AI › 인공지능 개요 › 기호주의 AI

전문가 시스템Expert System

한 분야 전문가의 판단 지식을 규칙으로 지식 베이스에 담고, 추론 엔진이 사례 자료에 그 규칙을 적용해 결론 · 확신도 · 근거를 함께 내는 상담 프로그램이다.

1요약

  1. 전문가 시스템은 기호주의 AI 의 대표 응용으로, 분야가 바뀌어도 그대로 쓰는 셸(추론 엔진 · 설명 기능 · 지식 획득 도구)과 분야마다 갈아 끼우는 지식 베이스로 나뉘며, 의학 지식을 뺀 EMYCIN 셸 위에서 구조 해석 · 혈액 응고 · 폐 기능 상담 시스템이 만들어졌다(van Melle · Shortliffe · Buchanan 1984 15.4).
  2. 같은 자료를 보고도 판단이 사람마다 크게 흩어지는 분야에 기준 하나를 주려고 생겼다 — 1972년 한 병원의 항생제 처방 조사에서 전문가 패널이 합리적이라 본 처방은 13% 였고, MYCIN 은 1979년 맹검 평가에서 처방 65% 가 수용 가능으로 평가되어 교수 5명 평균 55.5% 보다 높았다(Buchanan · Shortliffe 1984 1장 · Yu 1984).
  3. 「결론이 이상하다」는 결론 순위가 틀렸는가, 결론 자체가 틀렸는가로 가른다 — 순위만 뒤집혔으면 같은 증거를 두 규칙에 나눠 센 확신도 결합을, 결론이 빠지거나 틀렸으면 규칙 내용과 답하지 못한 질문을 본다.

2등장 배경

1970년대 초 감염병 치료에서는 같은 환자 자료를 두고도 처방이 크게 갈렸다. 1,035명이 입원한 한 병원 조사에서 항생제를 받은 340명 가운데 감염 치료 목적은 35% 였고, 전문가 패널은 처방의 66% 를 명백히 비합리적이라고 판정했다(Roberts · Visconti 1972 · Buchanan · Shortliffe 1984 1장 재인용).

스탠퍼드는 1972년 무렵 MYCIN 을 시작했고(1973년 10월 첫 연구비 신청서의 「지난 1년 반」), 규칙이 약 500개까지 늘어난 이 시스템은 목표에서 거꾸로 규칙을 찾는 후방 연쇄로 필요한 것만 물었다(van Melle 1984 4.1.2 · 4.1.3). 「전문가 시스템」 · 「지식 공학」이라는 말은 1975년 무렵 널리 쓰이기 시작했고(Buchanan · Shortliffe 1984 1장 주 1), 1979년 van Melle 는 MYCIN 에서 분야와 무관한 핵심만 떼어 EMYCIN 셸로 발표했다(van Melle 1979).

셸과 지식 베이스를 나누는 구조는 지금 업무 규칙 엔진으로 남았다. OMG 는 업무 판단을 의사결정 표로 적는 DMN 을 2015년 9월 1.0 부터 2026년 9월 1.6 까지 냈고(OMG DMN 1.6), 판단 근거를 조항으로 보여야 하는 곳에서는 지금도 규칙이 학습 모델 옆에 놓인다.

3쉽게 이해하기 — 탐정 사무실의 수사 수첩

사설탐정 하윤은 은퇴한 선배가 30년 동안 적은 수사 수첩을 물려받았다. 「창고 유리가 깨졌다」는 의뢰가 오자 하윤은 용의자 둘을 먼저 세우고, 수첩에서 그 용의자를 가리키는 쪽지만 골라 필요한 단서를 거꾸로 찾는다. 모르는 단서는 이웃에게 묻고, 「반쯤 확실해요」라는 답에는 점수를 깎아 사건 메모에 적는다. 의뢰인이 「왜 그걸 묻죠?」 하면 그 질문이 걸린 쪽지를 펼쳐 보이고, 다음 달에는 수첩만 바꿔 화재 사건을 맡는다.

탐정 사무실 — 수첩 한 권과 탐정 한 명 은퇴한 선배 30년 수사 경험 도메인 전문가 수사 수첩 이러면 7할 지식 베이스 탐정 하윤 용의자부터 거꾸로 추론 엔진 사건 메모 답 · 용의자별 점수 작업 메모리 이웃 목격자 반쯤 확실해요 사용자 입력 의뢰인 왜 그걸 묻죠? 설명 기능 1 쪽지로 적기 2 3 묻기 4 답 · 반쯤 5 점수 적기 6 쪽지 보임 점선 = 셸 · 수첩은 밖에서 끼움 다음 달 = 화재 사건 수첩으로 바꿈 사람 규칙 · 추론 사실 · 메모 설명 점선 = 셸(바꾸지 않는 부분)

그림 1 · 하윤은 수첩의 쪽지로 용의자부터 거꾸로 단서를 묻고, 답의 확신만큼 점수를 매기며, 「왜?」에는 쓴 쪽지를 보여 준다 — 수첩만 바꾸면 같은 방식으로 다른 사건을 맡는다.

수첩 받기선배의 30년 쪽지
용의자 세우기둘을 먼저
쪽지 고르기그 용의자를 가리키는 것만
이웃에게 묻기반쯤이면 점수를 깎음
점수 합치기단서가 둘이면 더 높게
수첩 바꾸기다음 사건은 다른 수첩
비유 — 같은 수첩, 다른 순서 실제 — 전방 연쇄와 후방 연쇄 단서부터 다 묻기 ? ? ? ? ? ? 이웃에게 6번 · 사건과 먼 것까지 용의자부터 거꾸로 ? ? ? 점선 = 안 물음 3번만 · 용의자에 걸린 것 수첩(쪽지)은 그대로 · 묻는 순서만 다름 전방 연쇄 — 사실에서 결론으로 사실 전부 맞는 규칙 결론 여럿 주문 구성 R1 (McDermott 1980) 후방 연쇄 — 목표에서 질문으로 목표 하나 목표 규칙 모르는 것만 감염 상담 MYCIN (van Melle 1984 4.1.3) 같은 규칙 · 반대 방향 — 후방은 목표에 걸린 사실만 사용자에게 묻는다

그림 2 · 수첩은 같아도 단서부터 다 묻느냐 용의자부터 거꾸로 묻느냐에 따라 질문 수가 달라진다 — 실제로는 전방 연쇄와 후방 연쇄의 차이다.

비유 속 역할실제 이름실제로 하는 일
은퇴한 선배도메인 전문가 · 지식 획득면담으로 판단을 꺼내 규칙과 확신도로 옮긴다
쪽지 한 장 「이러면 7할」규칙 + 규칙 확신도(CF)「IF 전제 THEN 결론 CF 0.7」 한 줄
수사 수첩지식 베이스규칙과 매개변수 정의 전체 · 분야마다 바꿔 넣는다
용의자부터 거꾸로추론 엔진 · 후방 연쇄목표를 결론으로 가진 규칙부터 시도하고 모르는 전제는 하위 목표로
「반쯤 확실해요」사용자 입력 확신도답에 0 ~ 1 확신을 붙여 규칙 강도를 깎는다
사건 메모작업 메모리답 · 중간 결론 · 가설별 CF 를 담는다
「왜 그걸 묻죠?」설명 기능 WHY · HOW지금 질문이 걸린 규칙 · 결론을 만든 규칙 사슬을 보인다
수첩만 바꾸기셸(EMYCIN)추론 · 설명 · 획득 도구는 두고 지식 베이스만 바꾼다

⚠ 비유가 맞지 않는 곳: 탐정은 수첩에 없는 직감도 쓰지만 추론 엔진은 지식 베이스에 없는 규칙을 만들지 못한다. 또 실제 확신도 결합은 단서가 서로 독립이라고 가정하므로, 같은 목격자의 말을 쪽지 두 장에 나눠 적으면 점수가 부풀어 오른다.

4구조 — 셸과 지식 베이스의 분리

전문가 시스템은 두 시기에 다르게 쓰인다. 구축 때는 전문가와 지식 엔지니어가 지식 획득 도구로 규칙을 넣고, 상담 때는 사용자가 질문에 답하며 추론 엔진 · 설명 기능을 쓴다(van Melle · Shortliffe · Buchanan 1984 그림 15-1).

셸 (EMYCIN) — 분야가 바뀌어도 그대로 전문가 · 엔지니어 구축 때 규칙 입력 사용자 상담 때 질문에 답 지식 획득 도구 구문 검사 · 모순 · 포함 검사 설명 기능 WHY = 왜 묻나 · HOW = 어떻게 정했나 추론 엔진 목표 지향 후방 연쇄 · CF 계산 지식 베이스 규칙 + CF · 매개변수 분야마다 바꿔 넣음 작업 메모리 사례 자료 답 · 가설 CF 같은 셸 + 다른 지식 베이스 = SACON · CLOT · PUFF 답 · CF 근거 읽기 쓰기 사람 규칙 입력 · 검사 추론 설명 사례 자료 굵은 테두리 = 갈아 끼우는 부분

그림 3 · 점선 안의 셸은 분야가 바뀌어도 그대로이고, 지식 베이스만 갈아 끼운다 — 구축 때는 왼쪽 길로 규칙이 들어오고 상담 때는 오른쪽 길로 답과 근거가 오간다.

요소역할값 · 근거
지식 베이스규칙과 매개변수(무엇을 묻고 어떤 값을 갖나) 정의MYCIN 규칙 약 500개(van Melle 1984 4.1.2)
규칙 확신도전제가 모두 참일 때 결론을 믿는 정도CF −1 ~ +1 · CF = MB − MD(Shortliffe · Buchanan 1984 11.4)
추론 엔진목표를 결론으로 가진 규칙 목록을 미리 계산해 차례로 시도확실한 사슬(unity path)을 먼저 찾음 · 메타 규칙이 순서를 바꿈(4.1.4)
작업 메모리사례의 답 · 중간 결론 · 가설별 CF사용자는 답 뒤 괄호에 CF × 10 을 붙임 · 없으면 +1(11.6)
설명 기능WHY · HOW 질문에 규칙 사슬로 답규칙을 영어 문장으로 번역해 보임(4.1.2 · 4.2)
지식 획득 도구새 규칙의 매개변수 · 값 검사 · 기존 규칙과 대조같은 전제 다른 결론 = 모순 · 전제가 부분집합 = 포함(15.3.1)
셸분야와 무관한 부분 전체CLOT 규칙 약 60개 = 면담 약 10시간 + 입력 · 디버깅 약 10시간(15.4)

🔑 셸은 «어떻게» 추론하고 설명할지를, 지식 베이스는 «무엇을» 아는지를 맡는다 — 그래서 분야를 바꿀 때 다시 만드는 것은 프로그램이 아니라 규칙과 확신도다.

5동작 — 응답 지연 원인 상담의 후방 연쇄

설명용 가정 값으로 만든 「웹 서비스 응답 지연」 상담 규칙 R1 ~ R4 를 따라간다. 확신도는 Shortliffe · Buchanan 1984 의 결합 함수 1 · 2 · 4(11.5)와 0.9 덮기 규칙(11.6)으로 직접 계산했고, 모든 CF 가 양수라 CF = MB 로 셈한다. 관측 사실 「응답 지연」은 감시 도구가 확인해 CF 1.0 이다.

  1. 목표 설정 — 목표 「지연 원인」을 결론으로 가진 규칙 R1(→ 디스크 포화 · CF 0.7) · R3(→ DB 잠금 · 0.6) · R4(→ DB 잠금 · 0.4)를 꺼낸다.
  2. 하위 목표 · 질문 — R1 의 전제 「디스크 쓰기 대기 큼」은 모르는 값이라 이를 결론으로 가진 R2(CF 0.8)를 시도하고, R2 의 전제 「디스크 사용률 95% 이상」은 규칙이 없어 사용자에게 묻는다 — 답 「예 (9)」 = CF 0.9.
  3. 전제 확신도 전달 — R2 의 결론 「쓰기 대기 큼」 = 0.8 × 0.9 = 0.72(결합 함수 4).
  4. R1 강도 — 전제 AND = min(1.0, 0.72) = 0.72(결합 함수 2) → 디스크 포화 = 0.7 × 0.72 = 0.504 ≈ 0.50.
  5. R3 — 「잠금 대기 세션이 많은가」에 답 「예 (5)」 = 0.5 → DB 잠금 = 0.6 × min(1.0, 0.5) = 0.30.
  6. R4 · 결합 — 「1시간 안에 배포했는가」에 답 「예」(괄호 없음 = 1.0) → 0.40 · 같은 가설의 두 증거는 0.30 + 0.40 × (1 − 0.30) = 0.58 로 합친다(결합 함수 1).
  7. 결론 범위 — 높은 순(DB 잠금 0.58 · 디스크 포화 0.50)으로 더해 합 1.08 의 0.9 배인 0.972 를 넘을 때까지 남기므로 둘 다 권고에 넣는다(Shortliffe · Buchanan 1984 11.6).
  8. 설명 — 2단계 질문에 WHY 를 물으면 「R2 로 쓰기 대기를 밝히면 R1 로 원인을 정할 수 있다」를, DB 잠금에 HOW 를 물으면 R3(0.30) · R4(0.40) → 0.58 사슬을 보인다(van Melle 1984 4.2).
목표 — 지연 원인 1 관측 사실: 응답 지연 = 1.0 R1 · CF 0.7 → 디스크 포화 응답 지연 AND 쓰기 대기 큼 R3 · CF 0.6 → DB 잠금 응답 지연 AND 잠금 대기 많음 R4 · CF 0.4 → DB 잠금 1시간 안에 배포함 하위 목표 — 쓰기 대기 큼? R2 · CF 0.8 → 쓰기 대기 큼 디스크 사용률 95% 이상 Q1 사용률 95% 넘나요? 답 예 (9) → 0.9 2 Q2 잠금 대기 세션 많나요? 답 예 (5) → 0.5 Q3 1시간 안에 배포했나요? 답 예 → 1.0 3 쓰기 대기 큼 = 0.8 × 0.9 = 0.72 4 디스크 포화 = 0.7 × min(1.0, 0.72) = 0.50 5 DB 잠금(R3) = 0.6 × min(1.0, 0.5) = 0.30 6 DB 잠금 = 0.30 + 0.40 × (1 − 0.30) = 0.58 7 합 1.08 × 0.9 = 0.972 → 0.58 · 0.50 둘 다 남김 8 Q1 에서 WHY → 「R2 로 쓰기 대기를 밝혀 R1 에 쓰려고」 목표 · 결론 규칙(왼쪽 띠) 사용자 질문 점선 = 아직 모르는 하위 목표

그림 4 · 목표 하나에서 규칙 넷이 거꾸로 펼쳐지고, 규칙이 없는 전제만 질문 셋으로 바뀐다 — 답의 확신이 규칙 강도를 깎아 디스크 포화 0.50 · DB 잠금 0.58 이 된다.

사례 — 약한 증거 둘과 강한 하나 규칙 — 같은 0.40 증거를 거듭 더하기 1.0 0.5 0 남은 0.70 0.30 남은 0.42 +0.28 0.40 × 0.70 0.30 R1 하나 0.50 0.58 R3 만 R3 + R4 1.0 에 닿지 않음 1.0 0 0.40 0.64 0.78 0.87 0.92 0 1 2 3 4 5 더한 증거 수(각 CF 0.40) CF = x + y(1 − x) · 결합 함수 1 지금까지 확신도 새 증거가 더한 몫 남은 불신

그림 5 · 새 증거는 남은 불신에 비례해서만 확신도를 올린다 — 그래서 약한 증거 둘(0.30 · 0.40)이 강한 하나(0.50)를 넘을 수 있고, 같은 증거를 거듭 더해도 1.0 에는 닿지 않는다.

🔑 확신도 결합은 새 증거를 남은 불신에 곱해 더하므로, 결론 순위는 증거의 세기만큼 증거의 «개수»에도 달려 있다 — 같은 근원 증거를 규칙 둘로 나누면 그 가설이 부당하게 앞선다.

6비교 — 머신러닝 분류 · 의사결정 표 · LLM 과 RAG 상담

기준전문가 시스템머신러닝 분류 모델의사결정 표(DMN)LLM + RAG 상담
지식이 들어오는 길전문가 면담 → 규칙 + CF레이블 붙은 과거 사례업무 담당자가 표의 행으로사전 학습 + 검색한 문서
모르는 입력하위 목표로 바꿔 사용자에게 물음입력 특징이 다 있어야 함입력 값이 다 있어야 함대화로 묻지만 무엇을 물을지 고정 규칙 없음
불확실성규칙 · 답마다 CF −1 ~ +1학습된 점수 · 확률대개 맞음 · 안 맞음근거 문서 인용으로 대신
근거 보이기WHY · HOW 규칙 사슬사후 설명(특징 기여도)맞은 행가져온 문서 조각
고치는 단위규칙 한 줄(모순 · 포함 검사)재학습표의 행문서 추가 · 프롬프트

분석질문을 주고받으며 모르는 사실을 좁혀야 하고 결론마다 규칙 근거를 보여야 하면 전문가 시스템, 입력이 한 번에 다 주어지고 판단이 표 몇 장으로 끝나면 의사결정 표, 규칙을 적을 사람이 없고 사례가 쌓여 있으면 머신러닝 분류, 근거가 긴 문서에 흩어져 있으면 RAG 를 고른다. 근거는 표의 「모르는 입력」 행 — MYCIN 은 규칙으로 밝히지 못한 값만 물었고 답하지 못하면 그 규칙을 건너뛰었다(van Melle 1984 4.1.3).

7실무 진단 — 규칙 상담 결론의 단계 가르기

분석먼저 이상한 결론 하나에 HOW 를 물어 어느 규칙이 몇 점을 보탰는지 보고(확신도), 그 규칙들이 같은 근원 증거를 나눠 쓰는지 본 뒤(지식 베이스), 마지막에 질문 기록을 본다(추론). 결합 함수 1 은 증거가 독립이라고 가정해 종속된 증거를 한 규칙으로 묶으라고 요구하므로(Shortliffe · Buchanan 1984 11.5), 규칙을 하나씩 보면 모두 맞아 보여도 합친 순위는 틀릴 수 있다.

#증상의심 원인단계확인 자료판정 기준(근거)
1약한 증거가 많은 가설이 1위같은 근원 증거를 규칙 둘에 나눠 둠확신도HOW 사슬 · 규칙별 기여 CF종속 증거는 한 규칙의 전제로 묶음(11.5)
2새 규칙 뒤 다른 결론이 흔들림같은 매개변수에 모순 · 포함 규칙지식 베이스등록 때 의미 검사 결과같은 전제 다른 결론 = 모순 · 전제가 부분집합 = 포함(15.3.1)
3사용자가 「모름」 하면 결론이 비어 있음그 전제를 대신할 규칙 경로 없음지식 베이스답하지 못한 질문 목록답이 없으면 그 규칙은 무시됨(4.1.3)
4사건과 먼 질문이 먼저 나옴규칙 목록 순서 · 메타 규칙 없음추론질문 순서 · 그 질문의 WHY확실한 사슬 먼저 · 메타 규칙이 순서를 바꿈(4.1.4)
5개발자 시험은 통과했는데 현장 반발만든 사람이 직접 채점평가외부 전문가 맹검 평가표처방 출처를 가린 채 전문가 8명이 사례 10건 평가(Yu 1984)

8시험 대비

출제 정보 정보관리(93회, 72회, 69회)문제 원문 — 큐넷 자료실 「기출문제(기술사)」 www.q-net.or.kr

시험에서는 구성 요소와 일반 프로그램 · 학습 모델과의 차이를 쓰는 정의 · 특징형, 그리고 후방 연쇄로 질문을 만들고 확신도를 계산하는 동작 · 절차 설명형이 나올 수 있다. 정의형도 그림 3 의 셸 · 지식 베이스 분리를 한가운데 두고, 절차형은 그림 4 처럼 실제 CF 숫자로 끝까지 계산해 보이면 답이 «구성 나열»을 넘는다.

답안 목차
  1. 개요 — 정의 · 기호주의 AI 안의 위치 · 지식 공학(전문가 → 지식 엔지니어 → 지식 베이스)
  2. 구성 — 그림 3 셸 · 지식 베이스 분리(지식 획득 도구 · 추론 엔진 · 설명 기능 · 작업 메모리) + 요소 표
  3. 추론 방식 — 전방 연쇄 ↔ 후방 연쇄 차이 · 하위 목표 · 질문 생성
  4. 불확실성 처리 — 그림 4 사례(0.72 → 0.50 · 0.30 ⊕ 0.40 = 0.58) · 그림 5 결합 함수 1 그래프 · CF = MB − MD
  5. 설명 · 지식 획득 — WHY · HOW · 모순 · 포함 검사 · 셸 재사용(EMYCIN)
  6. 한계 · 비교 — 지식 획득 비용 · 증거 독립 가정 · 머신러닝 · 의사결정 표 · RAG 와의 선택 기준 표

꼭 쓸 키워드
지식 베이스추론 엔진셸후방 연쇄전방 연쇄확신도(CF)설명 기능지식 획득지식 엔지니어메타 규칙

다른 답안과 차이를 내는 한 가지는 그림 5 처럼 약한 증거 둘(0.58)이 강한 하나(0.50)를 넘는 계산을 보여 «확신도 결합의 독립 가정»까지 짚는 것이다.

9오해와 사실

  • 오해확신도가 가장 높은 결론 하나만 답으로 낸다.
    사실MYCIN 은 CF 가 근사일 뿐이라며 높은 순으로 더해 합이 전체의 0.9 배를 넘을 때까지 모두 덮는 처방을 골랐다(Shortliffe · Buchanan 1984 11.6) — 사례에서는 0.58 · 0.50 둘 다 남는다.
  • 오해확신도는 확률을 다르게 부르는 이름이다.
    사실CF = MB − MD 로 −1 ~ +1 사이 값이고(11.4), 가설끼리 합이 1 이 될 필요가 없다 — 사례의 두 가설은 합이 1.08 이다.
  • 오해분야를 바꿀 때마다 전문가 시스템을 처음부터 다시 짠다.
    사실EMYCIN 은 MYCIN 의 분야 독립 부분만 남긴 셸이고, 그 위에서 SACON · CLOT · PUFF 가 지식 베이스만 새로 넣어 만들어졌다(15.4).

10핵심 정리

구분맡는 일단위 · 값바뀌는 때흔한 실패
셸추론 · 설명 · 획득 도구 전체EMYCIN거의 안 바뀜분야에 맞지 않는 추론 방식
지식 베이스분야 지식규칙 + 매개변수분야 · 지식이 바뀔 때빠진 규칙 · 모순
후방 연쇄목표 → 규칙 → 하위 목표 → 질문목표 매개변수 하나상담마다먼 질문을 먼저 함
확신도(CF)결론을 믿는 정도−1 ~ +1 · 규칙 × min(전제)답 하나마다종속 증거를 두 번 셈
설명 기능질문 · 결론의 근거WHY · HOW · 규칙 사슬사용자가 물을 때규칙 문장이 읽히지 않음
지식 획득 도구규칙 입력 검사구문 · 모순 · 포함규칙을 넣을 때검사 없이 넣은 규칙 충돌
작업 메모리사례 자료답 + CF상담 중 계속모름 답으로 결론 공백

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ The Structure of the MYCIN System (Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project, Chapter 4) — 규칙 표현 · 목표 지향 후방 연쇄 · WHY · HOW 설명 기능의 원래 설계를 볼 때
    Addison-Wesley (저자 공개본 · Columbia University DBMI) · 1984-01 · people.dbmi.columbia.edu/shortliffe/Buchanan-Shortliffe-1984/Chapter-04.pdf · 확인 2026-11-12
  3. ★ A Model of Inexact Reasoning in Medicine (Rule-Based Expert Systems Chapter 11 · 원 논문 Mathematical Biosciences 23 1975) — 확신도 CF = MB − MD 정의와 결합 함수 1 ~ 4 · 독립 가정을 볼 때
    Addison-Wesley (저자 공개본 · Columbia University DBMI) · 1984-01 · people.dbmi.columbia.edu/shortliffe/Buchanan-Shortliffe-1984/Chapter-11.pdf · 확인 2026-11-12
  4. ★ EMYCIN: A Knowledge Engineer's Tool for Constructing Rule-Based Expert Systems (Rule-Based Expert Systems Chapter 15) — 셸과 지식 베이스의 분리 · 규칙 입력 때 모순 · 포함 검사를 볼 때
    Addison-Wesley (저자 공개본 · Columbia University DBMI) · 1984-01 · people.dbmi.columbia.edu/shortliffe/Buchanan-Shortliffe-1984/Chapter-15.pdf · 확인 2026-11-12
  5. ★ An Evaluation of MYCIN's Advice (Rule-Based Expert Systems Chapter 31 · 원 논문 JAMA 242(12) 1979) — 독립 전문가 맹검 평가를 어떻게 짰는지 볼 때
    Addison-Wesley (저자 공개본 · Columbia University DBMI) · 1984-01 · people.dbmi.columbia.edu/shortliffe/Buchanan-Shortliffe-1984/Chapter-31.pdf · 확인 2026-11-12
  6. 본문 근거
  7. The Context of the MYCIN Experiments (Rule-Based Expert Systems Chapter 1) — Addison-Wesley (저자 공개본 · Columbia University DBMI) · 1984-01 · people.dbmi.columbia.edu/shortliffe/Buchanan-Shortliffe-1984/Chapter-01.pdf · 확인 2026-11-12
  8. A Domain-Independent Production-Rule System for Consultation Programs (IJCAI-79 Proceedings 923-925) — IJCAI (서지 = ML Anthology) · 1979-08 · mlanthology.org/ijcai/1979/vanmelle1979ijcai-domain · 확인 2026-11-12
  9. The Art of Artificial Intelligence: I. Themes and case studies of knowledge engineering (IJCAI-77 Proceedings) — IJCAI · 1977-08 · www.ijcai.org/Proceedings/77-2/Papers/092.pdf · 확인 2026-11-12
  10. R1: an Expert in the Computer Systems Domain (AAAI-80 Proceedings) — AAAI · 1980-08 · cdn.aaai.org/AAAI/1980/AAAI80-076.pdf · 확인 2026-11-12
  11. Decision Model and Notation (DMN) Version 1.6 — Object Management Group · 2026-09 · www.omg.org/spec/DMN/ · 확인 2026-11-12