규칙 기반 AI란 무엇인가?
사람이 문제 해결 방법을 IF–THEN 조건으로 직접 작성하고, 컴퓨터는 그 규칙을 그대로 실행하는 방식입니다.
IF 문장에 "최고"가 포함되어 있다
THEN 긍정으로 분류한다
IF 문장에 "형편없다"가 포함되어 있다
THEN 부정으로 분류한다
컴퓨터가 규칙을 학습하는 것이 아니라, 사람이 판단 기준을 찾아 코드로 작성합니다.
명확한 조건에서는 규칙이 잘 작동한다
세금과 요금 계산세율, 구간, 공제 조건이 명확하면 정확하고 설명 가능한 결과를 만듭니다.
기기와 안전 제어온도가 기준을 넘으면 냉각기를 켜는 것처럼 명시적인 조건에 적합합니다.
업무 절차권한, 승인 금액, 날짜처럼 규정이 정해진 업무를 자동화할 수 있습니다.
규칙 기반 방식 자체가 잘못된 것은 아닙니다. 규칙과 예외가 명확한 문제에서는 매우 유용합니다.
언어에서는 같은 뜻도 표현이 너무 다양하다
이 영화는 최고다.→“최고” 규칙으로 판단 가능정말 훌륭한 작품이다.→“훌륭” 규칙 추가 필요기대 이상이었다.→새로운 표현 규칙 필요시간이 아깝지 않았다.→부정어가 있지만 실제 의미는 긍정와, 정말 잘도 만들었다.→상황에 따라 부정적 반어사람은 표현 전체와 상황을 보고 이해하지만, 규칙 시스템은 미리 작성하지 않은 표현을 자동으로 일반화하기 어렵습니다.
표현과 예외가 늘어나면 규칙의 수가 폭발한다
기본 표현10개좋다, 나쁘다
유사 표현100개훌륭하다, 형편없다
부정·강조·반어1,000개+좋지 않다, 참 잘도 했다
문맥과 예외관리 불가앞뒤 문장과 상황까지 고려
규칙을 추가할수록 규칙끼리 충돌하고, 한 문장을 고친 수정이 다른 문장에서 새로운 오류를 만들 수 있습니다.
규칙 기반 방식이 복잡한 문제에서 실패한 이유
| 문제 | 발생하는 일 | 결과 |
|---|---|---|
| 표현 다양성 | 같은 의미를 수많은 문장으로 표현합니다. | 모든 표현을 등록하기 어렵습니다. |
| 예외 | 대부분의 규칙에 반례가 존재합니다. | 예외 규칙이 계속 늘어납니다. |
| 문맥 | 같은 단어도 앞뒤 문장에 따라 의미가 달라집니다. | 단어 목록만으로 판단하기 어렵습니다. |
| 규칙 충돌 | 여러 조건이 동시에 만족될 수 있습니다. | 우선순위 관리가 복잡해집니다. |
| 유지보수 | 새 표현과 분야마다 규칙을 수정해야 합니다. | 비용과 오류가 증가합니다. |
| 일반화 부족 | 본 적 없는 표현을 스스로 유추하지 못합니다. | 새 데이터에서 성능이 떨어집니다. |
규칙을 추가해도 새로운 예외가 계속 생긴다
문장을 선택해 단순 감성 규칙이 어떻게 실패하는지 확인하세요.
입력 문장
사람의 판단:
현재 규칙 시스템
시스템 판단:
사람이 규칙을 쓰는 대신 데이터에서 패턴을 배우자
규칙 기반 프로그램
- 사람이 사례를 분석합니다.
- 판단 규칙을 코드로 작성합니다.
- 컴퓨터는 정해진 규칙만 실행합니다.
- 새 예외마다 코드를 수정합니다.
→
학습 기반 신경망
- 입력 데이터와 정답을 제공합니다.
- 현재 가중치로 예측합니다.
- 예측과 정답의 차이를 계산합니다.
- 오차가 줄도록 가중치를 수정합니다.
신경망은 사람이 이해할 수 있는 규칙 목록을 만드는 대신, 입력과 정답의 관계를 잘 예측하도록 수많은 가중치 값을 조정합니다.
“스스로 학습한다”는 말의 정확한 의미
잘못된 이해신경망이 사람처럼 문제를 이해하고 스스로 논리 규칙을 문장으로 작성한다.
정확한 이해예측과 정답의 차이가 줄어들도록 모델 내부의 숫자인 가중치와 편향을 반복해서 수정한다.
신경망 학습은 마법이 아닙니다. 데이터, 정답, 손실 함수, 역전파, 최적화 알고리즘으로 이루어진 수치 계산의 반복입니다.
규칙 작성에서 가중치 학습으로
학습 데이터입력과 정답
현재 가중치처음에는 임의 값
예측현재 모델의 답
오차 확인예측과 정답 비교
가중치 수정오차 감소 방향
다음 장에서는 신경망이 실제로 학습하는 가중치(Weight)와 편향(Bias)이 무엇인지 살펴봅니다.
자주 생기는 의문
규칙 기반 방식은 이제 사용하지 않는가?
아닙니다. 법규, 계산, 권한, 안전 조건처럼 규칙이 명확하고 반드시 설명 가능해야 하는 영역에서는 여전히 중요합니다. 실제 시스템은 규칙과 학습 모델을 함께 사용하기도 합니다.
신경망은 규칙 없이 아무것이나 배우는가?
아닙니다. 학습 데이터, 정답, 모델 구조, 손실 함수와 목표를 사람이 설계하며, 모델은 그 범위에서 오차를 줄이는 가중치를 찾습니다.
데이터가 많으면 항상 좋은 모델이 되는가?
아닙니다. 데이터 품질, 정답의 정확성, 편향, 모델 구조와 학습 방법이 함께 중요합니다.
학습 내용 정리
- 규칙 기반 AI는 사람이 IF–THEN 조건을 직접 작성하는 방식입니다.
- 규칙과 예외가 명확한 문제에서는 규칙 기반 방식이 효과적입니다.
- 언어는 표현, 예외, 문맥이 많아 규칙 수가 빠르게 증가합니다.
- 규칙이 많아지면 충돌, 우선순위, 유지보수 문제가 커집니다.
- 규칙 시스템은 본 적 없는 표현으로 일반화하기 어렵습니다.
- 학습 기반 AI는 사람이 모든 판단 규칙을 직접 작성하지 않습니다.
- 신경망 학습은 예측 오류가 줄도록 가중치와 편향을 수정하는 과정입니다.
- 다음 장에서는 가중치와 편향의 역할을 자세히 배웁니다.