不確實性은 우리 日常生活속에 遍在하며, 여러 原因으로 일어날 수 있다. 不確實性은 知能的 行動이 要求되는 大部分의 일들, 卽 企劃, 推論, 問題解決, 意思決定, 分類 그리고 實 存在하고 있는 實體들과 資料 및 情報의 取扱에서 많이 나타난다.
이러한 知能的 行動이 要求되는 일들에서 不確實한 知識 表現과 不確實 口述 表現 및 不確實 視覺的 表現에 依하여 主要 事項의 解決과 決定들이 이루어지는 것은 深刻한 問題를 惹起할 수 있다. 따라서 이러한 일들에서 不確實性을 잘 管理하여 成功的으로 遂行하기 위한 一環으로 人工知能(AI)시스템이 開發되어 왔으며, 이것을 可能하게 하는 컴퓨터 基盤 人工知能 시스템 (專門家시스템 包含) 開發의 重心은 不確實性 管理로서, 人工知能(AI) 不確實性 管理 技法 採擇이 그 必須 課題가 되어 왔다.
그러나, 現在까지 存在하고있는 AI 不確實性 管理 技法은 不確實性 管理 要求 機能의 遂行이 極히 一部 또는 偏重된 部分에서 活用되고 있거나, 人工知能 不確實性 管理 技法이 아닌 技法이 人工知能 시스템에 잘못 活用되므로서 不確實性下의 知能的 行動이 要求되는 대부분의 일들에 바람직한 適用이 不可能하여 왔다.
따라서, 本 論文에서는 現存하고 있는 AI 不確實性 管理 技法으로 認識되어 中心的 技法으로 오랜 동안 使用해온 베이시안 確率 및 그 代案이 될 수 있는 AI 不確實性 管理 모든 技法들을 調査 硏究 分析하여, 特徵 지울수 있는 技法 範疇로 다섯 가지로 나누고, 旣存 AI 不確實性 管理 技法들의 實狀을 明確히 糾明하여 正確하게 定立하고 評價하여, AI시스템에서 廣範圍하게 適用 可能한 바람직하고 새로운 不確實性 管理技法을 爲한 不確實性의 分類와 必須要件들을 導出하여 提示한다.
不確實性은 우리 日常生活속에 遍在하며, 여러 原因으로 일어날 수 있다. 不確實性은 知能的 行動이 要求되는 大部分의 일들, 卽 企劃, 推論, 問題解決, 意思決定, 分類 그리고 實 存在하고 있는 實體들과 資料 및 情報의 取扱에서 많이 나타난다.
이러한 知能的 行動이 要求되는 일들에서 不確實한 知識 表現과 不確實 口述 表現 및 不確實 視覺的 表現에 依하여 主要 事項의 解決과 決定들이 이루어지는 것은 深刻한 問題를 惹起할 수 있다. 따라서 이러한 일들에서 不確實性을 잘 管理하여 成功的으로 遂行하기 위한 一環으로 人工知能(AI)시스템이 開發되어 왔으며, 이것을 可能하게 하는 컴퓨터 基盤 人工知能 시스템 (專門家시스템 包含) 開發의 重心은 不確實性 管理로서, 人工知能(AI) 不確實性 管理 技法 採擇이 그 必須 課題가 되어 왔다.
그러나, 現在까지 存在하고있는 AI 不確實性 管理 技法은 不確實性 管理 要求 機能의 遂行이 極히 一部 또는 偏重된 部分에서 活用되고 있거나, 人工知能 不確實性 管理 技法이 아닌 技法이 人工知能 시스템에 잘못 活用되므로서 不確實性下의 知能的 行動이 要求되는 대부분의 일들에 바람직한 適用이 不可能하여 왔다.
따라서, 本 論文에서는 現存하고 있는 AI 不確實性 管理 技法으로 認識되어 中心的 技法으로 오랜 동안 使用해온 베이시안 確率 및 그 代案이 될 수 있는 AI 不確實性 管理 모든 技法들을 調査 硏究 分析하여, 特徵 지울수 있는 技法 範疇로 다섯 가지로 나누고, 旣存 AI 不確實性 管理 技法들의 實狀을 明確히 糾明하여 正確하게 定立하고 評價하여, AI시스템에서 廣範圍하게 適用 可能한 바람직하고 새로운 不確實性 管理技法을 爲한 不確實性의 分類와 必須要件들을 導出하여 提示한다.
Uncertainty pervades life and can arise from many sources. It is present in most tasks that require intelligent behaviour, such as planning, reasoning, problem solving, decision making, classification and many others dealing with real world entities and data.
In these tasks with intelligent beh...
Uncertainty pervades life and can arise from many sources. It is present in most tasks that require intelligent behaviour, such as planning, reasoning, problem solving, decision making, classification and many others dealing with real world entities and data.
In these tasks with intelligent behaviour, the major issues and decisions are made in representing uncertain knowledge and in recognizing verbal uncertainty expressions and visual uncertainty expressions. Consequently, the management of uncertainty is central to the development of computer based systems that can successfully execute these tasks. This, in turn, depends upon the adoption of AI uncertainty management techniques that are appropriate for the particular task in hand.
Throughout this research, we have highlighted the differences between the various approaches to AI uncertainty management. The requirements of AI uncertainty management techniques in terms of the various levels of information that must be represented, and other requirements relating to AI system construction have been explored in detail.
As results of the analysis, existing AI techniques for managing uncertainty can be classified into five categories. These techniques, in particular the Bayesian theory, exposes weaknesses in representing and managing various types of uncertainty. In this paper, we first classify the types of uncertainty, and evaluate the existing techniques for different types of uncertainty. Based on the analysis, we propose the requirements to be enforced on the design of AI uncertainty management systems.
Uncertainty pervades life and can arise from many sources. It is present in most tasks that require intelligent behaviour, such as planning, reasoning, problem solving, decision making, classification and many others dealing with real world entities and data.
In these tasks with intelligent behaviour, the major issues and decisions are made in representing uncertain knowledge and in recognizing verbal uncertainty expressions and visual uncertainty expressions. Consequently, the management of uncertainty is central to the development of computer based systems that can successfully execute these tasks. This, in turn, depends upon the adoption of AI uncertainty management techniques that are appropriate for the particular task in hand.
Throughout this research, we have highlighted the differences between the various approaches to AI uncertainty management. The requirements of AI uncertainty management techniques in terms of the various levels of information that must be represented, and other requirements relating to AI system construction have been explored in detail.
As results of the analysis, existing AI techniques for managing uncertainty can be classified into five categories. These techniques, in particular the Bayesian theory, exposes weaknesses in representing and managing various types of uncertainty. In this paper, we first classify the types of uncertainty, and evaluate the existing techniques for different types of uncertainty. Based on the analysis, we propose the requirements to be enforced on the design of AI uncertainty management systems.
주제어
#人工知能
#不確實性 管理 技法
#必須要件
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.