FreeHAL은 인간과 유사한 대화를 시뮬레이션하도록 설계된 자기 학습형 대화형 인공지능 프로그램이다. 독일 프로그래머 토비아스 슐츠(Tobias Schulz)가 개발했으며, 프로젝트는 2007년에 시작되어 GNU 일반 공중 사용 허가서(GNU General Public License)에 따라 자유 소프트웨어로 배포된다. 사전 훈련된 신경망에 의존하는 많은 현대 챗봇과 달리, FreeHAL은 사용자 입력을 구문 분석하고 단어와 개념 간의 의미론적 연관을 형성하여 지식 기반을 동적으로 구축하므로, 고정된 스크립트 응답 데이터베이스 없이도 응답을 생성할 수 있다.
이 프로그램은 연상 기억(associative memory) 원리로 작동하며, 접하는 각 단어나 구는 문맥적 동시 발생에 따라 다른 단어와 연결된다. 사용자가 문장을 입력하면 FreeHAL은 문법 구조를 분석하고 키워드를 추출한 다음, 내부 네트워크에서 관련 용어를 검색하여 답변을 구성한다. 초기 연결주의 인지 이론에서 영감을 받은 이 접근 방식은 시스템이 질문에 답하고, 간단한 대화에 참여하며, 수정이나 반복을 통해 새로운 사실을 학습할 수 있게 한다. FreeHAL은 가볍고 규칙 기반 학습의 예시로 다양한 온라인 포럼과 AI 커뮤니티에서 소개되었지만, 그 능력은 현대의 대규모 언어 모델에 비해 여전히 제한적이다.
개발 역사
토비아스 슐츠는 2007년 취미 프로젝트로 FreeHAL을 시작했으며, 처음에는 "Jabberwocky"라고 명명했다가 아서 C. 클라크의 2001: 스페이스 오디세이에 등장하는 가상 컴퓨터 HAL 9000을 기리기 위해 이름을 변경했다. 이 소프트웨어는 C++로 작성되었고 나중에 다른 플랫폼으로 이식되었으며, 초기 버전은 Linux와 Windows에서 실행되었다. 슐츠는 소스 코드를 SourceForge에 공개했고, 소규모 기여자 커뮤니티가 파싱 알고리즘을 개선하고 의미 네트워크를 확장하는 데 도움을 주었다. 수년에 걸쳐 FreeHAL은 Loebner Prize 시험을 포함한 여러 챗봇 대회에 참가했지만, 예선 라운드를 넘지 못했다. 2015년 이후 슐츠가 다른 프로젝트에 집중하면서 개발은 느려졌지만, 코드는 여전히 다운로드 및 수정이 가능하다.
기술 구조
FreeHAL의 핵심 엔진은 그래프 기반 지식 표현에 의존하며, 노드는 단어나 구에 해당하고 간선은 연상 강도를 나타낸다. 시스템은 품사 태거(part-of-speech tagger)를 사용하여 명사, 동사, 형용사를 식별한 다음, 간단한 문법 모델을 적용하여 관계를 추론한다. 각 새 입력에 대해 프로그램은 Hebbian 유사 학습 규칙을 사용하여 간선 가중치를 업데이트하고, 자주 함께 나타나는 연결을 강화한다. 응답 생성은 가장 두드러진 키워드에서 그래프를 탐색하여 반복을 피하면서 관련성을 최대화하는 경로를 선택하는 방식으로 이루어진다. 전체 프로세스는 저사양 하드웨어에서도 실시간으로 실행되며 수 메가바이트의 메모리만 필요하므로, 리소스 집약적인 Neural network 접근 방식과 구별된다. FreeHAL은 또한 음성 출력을 위한 텍스트 음성 변환 인터페이스를 포함하지만, 이 기능은 플랫폼에 따라 다르다.
학습 메커니즘
레이블이 지정된 데이터 세트를 요구하는 지도 Machine learning 시스템과 달리, FreeHAL은 원시 대화 데이터에서 비지도 학습을 사용한다. 사용자가 "아니요, 그것은 틀렸습니다"와 같은 명시적 수정을 제공하여 관련 간선에 페널티를 트리거하면 시스템을 "가르칠" 수 있다. 이 프로그램은 또한 특히 독일어와 영어에서 굴절 및 합성어를 처리하기 위해 형태소 분석을 수행한다. 주목할 만한 기능은 모호한 용어를 만났을 때 명확화 질문을 할 수 있다는 점으로, 이는 호기심을 모방하는 행동이다. 그러나 학습은 점진적이고 국소적이므로, 사용자가 상태를 파일에 저장하지 않으면 한 세션에서 습득한 지식이 재시작 후에도 항상 안정적으로 유지되지는 않는다. 이 제한은 사용자 리뷰에서 문서화되었으며, FreeHAL의 대화 일관성이 긴 대화 후에 저하된다고 지적한다.
현대 AI와의 비교
FreeHAL은 현대 Large language model 시스템의 기반이 되는 Deep learning 및 Transformer (architecture) 아키텍처의 등장보다 앞선다. OpenAI 또는 Google DeepMind가 개발한 모델이 방대한 데이터 세트와 수십억 개의 매개변수를 활용하는 반면, FreeHAL은 수천 개의 노드와 사전 훈련 없이 작동한다. 이는 모든 연관이 특정 사용자 입력으로 추적될 수 있으므로 훨씬 더 투명하고 해석 가능하게 만든다. 반대로, 그 응답은 종종 문법적 유창성과 세계 지식이 부족하며, 즉각적인 교환을 넘어선 복잡한 추론이나 다중 턴 맥락을 처리할 수 없다. FreeHAL은 상징적 및 연상적 방법을 통한 초기 Artificial intelligence 시도를 보여주는 교육적 산물로 이해하는 것이 가장 적절하며, 오늘날 이 분야를 지배하는 통계적 패러다임과 대조를 제공한다. 또한 가벼운 설계 덕분에 현대 모델이 비실용적인 임베디드 또는 오프라인 환경에도 적합하다.
유산 및 가용성
FreeHAL 소스 코드는 GitHub와 SourceForge에 호스팅되어 있으며, 최신 안정 버전은 2014년에 출시되었다. 프로젝트 문서에는 독일어와 영어 매뉴얼이 포함되어 있고, 프로그램을 컴파일하고 실행하기 위한 여러 타사 튜토리얼이 존재한다. 더 이상 적극적으로 유지 관리되지는 않지만, FreeHAL은 대화형 에이전트와 점진적 학습에 관한 학술 논문에서 인용되었다. 이는 간단한 연상 규칙에서 의미 있는 대화가 emerge할 수 있음을 보여주는 예시로 취미 AI 커뮤니티에서 여전히 인기 있다. 프로그램의 이름과 개념은 원래 학습 알고리즘을 유지하면서 현대 인터페이스를 추가한 Python 재구현 "PyHAL"과 같은 파생 프로젝트에도 영감을 주었다. 대화형 AI의 역사에 관심이 있는 연구자에게 FreeHAL은 규칙 기반 및 연결주의 접근 방식이 우위를 경쟁하던 Deep learning 이전 시대와의 유형적 연결 고리를 제공한다.
같이 보기
참고 문헌
- Schulz, T. (2007). FreeHAL: A Self-Learning Chatbot. SourceForge 프로젝트 문서.
- 챗봇 개발에 관한 사용자 커뮤니티 포럼 및 보관된 토론.
Category:Conversational AI
Category:Free software
Category:2007 software
Category:Self-learning systems