ทันเอไอ

연구진, 인간 수준의 인지와 문제 해결 능력을 갖춘 신경기호적(Neuro-Symbolic) AGI 로봇을 위한 새로운 논리 체계 제안

최근 발표된 연구는 신경망의 학습 능력과 4값 논리 체계 기반의 기호적 추론을 결합하여 인간에 가까운 범용 인공지능(AGI)을 구현하는 새로운 접근 방식을 제시함

연구팀은 인간과 대등하거나 능가하는 지능을 가진 AGI(Artificial General Intelligence) 개발을 위한 새로운 논문을 발표했다. 이번 연구의 핵심은 로봇이 마치 인간처럼 사고하고, 문제를 해결하며, 학습하고 계획할 수 있는 능력을 갖추도록 하는 데 있다.

이 연구의 핵심은 신경망(Neural)과 기호적(Symbolic) AI의 장점을 결합한 '신경기호적 AI(Neuro-Symbolic AI)'에 있다. 방대한 데이터에서 학습하는 신경망의 강점과 명확한 규칙 기반의 논리적 추론을 수행하는 기호적 AI를 결합함으로써, 현재 AI의 약점인 판단 근거의 해석 가능성(Interpretability)과 논리 구조 문제를 해결하고자 한다.

연구진은 AGI 로봇의 기호적 측면을 뒷받침할 핵심으로 '내포적 다분류 일차 논리(Intensional many-sorted First-order Logic, IFOL)'를 제안했다. IFOL은 기존의 '참'과 '거짓'만 존재하는 이분법적 논리를 넘어, Belnap의 이격자(bilattice)를 도입해 4단계의 진릿값을 가진다. 이를 통해 현실 세계에서 흔히 발생하는 불완전한 지식이나 모순된 상황, 미지수 등을 더 효과적으로 처리할 수 있다.

나아가 이 연구는 시스템이 미지의 정보에 대해 확률을 계산할 수 있도록 확장하는 것을 목표로 한다. 이러한 접근은 로봇이 데이터가 부족한 상황에서도 합리적인 결정을 내릴 수 있게 해주며, 미래 AGI 로봇의 두뇌 구조를 위한 중요한 이론적 토대가 될 것으로 기대된다.