Automated Mathematician(AM)은 인공지능 분야에서 가장 초기의 성공적인 발견 시스템 중 하나이다. 1977년 Douglas Lenat에 의해 만들어졌으며, 짧은 Lisp 프로그램을 조작하여 수학적 개념을 자율적으로 탐색하고 생성하도록 설계되었다. AM은 1977년 IJCAI Computers and Thought Award를 수상했으며, 이는 인공지능 및 자동 추론 분야에서의 중요성을 인정받은 것이다.
AM은 짧은 Lisp 프로그램을 생성하고 수정하여 작동했으며, 이 프로그램들은 다양한 수학적 개념을 정의하는 것으로 해석되었다. 예를 들어, 두 목록의 길이 사이의 동일성을 테스트하는 프로그램은 수치적 동일성의 개념을 나타내는 것으로 간주되었고, 두 다른 목록의 길이의 곱인 길이를 가진 목록을 생성하는 프로그램은 곱셈의 개념을 나타내는 것으로 해석되었다. 이 시스템은 수학자들이 문제를 해결할 때의 경험을 바탕으로, 어떤 프로그램을 확장하고 수정할지 선택하기 위한 정교한 휴리스틱을 사용했다.
구조 및 제어 흐름
Lenat은 AM이 수백 개의 "개념"이라고 불리는 데이터 구조와 수백 개의 "휴리스틱 규칙", 그리고 간단한 제어 흐름으로 구성되어 있다고 설명했다. 그는 "AM은 아젠다에서 최상위 작업을 반복적으로 선택하고 그것을 수행하려고 시도한다. 이것이 전체 제어 구조이다!"라고 말했다. 시스템은 각각 우선순위와 연관된 작업들의 아젠다를 유지하고, 가장 높은 우선순위의 작업을 반복적으로 선택하여 실행했다. 이 접근 방식은 AM이 가장 유망한 탐색 경로에 계산 자원을 집중할 수 있게 했다.
휴리스틱 규칙은 시스템이 어떤 개념을 확장, 병합 또는 수정할지 결정하는 데 도움을 주었다. 이 규칙들은 개념 간의 유사성 인식이나 흥미로운 패턴 식별과 같은 수학적 실천에 대한 도메인 지식을 인코딩했다. 아젠다 기반 제어 구조는 이후 기계 학습 및 자동 추론 분야의 계획 및 탐색 기술의 선구자였다.
발견 주장 및 논란
Lenat은 AM이 골드바흐의 추측과 산술의 기본 정리를 모두 재발견했다고 주장했다. 그러나 이후 비평가들은 Lenat이 AM의 출력을 과도하게 해석했다고 비난했다. 휴리스틱 규칙이 항상 별도의 데이터 구조로 표현된 것은 아니었으며, 일부는 제어 흐름 논리와 얽혀 있어야 했다. 일부 규칙은 이력에 의존하는 전제 조건을 가지고 있었거나, 명시적 규칙의 프레임워크로 표현할 수 없었다.
게시된 규칙 버전에는 "두 표현이 구조적으로 유사하면, ..." (규칙 218) 또는 "... 얻은 값을 다른 (매우 유사한) 값으로 대체하라..." (규칙 129)와 같이 더 이상 정의되지 않은 모호한 용어가 포함되는 경우가 많았다. 또 다른 정보 출처는 규칙 2를 통한 사용자였다: "사용자가 최근에 X를 언급했다면, X와 관련된 모든 작업의 우선순위를 높여라." 이는 실제 발견 작업의 상당 부분이 설명되지 않은 절차나 사용자 상호작용에 묻혀 있을 수 있음을 시사했다.
그의 논문 "Why AM and Eurisko appear to work"에서 Lenat은 충분히 많은 짧은 Lisp 프로그램을 생성하는 모든 시스템은 외부 관찰자가 동등하게 정교한 수학적 개념을 나타내는 것으로 해석할 수 있는 프로그램을 생성할 것이라고 인정했다. 그러나 그는 이 속성 자체가 흥미롭다고 주장했으며, 짧은 무작위 문자열이 유용할 가능성이 높은 다른 언어를 찾는 것이 향후 연구의 유망한 방향이라고 주장했다.
후속 시스템: Eurisko
이 직관은 AM의 후속 시스템인 Eurisko의 기초가 되었으며, Eurisko는 수학적 개념 탐색을 유용한 휴리스틱 탐색으로 일반화하려고 시도했다. Eurisko는 수학적 개념을 발견할 뿐만 아니라 휴리스틱 자체를 발견하고 개선하여 시스템이 시간이 지남에 따라 자체 탐색 전략을 개선할 수 있게 함으로써 AM의 접근 방식을 확장했다. 이는 메타 학습 및 자기 개선 AI 시스템을 향한 초기 단계를 나타냈다.
유산 및 영향
AM의 유산은 즉각적인 결과를 넘어선다. 이는 HR 및 Graffiti와 같은 관련 수학 발견 프로그램을 포함한 자동 발견 분야의 후속 작업에 영향을 미쳤다. AM이 제기한 창의성의 본질, 휴리스틱의 역할, AI 출력 해석에 대한 질문은 현대 생성형 AI 연구에서 여전히 관련이 있다. 지식을 실행 가능한 프로그램으로 표현하는 AM의 접근 방식은 이후 신경망 및 프로그램 합성의 발전을 예고했으며, 여기서 모델은 코드나 수학적 표현을 생성한다.
논란에도 불구하고 AM은 컴퓨터가 창작자를 놀라게 하는 방식으로 수학적 공간을 탐색할 수 있음을 보여주었고, AI 발견을 평가할 때 신중한 해석의 중요성을 강조했다. 휴리스틱과 아젠다 기반 제어에 대한 시스템의 초점은 이후 자동 계획 및 탐색 작업에 영향을 미쳤으며, 사용자 상호작용에 대한 강조는 대화형 기계 학습 접근 방식을 예고했다.
같이 보기
- 자동 정리 증명
- 기호 수학
- 실험 수학