Antigravity Agent
53 lines
4.3 KiB
Markdown
53 lines
4.3 KiB
Markdown
---
|
|
category: Unified
|
|
tags: [auto-consolidated, technical-documentation]
|
|
title: [[Neuro-Symbolic AI|Neuro-Symbolic AI]]
|
|
last_updated: 2026-05-02
|
|
---
|
|
|
|
# [[Neuro-Symbolic AI|Neuro-Symbolic AI]]
|
|
|
|
## 📌 Brief 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."
|
|
|
|
---
|
|
|
|
> "딥러닝의 압도적인 '직관'과 심볼릭 논리의 명확한 '이성'을 결합하여, 생각하고 설명하는 완전한 지능을 구현하라" — 신경망 기반의 패턴 인식 능력과 기호 기반의 추론 능력을 통합하여, 데이터 효율성, 해석 가능성, 그리고 복잡한 논리 전개 능력을 동시에 확보하는 AI 패러다임.
|
|
|
|
## 📖 Core Content
|
|
뉴로-심볼릭 AI는 연결주의(신경망)와 기호주의(논리) 인공지능의 장점을 결합한 형태입니다.
|
|
|
|
1. **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. ([[Logic|Logic]]와 연결)
|
|
2. **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)|Explainable-AI (XAI)]]의 끝판왕).
|
|
|
|
---
|
|
|
|
- **추출된 패턴:** "Pattern Perception and Logical Deduction" — 딥러닝이 비정형 데이터(이미지, 음성 등)에서 의미 있는 심볼(개체, 속성)을 추출하면, 심볼릭 엔진이 미리 정의된 지식 그래프나 논리 규칙을 바탕으로 정답을 유추하고 그 과정을 설명하는 하이브리드 패턴.
|
|
- **주요 특징:**
|
|
- **Data [[Efficiency|Efficiency]]:** 수만 장의 사진 대신, 몇 개의 논리 규칙과 소량의 데이터만으로도 학습 가능.
|
|
- **Explainability:** 결과 도출 과정이 논리적으로 기록되어 "왜 그렇게 판단했는지" 인간이 이해할 수 있음.
|
|
- **Out-of-distribution Generalization:** 학습하지 않은 새로운 환경에서도 보편적인 논리 법칙을 적용하여 대응 가능.
|
|
- **의의:** 현재 LLM의 한계인 할루시네이션(Hallucination)과 논리적 오류를 극복하기 위한 강력한 대안으로 주목받고 있음.
|
|
|
|
## ⚖️ Trade-offs & Caveats
|
|
- **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.
|
|
|
|
---
|
|
|
|
- **과거 데이터와의 충돌:** 신경망과 심볼릭 모델은 서로 섞일 수 없는 기름과 물과 같다는 인식을 넘어, 최근에는 신경망 내부에서 논리를 학습하거나(Logic Neural Networks) 심볼을 벡터로 변환하여 처리하는 등 유기적인 통합이 가속화됨.
|
|
- **정책 변화:** Antigravity 에이전트는 사용자의 질문을 이해할 때는 딥러닝(Neural)을 쓰고, 작업 계획을 세우거나 지식 그래프를 업데이트할 때는 엄격한 논리 규칙(Symbolic)을 적용하는 뉴로-심볼릭 아키텍처를 지향함.
|
|
|
|
## 🔗 Knowledge Connections
|
|
- Deep Learning (DL), [[Logic|Logic]], [[Explainable-AI (XAI)|Explainable-AI (XAI)]], [[Reasoning|Reasoning]], [[Search-Optimization|Search-Optimization]]
|
|
- **Modern Tech/Tools**: Neuro-symbolic Concept Learner (NS-CL), AlphaGeometry, LLM + Symbolic solvers.
|
|
---
|
|
|
|
---
|
|
|
|
- Model-Interpretability-Tools, [[Knowledge-Graph-Foundations|Knowledge-Graph-Foundations]], Reasoning-and-Planning-in-AI, [[Trustworthy-AI|Trustworthy-AI]]
|
|
- **Raw Source:** 10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
|