AI › 인공지능 개요

기호주의 AISymbolic Artificial Intelligence

지식을 사람이 읽을 수 있는 기호와 규칙으로 적고, 추론 엔진이 그 규칙을 사실에 적용해 결론과 근거를 함께 내는 인공지능 분야다.

1요약

  1. 기호주의 AI 는 AI 기초 가운데, 지식을 사람이 읽는 기호와 규칙으로 적고 추론 엔진이 그 규칙을 사실에 적용하는 것으로, Newell · Simon(1976)의 물리 기호 시스템 가설을 바탕으로 Production Rule · 전문가 시스템 · 퍼지 이론이 이 위에서 돈다.
  2. 규칙은 전문가에게서 손으로 옮겨 적어야 해 지식 획득이 가장 큰 비용이다 — 1980년 주문 구성 시스템 R1 은 규칙 772개로 동작했지만 50건 검증에서 잘못된 지식 12개가 드러났다(McDermott 1980).
  3. 「규칙 시스템이 엉뚱한 답을 낸다」는 지식 · 추론 · 퍼지 세 단계로 가른다 — 규칙 내용이 틀렸는가, 맞는 규칙이 다른 순서로 실행됐는가, 경계 값에서 조건 판정이 뒤집혔는가다.

2등장 배경

1955년 McCarthy · Minsky · Rochester · Shannon 은 다트머스 여름 연구 제안서에서 「학습과 지능의 모든 면은 원리적으로 기계가 흉내 낼 수 있을 만큼 정확히 기술할 수 있다」는 추측을 내걸었다(McCarthy 1955). 1976년 Newell · Simon 은 기호를 만들고 바꾸는 시스템이 일반 지능 행동의 필요충분 수단이라는 물리 기호 시스템 가설로 이 접근을 정리했다(Newell · Simon 1976).

범용 탐색만으로는 실제 문제가 풀리지 않았다. 1972년 7월 영국 과학연구회에 낸 Lighthill 보고서는 기대에 못 미친 공통 원인으로 조합 폭발을 들었다(Lighthill 1972). 1965년 시작한 DENDRAL 을 거친 Feigenbaum 은 「힘은 지식에 있다」며 전문가 지식을 규칙으로 옮기는 지식 공학을 내세웠고(Feigenbaum 1977 2.2 · 3.1), 후방 연쇄로 진단하는 MYCIN · 전방 연쇄로 주문을 구성하는 R1 이 뒤따랐다(Feigenbaum 1977 3.3 · McDermott 1980).

모호한 조건은 1965년 Zadeh 의 퍼지 집합(Zadeh 1965)이 맡았고, 1975년 Mamdani · Assilian 의 퍼지 논리 제어기 실험으로 규칙과 결합했다(Mamdani · Assilian 1975). 1982년 Forgy 의 Rete 는 사실이 바뀐 부분만 다시 맞추는 매칭을 냈고(Forgy 1982), 1985년 NASA 존슨 우주센터에서 시작한 규칙 언어 CLIPS 는 2025년 1월 6.4.2 가 나왔다(CLIPS 6.4.2 서문).

3쉽게 이해하기 — 정비소 상담 창구의 카드 묶음

정비소 상담 창구에 새로 앉은 견습생 수아는 30년 차 최 반장이 써 준 카드 묶음을 받는다. 카드마다 「뜨겁고 떨리면 베어링부터 의심하라」처럼 «이러면 저렇게» 한 줄이 적혀 있다. 손님이 「모터가 꽤 뜨겁고 덜덜 떨린다」고 하면 수아는 칠판에 증상을 적고, 눈금자로 «꽤 뜨겁다»가 어느 정도인지 잰 뒤, 맞는 카드 가운데 가장 확실한 것부터 따른다. 손님이 「왜?」라고 물으면 쓴 카드를 순서대로 읽어 준다.

정비소 상담 창구 전문가 시스템 최 반장 30년 경험 도메인 전문가 카드 묶음 이러면 저렇게 Production Rule 칠판 증상 · 중간 결론 작업 메모리 견습생 수아 맞추고 · 고르고 · 실행 추론 엔진 손님 꽤 뜨겁고 떨림 사용자 눈금자 꽤 뜨겁다 = 0.75 퍼지 소속도 1 카드를 씀 2 증상 3 정도 4 고르기 읽기 5 결론 적기 설명 기능 6 사람 규칙 · 추론 사실 정도(0 ~ 1) 설명 점선 테두리 = 전문가 시스템 전체

그림 1 · 반장이 쓴 카드를 수아가 칠판의 증상과 눈금자의 정도에 맞춰 고르고, 손님의 「왜?」에는 쓴 카드를 읽어 준다.

카드 쓰기반장이 경험을 한 줄씩
칠판에 적기손님이 말한 증상
눈금 재기꽤 뜨겁다 = 0.75
카드 고르기맞는 것 중 확실한 것부터
다시 보기새로 적은 결론으로
이유 말하기쓴 카드를 읽어 줌
비유 — 눈금자로 재고 카드에 넣기 실제 — 소속 함수와 규칙 강도 뜨거움 눈금자 70 ~ 90 °C 85 °C → 0.75 0 1 떨림 눈금자 3 ~ 7 mm/s 5.0 → 0.50 0 1 작은 값을 가져감 카드 — 뜨겁고 떨리면 베어링 의심 두 눈금 가운데 작은 값만큼 믿는다 믿음 0.50 소속도 μ 1 0 높음 0.75 정상 0.33 70 75 85 90 온도 °C 온도 높음 온도 정상 규칙 A — 높음(0.75) AND 진동 큼(0.50) AND = min → 강도 0.50 (Zadeh 1965)

그림 2 · 눈금자 두 개 가운데 작은 값이 카드의 믿음이 된다 — 실제로는 소속 함수가 0 ~ 1 정도를 내고 AND 가 min 으로 규칙 강도를 정한다.

비유 속 역할실제 이름실제로 하는 일
최 반장도메인 전문가 · 지식 공학면담으로 경험을 꺼내 규칙으로 옮긴다(지식 획득)
카드 한 장Production Rule「IF 조건 THEN 행동」 한 줄
카드 묶음지식 베이스규칙 전체 · 문제 분야마다 바꿔 넣는다
칠판작업 메모리지금 사실과 중간 결론을 담는다
견습생 수아추론 엔진맞추기 → 하나 고르기 → 실행을 되풀이한다
눈금자퍼지 소속 함수「꽤 뜨겁다」를 0 ~ 1 사이 정도로 바꾼다
「왜?」에 답하기설명 기능결론을 만든 규칙 사슬을 보여 준다
상담 창구 전체전문가 시스템위 요소를 묶어 한 분야의 판단을 맡는다

⚠ 비유가 맞지 않는 곳: 수아는 카드에 없는 상황도 짐작하지만 추론 엔진은 지식 베이스에 없는 규칙을 스스로 만들지 못한다. 또 실제 시스템은 카드 수백 장(R1 은 772개)을 사실이 바뀔 때마다 다시 맞춰 본다.

4구조 — 지식 베이스 · 추론 엔진 · 소속 함수의 분담

Production Rule · 전문가 시스템 · 퍼지 이론 셋은 한 시스템 안에서 맡는 단계가 다르다. Production Rule 은 지식을 적는 단위이고, 전문가 시스템은 그 규칙들을 추론 엔진 · 작업 메모리 · 설명 기능과 묶은 전체이며, 퍼지 이론은 조건이 맞는 정도를 0 ~ 1 로 판정한다.

전문가 시스템 = 지식 베이스 + 추론 엔진 + 작업 메모리 + 설명 기능 지식 획득 전문가 면담 → 규칙 작업 메모리 사실 · 중간 결론 사용자 사실 입력 · 질문 지식 베이스 IF 조건 THEN 행동 규칙 수십 ~ 수백 개 Production Rule 추론 엔진 매칭 → 갈등 해소 → 실행 전방 연쇄 · 후방 연쇄 설명 기능 어떻게 · 왜 질문 쓴 규칙 사슬을 보임 퍼지 이론 소속도 0 ~ 1 · min · max 조건이 «얼마나» 맞는지 추론 엔진에 넘김 공통 바탕 물리 기호 시스템 가설 사람 사실 규칙 · 추론 설명 조건 정도 회색 선 = 읽기 · 검은 선 = 쓰기 · 넘김

그림 3 · 전문가 시스템 안에서 지식 베이스(Production Rule)는 무엇을 할지를, 추론 엔진은 어느 것을 먼저 할지를 맡고, 퍼지 이론은 아래에서 조건이 맞는 정도를 넘긴다.

하위 이름푸는 문제지식 단위판정 방식대표 시스템 · 도구
Production Rule「이러면 저렇게」 판단을 한 단위로 적음IF 조건 THEN 행동조건이 사실과 맞으면 활성OPS4 · CLIPS defrule
전문가 시스템한 분야 전문가의 판단을 프로그램으로지식 베이스 + 추론 엔진 + 설명 기능전방 연쇄(R1) · 후방 연쇄(MYCIN)DENDRAL · MYCIN · PUFF · R1
퍼지 이론「높다 · 크다」 같은 모호한 조건소속 함수 μ(x) ∈ [0, 1]AND = min · OR = max(Zadeh 1965)퍼지 논리 제어기(Mamdani · Assilian 1975)

규칙 수는 시스템마다 크게 다르다 — 폐 기능 진단 PUFF 는 규칙 55개를 사례 100건에서 뽑았고(Feigenbaum 1977 서두), 주문 구성 R1 은 규칙 772개와 부품 420종 정보로 동작했다(McDermott 1980).

🔑 퍼지 이론은 조건이 «얼마나» 맞는지를, Production Rule 은 맞으면 «무엇을» 할지를, 추론 엔진은 맞은 규칙 가운데 «어느 것을 먼저» 할지를 맡는다.

5동작 — 모터 과열 진단 규칙 다섯 개의 실행

설명용 가정 값으로 만든 모터 과열 진단 규칙 A ~ E 를 CLIPS 6.4.2 의 실행 주기(5.2절)와 salience 규칙(5.4.10절)대로 따라간다. 소속도는 사다리꼴 소속 함수와 AND = min(Zadeh 1965)으로 직접 계산했고, 강도 × 100 을 정수 salience 로 쓰는 것은 이 사례의 설계다(CLIPS 범위 −10000 ~ +10000).

  1. 사실 입력 — 작업 메모리에 권선 온도 85 °C · 진동 속도 5.0 mm/s · 부하율 95 % 가 들어온다(가정 값).
  2. 퍼지화 — 온도 높음(70 → 0 · 90 → 1) 0.75 · 온도 정상(75 → 1 · 90 → 0) 0.33 · 진동 큼(3 → 0 · 7 → 1) 0.50 · 부하 과다(80 → 0 · 100 → 1) 0.75 를 얻는다.
  3. 매칭 — 규칙 A(높음 AND 진동 큼 → 원인 베어링) = min(0.75, 0.50) = 0.50 · 규칙 B(높음 AND 부하 과다 → 원인 과부하) = 0.75 · 규칙 C(정상 → 정상 운전) = 0.33 이고, 활성 기준 0.40 을 넘은 A · B 만 agenda 에 오른다.
  4. 갈등 해소 — salience 75 인 B 가 50 인 A 위에 놓여 먼저 실행되고(CLIPS 5.3절 a), 작업 메모리에 「원인 = 과부하 0.75」가 더해진다.
  5. 연쇄 1 — 새 사실이 규칙 D(원인 과부하 → 권고)를 salience 75 로 활성화해 A 위에 놓고, D 가 「부하 20 % 감소 · 10분 뒤 재측정」 권고를 쓴다.
  6. 연쇄 2 — 남은 A 가 실행되어 「원인 = 베어링 0.50」이 더해지고, 이 사실로 활성된 규칙 E 가 「진동 스펙트럼 측정」 권고를 쓴다.
  7. 정지 · 설명 — agenda 가 비어 실행이 멈추고(CLIPS 5.2절 a) 발화는 B · D · A · E 4번이며, 「왜 부하를 줄이나」에는 D ← B ← 온도 높음 0.75 · 부하 과다 0.75 사슬을 보인다.
1 사실 입력 온도 85 °C 진동 5.0 mm/s 부하 95 % 2 퍼지화 높음 0.75 · 정상 0.33 진동 큼 0.50 부하 과다 0.75 3 매칭 A = min(0.75, 0.50) A 0.50 · B 0.75 기준 0.40 4 갈등 해소 B 75 › A 50 B 실행 원인 = 과부하 0.75 5 연쇄 1 D 활성 75 › A 50 D 실행 → 권고 1 부하 20 % 감소 6 연쇄 2 A 실행 → 베어링 E 실행 → 권고 2 진동 스펙트럼 측정 7 정지 · 설명 agenda 빔 · 발화 4번 권고 1 ← D ← B ← 온도 · 부하 0.75 3 에서 빠진 규칙 C 정상 → 정상 운전 강도 0.33 기준 0.40 미만 사실 조건 정도 규칙 · 추론 설명 점선 = 활성되지 않은 규칙

그림 4 · 사실 셋이 퍼지화 · 매칭 · 갈등 해소를 거쳐 규칙 넷을 차례로 실행하고, 마지막에 결론을 만든 규칙 사슬이 설명으로 남는다.

인식-행동 주기마다 다시 짜이는 agenda agenda(왼쪽 = 먼저 · salience) 실행 작업 메모리에 더해짐 주기 1 B · 75 A · 50 B 실행 원인 = 과부하 0.75 주기 2 D · 75 A · 50 D 실행 권고 1 부하 감소 주기 3 A · 50 A 실행 원인 = 베어링 0.50 주기 4 E · 50 E 실행 권고 2 스펙트럼 측정 주기 5 빈 agenda 정지 발화 합계 4번 굵은 테두리 = 이번 주기에 새로 활성 실행한 규칙 새 사실 · 결론

그림 5 · 규칙 B 의 결론이 다음 주기에 규칙 D 를 agenda 맨 앞에 올려, 먼저 활성된 A 보다 D 가 먼저 실행된다.

🔑 실행 순서는 규칙을 적은 순서가 아니라, 사실이 바뀔 때마다 다시 짜이는 agenda 가 정한다 — 그래서 규칙 하나를 더하면 다른 규칙의 실행 시점까지 바뀐다.

6비교 — 머신러닝 · 딥러닝 · LLM · AI 에이전트와의 경계

기술맡는 일지식이 들어오는 길경계넘기는 곳
기호주의 AI규칙 · 사실로 추론하고 근거 사슬을 보임전문가 면담 → 규칙(PUFF 규칙 55개 · 면담 50시간 미만)규칙으로 적을 수 있는 판단까지사람이 규칙을 적지 못하는 패턴 인식 → 머신러닝
머신러닝표 형태 특징으로 파라미터를 맞춤레이블 붙은 표본 · 검증 세트사람이 특징을 정할 수 있는 데이터원자료 표현 학습 → 딥러닝
딥러닝이미지 · 음성 · 문장에서 계층적 표현을 배움대량 표본 · 역전파판단 근거를 조항으로 읽기 어려움명문화된 판정 규칙 검사 → 기호주의 AI
LLM자연어 이해 · 생성사전 학습 말뭉치 · 미세 조정출력 사실을 스스로 보증하지 않음여러 단계 실행 · 도구 호출 → AI 에이전트
AI 에이전트목표를 받아 도구를 부르며 단계별 실행LLM + 도구 정의 · 실행 결과계획과 실행허용 동작 · 승인 조건 같은 고정 정책 → 규칙 엔진

분석판단 근거를 조항 단위로 보여야 하고 그 조항이 전문가 경험 · 사양으로 이미 정리돼 있으면 기호주의 AI 를, 규칙을 적을 수 없고 표본이 쌓여 있으면 머신러닝 · 딥러닝을 고르며, 둘을 함께 쓰면 학습 모델의 출력을 규칙이 검사하는 순서로 잇는다. 근거는 표의 「지식이 들어오는 길」 열 — R1 의 규칙 772개는 사람이 썼고(McDermott 1980), MYCIN 은 결론을 만든 규칙을 「어떻게」 질문에 그대로 보였다(Feigenbaum 1977 3.3).

7실무 진단 — 규칙 시스템 오답의 단계 가르기

분석먼저 (watch rules) 로 실제 발화 순서를 기록하고(추론), 결론을 만든 규칙의 내용을 본 다음(지식), 마지막에 그 규칙의 조건 판정 값을 본다(퍼지). 같은 salience 안의 순서는 전략이 정하고 그래도 못 정하면 임의로 놓이므로(CLIPS 5.3절 c), 발화 기록 없이 규칙부터 고치면 순서 문제와 내용 문제를 가를 수 없다.

#증상의심 원인단계확인 명령(CLIPS)판정 기준(근거)
1같은 입력에서 실행할 때마다 결론 순서가 다름같은 salience 규칙의 순서를 전략 · 임의 순서에 맡김추론(agenda) · (get-strategy)같은 salience 사이 순서는 전략이 정함 · 기본 depth(CLIPS 5.3절)
2실행이 끝나지 않음규칙 실행이 자기 조건을 다시 만족하는 사실을 만듦추론(watch rules) · (run 100)같은 규칙이 연달아 되풀이 발화하면 반복 고리 · 발화 한도로 멈춤(CLIPS 5.2절 a)
3같은 사실에 서로 모순된 결론 둘조건이 같고 결론이 다른 규칙 둘지식(matches <규칙 이름>)두 규칙이 같은 사실 묶음으로 활성되면 충돌(CLIPS 13.6.4절)
479.9 °C 와 80.1 °C 에서 결론이 뒤집힘날카로운 경계 값 하나로 조건 판정퍼지경계 양쪽 입력으로 규칙 강도 비교소속도가 0 ~ 1 사이에서 연속으로 바뀌어야 함(Zadeh 1965)
5사실이 늘수록 한 주기가 느려짐주기마다 모든 규칙 · 사실을 다시 비교추론(watch activations) · 사실 수 대비 주기 시간바뀐 사실만 다시 맞추는 Rete 계열 매칭인지 확인(Forgy 1982)

salience 를 많이 쓰면 그 값들 사이의 관계가 다시 읽기 어려운 순서가 된다 — CLIPS 안내서는 잘 짠 프로그램에서 salience 값이 5 ~ 10개를 넘는 일이 드물다고 적는다(CLIPS 5.3절).

8시험 대비

시험에서는 전문가 시스템의 구성 요소와 기호주의 · 학습 기반 접근의 차이를 쓰는 정의 · 특징형, 그리고 Production Rule 이 추론 엔진에서 매칭 → 갈등 해소 → 실행으로 도는 순서와 전방 · 후방 연쇄를 쓰는 동작 · 절차 설명형이 나올 수 있다. 퍼지 이론을 함께 묻는 문제는 소속 함수와 min · max 연산을 숫자로 보이면 답이 «정의» 수준을 넘는다.

답안 목차
  1. 개요 — 정의 · 물리 기호 시스템 가설(Newell · Simon 1976) · 머신러닝과의 차이(지식을 적는가 · 배우는가)
  2. 구성 요소 — 그림 3 하위 지도(지식 베이스 · 작업 메모리 · 추론 엔진 · 설명 기능 · 지식 획득) + 하위 토픽 표
  3. 추론 절차 — 그림 4 사례 흐름(퍼지화 0.75 · 0.50 → 매칭 → 갈등 해소 → 발화 4번) · 전방 · 후방 연쇄 차이
  4. 갈등 해소 — 그림 5 주기별 agenda · salience · depth 전략 · Rete 매칭
  5. 불확실성 처리 — 퍼지 소속 함수 · AND = min · OR = max · 규칙 확신 정도
  6. 한계와 현재 — 지식 획득 비용(R1 잘못된 지식 12개) · 조합 폭발(Lighthill 1972) · 학습 모델 출력의 규칙 검사

꼭 쓸 키워드
물리 기호 시스템 가설지식 베이스추론 엔진전방 연쇄후방 연쇄갈등 해소Rete소속 함수설명 기능지식 획득

다른 답안과 차이를 내는 한 가지는 그림 5 처럼 주기마다 agenda 가 바뀌는 모습을 그려 «규칙을 적은 순서 ≠ 실행 순서»를 보이는 것이다.

9오해와 사실

  • 오해전문가 시스템은 규칙을 적힌 순서대로 실행한다.
    사실CLIPS 는 활성 규칙을 salience 와 갈등 해소 전략(기본 depth)으로 agenda 에 놓고 맨 위부터 실행하며, 규칙 정의 순서에는 기대면 안 된다고 적는다(CLIPS 5.3절).
  • 오해퍼지 소속도는 확률을 다르게 부르는 이름이다.
    사실소속도는 값이 집합에 속하는 정도이고(Zadeh 1965), 사례의 85 °C 는 높음 0.75 · 정상 0.33 으로 합이 1.08 이어도 된다.
  • 오해규칙 시스템은 규칙만 다 넣으면 틀리지 않는다.
    사실R1 은 1979년 10 ~ 11월 50건 검증에서 잘못된 지식 12개가 드러나 규칙을 고친 뒤에야 모두 맞게 구성했다(McDermott 1980).

10핵심 정리

구분맡는 일지식 단위판정 값대표 예흔한 실패
기호주의 AI기호 · 규칙으로 추론기호 구조참 · 거짓 · 정도물리 기호 시스템 가설조합 폭발
Production Rule조건 → 행동IF … THEN 규칙 하나조건 일치R1 규칙 772개규칙 충돌
작업 메모리지금 사실 · 중간 결론사실(fact)시간 태그CLIPS fact-list지난 사실이 남음
추론 엔진매칭 · 갈등 해소 · 실행활성 규칙(agenda)salience −10000 ~ +10000CLIPS depth 전략 · Rete순서 의존
전문가 시스템진단 · 구성 · 설명지식 베이스 전체결론 + 규칙 사슬DENDRAL · MYCIN · PUFF지식 획득 비용
퍼지 이론모호한 조건의 정도소속 함수0 ~ 1 · min · max퍼지 논리 제어기 1975소속 함수를 근거 없이 정함

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ The Art of Artificial Intelligence: I. Themes and case studies of knowledge engineering (IJCAI-77 Proceedings) — 지식 공학 · DENDRAL · MYCIN · PUFF 의 규칙 · 설명 기능을 한 번에 볼 때
    IJCAI · 1977-08 · www.ijcai.org/Proceedings/77-2/Papers/092.pdf · 확인 2026-11-09
  3. ★ R1: an Expert in the Computer Systems Domain (AAAI-80 Proceedings) — 규칙 772개 전문가 시스템의 인식-행동 주기 · 검증 결과를 볼 때
    AAAI · 1980-08 · cdn.aaai.org/AAAI/1980/AAAI80-076.pdf · 확인 2026-11-09
  4. ★ CLIPS Reference Manual Volume I Basic Programming Guide Version 6.4.2 — 규칙 실행 주기(5.2) · 갈등 해소 전략(5.3) · salience(5.4.10)를 따라 해 볼 때
    CLIPS Project · 2025-01 · www.clipsrules.net/documentation/v642/bpg642.pdf · 확인 2026-11-09
  5. ★ Fuzzy sets (Information and Control 8(3) 338-353) — 소속 함수와 합집합 max · 교집합 min 정의의 원전을 볼 때
    Elsevier · 1965-06 · doi.org/10.1016/S0019-9958(65)90241-X · 확인 2026-11-09
  6. 본문 근거
  7. Computer science as empirical inquiry: symbols and search (Communications of the ACM 19(3) 113-126) — ACM · 1976-03 · doi.org/10.1145/360018.360022 · 확인 2026-11-09
  8. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence (http 전용 jmc.stanford.edu/articles/dartmouth/dartmouth.pdf) — Stanford University (John McCarthy 보관본) · 1955-08 · 확인 2026-11-09
  9. Artificial Intelligence: A General Survey (Lighthill Report) — Science Research Council (Chilton Computing 보관본) · 1972-07 · www.chilton-computing.org.uk/inf/literature/reports/lighthill_report/p001.htm · 확인 2026-11-09
  10. An experiment in linguistic synthesis with a fuzzy logic controller (International Journal of Man-Machine Studies 7(1) 1-13) — Elsevier · 1975-01 · doi.org/10.1016/S0020-7373(75)80002-2 · 확인 2026-11-09
  11. Rete: A fast algorithm for the many pattern/many object pattern match problem (Artificial Intelligence 19(1) 17-37) — Elsevier · 1982-09 · doi.org/10.1016/0004-3702(82)90020-0 · 확인 2026-11-09
  12. R1: A rule-based configurer of computer systems (Artificial Intelligence 19(1) 39-88) — Elsevier · 1982-09 · doi.org/10.1016/0004-3702(82)90021-2 · 확인 2026-11-09