2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| P-REINFORCE-AUTO-NESB-001 | 10_Wiki/💡 Topics/AI | 0.93 |
|
2026-04-20 |
Neuro-Symbolic AI
📌 한 줄 통찰 (The Karpathy Summary)
"직관과 논리의 결합: 패턴을 기가 막히게 찾아내는 신경망(Neural)의 '직관'과, 규칙을 한 치의 오차 없이 따르는 기호(Symbolic)의 '논리'를 하나로 합쳐, 똑똑하면서도 근거를 설명할 수 있는 완벽한 지능을 꿈꾸는 하이브리드 AI."
📖 구조화된 지식 (Synthesized Content)
뉴로-심볼릭 AI는 연결주의(신경망)와 기호주의(논리) 인공지능의 장점을 결합한 형태입니다.
- 각 진영의 역할:
- Neural (System 1): 빠른 이미지 인식, 언어 패턴 파악, 직관적 판단. (Deep Learning (DL)와 연결)
- Symbolic (System 2): 논리적 추론, 수학적 증명, 규칙 준수, 결과 설명. (Logic와 연결)
- 왜 중요한가?:
- 현재의 딥러닝은 엄청난 데이터를 요구하고 '왜' 그런 답을 냈는지 설명하지 못하며(Black box), 기조부의 AI는 너무 경직되어 현실의 모호함을 다루지 못하는 한계를 동시에 극복하기 위함임 (Explainable-AI (XAI)의 끝판왕).
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 과거에는 두 진영이 서로 틀렸다고 싸우는 정책적 대립 관계였으나, 현대 정책은 이 둘의 결합 없이는 범용 지능(AGI) 정책이나 안전한 AI 정책 수립이 불가능하다는 '하이브리드 합의 정책'에 도달함(RL Update).
- 정책 변화(RL Update): LLM이 코드를 생성하고(Neural), 그 코드를 실제 파이썬 인터프리터로 실행하여 검증하는(Symbolic) 방식은 현대 지능 시스템이 뉴로-심볼릭을 실무적으로 구현하는 가장 강력한 정책임.
🔗 지식 연결 (Graph)
- Deep Learning (DL), Logic, Explainable-AI (XAI), Reasoning, Search-Optimization
- Modern Tech/Tools: Neuro-symbolic Concept Learner (NS-CL), AlphaGeometry, LLM + Symbolic solvers.