인공지능 1 : 현대적 접근방식

CHAPTER 1 소개 1
1.1 인공지능이란 무엇인가? 2
1.2 인공지능의 기반 학문 6
1.3 인공지능의 역사 20
1.4 인공지능의 현재 수준 35
1.5 요약 37
연습문제 39

CHAPTER 2 지능적 에이전트 43
2.1 에이전트와 환경 44
2.2 좋은 행동: 합리성 개념 46
2.3 환경의 본성 51
2.4 에이전트의 구조 58
2.5 요약 73
연습문제 76

CHAPTER 3 검색을 통한 문제 해결 79
3.1 문제 해결 에이전트 80
3.2 문제의 예 86
3.3 해답의 검색 92
3.4 정보 없는 검색 전략 99
3.5 정보 있는(발견법적) 검색 전략들 112
3.6 발견법적 함수 124
3.7 요약 131
연습문제 138

CHAPTER 4 고급 검색 기법 147
4.1 국소 검색 알고리즘과 최적화 문제 148
4.2 연속 공간의 국소 검색 158
4.3 비결정론적 동작들을 수반한 검색 162
4.4 부분 관찰 가능 환경의 검색 168
4.5 온라인 검색 에이전트와 미지 환경 178
4.6 요약 186
연습문제 191

CHAPTER 5 대항 검색 195
5.1 게임 195
5.2 게임의 최적 결정 198
5.3 알파베타 가지치기 202
5.4 불완전한 실시간 결정 207
5.5 확률론적 게임 214
5.6 부분 관찰 가능 게임 218
5.7 최고 수준의 게임 플레이 프로그램들 224
5.8 대안 접근방식들 227
5.9 요약 229
연습문제 237

CHAPTER 6 제약 만족 문제 245
6.1 제약 만족 문제의 정의 246
6.2 제약 전파: CSP의 추리 252
6.3 CSP를 위한 역추적 검색 260
6.4 CSP를 위한 국소 검색 267
6.5 문제의 구조 269
6.6 요약 275
연습문제 280

CHAPTER 7 논리적 에이전트 285
7.1 지식 기반 에이전트 286
7.2 웜푸스 세계 288
7.3 논리 292
7.4 명제 논리: 아주 간단한 논리 296
7.5 명제 정리 증명 303
7.6 효과적인 명제 모형 점검 316
7.7 명제 논리에 기초한 에이전트 322
7.8 요약 333
연습문제 340

CHAPTER 8 1차 논리 347
8.1 표현의 재고찰 348
8.2 1차 논리의 구문과 의미론 353
8.3 1차 논리의 활용 366
8.4 1차 논리의 지식 공학 374
8.5 요약 381
연습문제 384

CHAPTER 9 1차 논리의 추리 393
9.1 명제 추리 대 1차 추리 394
9.2 단일화와 승격 397
9.3 전방 연쇄 403
9.4 후방 연쇄 412
9.5 분해 421
9.6 요약 435
연습문제 440

CHAPTER 10 고전적 계획 수립 447
10.1 고전적 계획 수립의 정의 448
10.2 상태 공간 검색으로서의 계획 수립을 위한 알고리즘 455
10.3 계획 수립 그래프 463
10.4 그밖의 고전적 계획 수립 접근방식 472
10.5 계획 수립 접근방식들의 분석 478
10.6 요약 480
연습문제 484

CHAPTER 11 실세계에서의 계획 수립과 실행 489
11.1 시간, 일정, 자원 490
11.2 계통적 계획 수립 495
11.3 비결정론적 정의역에서의 계획 수립과 실행 506
11.4 다중 에이전트 계획 수립 518
11.5 요약 525
연습문제 531

CHAPTER 12 지식 표현 533
12.1 존재론 공학 534
12.2 범주와 객체 536
12.3 사건 544
12.4 정신적 사건과 정신적 객체 550
12.5 범주에 대한 추론 시스템 554
12.6 기본 정보를 이용한 추론 560
12.7 인터넷 쇼핑 세계 565
12.8 요약 571
연습문제 579

찾아보기 587

인공지능은 분자생물학과 함께 다른 분야의 과학자들이 “가장 참여하고 싶은 분야”로 자주 언급된다. 물리학을 배우는 학생이라면 멋진 착안을 갈릴레오나 뉴턴, 아인슈타인 등의 선배 과학자들이 이미 차지했다고 느낄 것이다. 반면 인공지능 분야에는 아인슈타인이나 에디슨이 평생에 걸쳐 이룩할 만한 업적들이 아직 많이 남아 있다. 현재 인공지능은 일반적인 분야(학습과 인지)에서부터 구체적인 분야(체스 두기, 수학 정리 증명, 시 쓰기, 복잡한 도로에서 자동차 운전하기, 질병 진단 등)에 이르기까지 대단히 다양한 하위 분야를 포괄한다. 인공지능은 모든 지적 과제에 연관된다. 그런 만큼 진정으로 보편적인 분야라 할 수 있다.

앨런 튜링(Alan Turing)이 제안한 튜링 검사(Turing Test)는 지능의 만족스러운 실천적 정의를 제공하기 위해 고안된 것이다. 인간 조사자가 글로 쓴 질문에 대해 컴퓨터가 글로 답을 했을 때, 만일 그 답이 컴퓨터가 제출한 것인지 아니면 인간이 제출한 것인지 인간 조사자가 구분하지 못한다면 그 컴퓨터는 튜링 검사를 통과한 것이다. 제26장에서는 이 검사를 좀 더 자세히 설명하고, 이 검사를 통과한 컴퓨터가 정말로 지능적인지도 논의한다. 일단 지금은 엄격히 적용된 검사를 통과할 수 있도록 컴퓨터를 프로그래밍하려면 많은 작업이 필요하다는 점만 짚고 넘어가자.

이제는 감지 시스템(시각, 청각, 음성 인식 등등)이 환경에 대한 완벽하게 믿을 만한 정보를 제공하지는 못한다는 인식이 널리 받아들여지고 있다. 따라서 추론과 계획 수립 시스템은 반드시 불확실성을 처리할 수 있어야 한다. 에이전트 관점의 또 다른 중요한 결과는, 인공지능이 제어이론과 경제학처럼 에이전트를 다루는 다른 분야와 좀 더 가깝게 접촉하게 되었다는 점이다. 최근 로봇 자동차 제어의 진보는 더 나은 감지기, 감지의 제어이론적 통합, 위치 결정과 지도 작성, 그리고 일정 정도의 고수준 계획 수립 같은 다양한 접근방식들의 혼합에 의한 것이다.