적절한 답변이나 결론을 제공합니다.

규칙 기반 시스템의 작동 원리

사실 입력: 사용자나 외부 시스템이 특정한 사실을 시스템에 입력합니다.
규칙 적용: 시스템의 추론 엔진은 지식 베이스에 있는 규칙을 평가하고, 입력된 사실에 맞는 규칙을 찾아냅니다.
결론 도출: 규칙이 적용되면, 시스템은 그에 맞는 결론을 도출하고 사용자에게 제공합니다.
추가적인 질문 및 상호작용: 규칙에 의해 새로운 사실이 도출되면, 시스템은 추가적인 질문을 던지거나 더 많은 규칙을 적용할 수 있습니다.

규칙 기반 시스템의 예

의료 진단 시스템:
- 의사들이 환자의 증상에 맞는 진단을 내릴 때 사용하는 규칙 기반 시스템. 예를 들어, "If patient has a fever and cough, then patient may have the flu."
고객 서비스 시스템:
- 고객의 질문에 대해 규칙을 기반으로 적절한 답변을 제공하는 시스템. 예를 들어, "If customer asks for refund, then check purchase history."
자동화된 의사결정 시스템:
- 기업의 업무에서, 예를 들어 신용카드 승인 시스템에서 "If credit score > 700 and income > $50,000, then approve the loan"과 같은 규칙을 적용하여 자동으로 결정을 내리는 시스템.

규칙 기반 시스템의 장점과 단점

장점:

단순한 규칙 정의: 시스템이 사용하기 쉽고, 규칙을 정의하여 지식을 명확하게 표현할 수 있습니다.
명확한 추론: 시스템이 결론을 어떻게 도출했는지 추적할 수 있어, 투명성과 해석 가능성이 높습니다.
빠른 개발: 전문가의 지식만 있으면 시스템을 빠르게 구축할 수 있습니다.

단점:

지식의 유지 관리 어려움: 규칙이 많아질수록 관리가 복잡해지며, 새로운 규칙을 추가하거나 수정할 때 시스템의 전체 구조를 잘못 변경할 위험이 있습니다.
유연성 부족: 규칙 기반 시스템은 이미 정의된 규칙만을 따르기 때문에, 새로운 상황이나 예외적인 경우를 처리하는 데 한계가 있을 수 있습니다.
지식의 한계: 전문가가 정의한 규칙만 처리할 수 있기 때문에, 경험이 부족한 사람이 만든 규칙은 잘못된 결과를 초래할 수 있습니다.

3. 규칙 기반 시스템 구축 도구

지식 기반 시스템을 개발하는 데 가장 널리 사용되는 도구는 다음과 같습니다:

SL5 Object: SL5 Object는 "Simpler Level 5 Object" 전문가 시스템 언어의 약자입니다. SL5 Object는 규칙 기반, 객체 지향, 순방향 체이닝 방식의 언어로, 전문가 시스템을 개발하는 데 사용됩니다. SL5 Object 엔진은 2015년에 Delphi Embarcadero RAD Studio XE6에서 구현되었습니다.
CLIPS: CLIPS는 전문가 시스템을 구축하기 위한 공개 도메인 소프트웨어 도구입니다. "C Language Integrated Production System"의 약자입니다. CLIPS는 NASA의 존슨 우주센터에서 개발되었습니다. CLIPS는 아마도 가장 널리 사용되는 전문가 시스템 도구일 것입니다. CLIPS 자체는 C 언어로 작성되었으며, 확장 프로그램은 C 언어로 작성할 수 있고, CLIPS는 C에서 호출할 수 있습니다. CLIPS의 문법은 프로그래밍 언어 Lisp와 유사합니다.

4. 기존 지식 기반 시스템 개요

다음 섹션에서는 저자들이 기존의 규칙 기반 시스템을 오래된 것부터 새로운 것까지 나열할 것입니다.

눈 질병 진단 전문가 시스템
CLIPS 언어를 이용해 눈 질병을 진단하는 전문가 시스템을 설계하였고, 초기 평가에서 사용자들로부터 긍정적인 피드백을 받았습니다[17].

피부 질병 진단 전문가 시스템
피부 질병(건선, 습진 등)을 진단하고 치료 방법을 제시하는 전문가 시스템이 CLIPS로 설계되었습니다. 이 시스템은 피부 질병의 원인과 치료법을 제공하며, 피부과 의사의 진단을 돕습니다[18].

알-아즈하르 대학교 신입생 전공 선택 전문가 시스템
학생의 능력(지능, 수학적 개념 등)을 평가하여 알-아즈하르 대학교의 적합한 학과/전공을 추천하는 시스템을 설계하였습니다[16].

의료 진단 지원 전문가 시스템 (ESMDA)
CLIPS와 Java 인터페이스를 활용해 환자의 의학적 상태를 분석하고 정확한 진단을 내릴 수 있는 시스템을 개발하였으며, 다양한 의료 사례에 대해 효과적인 결과를 도출했습니다[19].

식물 질병 진단 전문가 시스템
초기 단계에서 식물 질병을 감지하고 치료 방법을 제시하는 시스템이 개발되었으며, 사용자가 쉽게 상호작용할 수 있도록 단계별 설명과 그래픽적 방법을 제공했습니다[21].

내분비 질환 진단 전문가 시스템
당뇨병 및 내분비 질환(췌장, 갑상선 등)을 진단하고 치료하며 응급 처치를 제공하는 시스템이 설계되었습니다. 이 시스템은 의사의 부족 문제를 해결하고 의사의 업무를 돕습니다[20].

수영장 변환 바닥 전문가 시스템
실내 수영장의 물 깊이를 조절하고, 다양한 사용 조건에 맞게 물 높이를 결정하는 전문가 시스템이 설계되었습니다. 이를 통해 안전하고 효율적인 수영장 관리가 가능해졌습니다[90].

이 외에도 78개 가량의 많은 규칙 기반 시스템이 있었음

5. 결론

본 논문에서는 현재까지 문헌에 등장한 78개의 기존 규칙 기반 시스템을 조사했습니다. 우리가 놓친 다른 규칙 기반 시스템이 있을 수 있지만, 이를 발견하게 되면 다음 버전의 규칙 기반 시스템 조사에 추가될 것입니다.

리뷰후기

처음에 Survey 논문이였어도 Abstract와 Introduction을 보고 굉장히 흥미롭고 나의 연구에 도움이 많이 되겠다고 생각했는데 생각보다 그냥 규칙기반 시스템들을 모아놓은 조금은 기대보다 아쉬웠던 논문이였다. 하지만 Survey 논문이기 때문에 기대한 나의 잘못이라고 생각했다.