지식학습 능력을 갖는 전문가 시스템

전문가 시스템 개발과정에서 완전한 경험적 규칙들을 얻는 것은 극히 어려운 작업이다. 전문가들이 확고한 경험적 규칙들을 얻기위해서는 오랜 시간이 걸리며, 그 얻어진 지식조차 확신할 수 없다. 또한 같은 분야 지식도 전문가들 사이에서 큰 차이를 보일 수 있다. 이러한 상황에서 전문가 시스템이 보다 완전한 지식베이스를 얻어, 주어진 영역에서 기존의 고도 전문가 수준의 전문성을 갖는 완전한 전문가로 활약하기 위해서는 지식 배제, 둘째 기존의 경험적 탐색 공간은 물론 보다 다양한 문제 해결 전략이 가능한 심층적 탐색공간을 제공하여 그로부터 새로운 문제 해결 지식을 학습하는 자기 학습기능이 필요하다. 본지에서는 이러한 자기학습 기능을 갖는 전문가 시스템의 알고리즘을 검토하였다. 그리고 끝으로 전력계통에 대한 적용예로서 전압제어 전문가 시스템을 설명하였다. 아직 전문가 시스템의 자기학습 기능의 구현은 초보적 연구에 머물고 있으며, 그들의 학습 능력조차 낮은 수준에 불과하다. 그러나 전문가 시스템 연구자들은 기존 전문가 시스템의 문제점과 그 적응능력의 중요성을 인식하고 있기 때문에 보다 진보된 개념(데이타들로부터 이론과 원리를 학습하는)이 도입된 자기학습 전문가 시스템의 적용연구는 앞으로 여러분야에서 폭넓게 이루어 질 것으로 기대된다.