AI와 논리학

같은 ‘추론’이라는 말 안에 여러 계산 방식이 있습니다

AI를 볼 때 먼저 ‘무엇을 입력하고 무엇을 보존하려는가’를 묻습니다

사실과 규칙을 명시적으로 표현하기

기호 AI는 표현된 지식과 추론 규칙을 따라 결론을 계산합니다

이런 체계에서는 규칙이 무엇인지, 어느 사실에서 결론이 나왔는지를 비교적 직접 추적할 수 있습니다. 반면 지식베이스에 빠진 사실이나 잘못 표현된 규칙은 추론 결과에 그대로 영향을 줍니다.

정리를 찾는 과정과 증명을 확인하는 과정

자동증명에서는 ‘후보를 찾는 일’과 ‘증명이 맞는지 검사하는 일’을 나눌 수 있습니다

생성기가 매우 복잡해도 최종 증명 객체를 독립된 작은 검사기가 확인할 수 있다면,“누가 만들었는가”와 “증명이 규칙에 맞는가”를 분리해 평가할 수 있습니다.

조건을 만족하는 답을 공간에서 찾기

SAT·SMT·CSP는 ‘가능한 배치 중 조건을 모두 만족하는가’를 계산합니다

해가 하나 존재하는지 찾는 문제와, 가능한 해 가운데 비용이 가장 작은 것을 찾는 최적화 문제는 구별합니다.

불확실한 정보가 들어올 때

확률적 AI는 증거가 들어오면 여러 가설의 가능성을 다시 계산합니다

학습된 표현과 명시적 규칙을 연결하기

신경기호 접근은 패턴 학습과 기호적 제약을 한 시스템에서 결합합니다

결합 방식은 하나가 아닙니다. 신경망 출력에 논리 제약을 적용할 수도 있고, 기호 추론 결과를 학습 과정에 넣을 수도 있으며, 탐색과 검증 사이에 신경망을 사용할 수도 있습니다.

‘기호를 사용했다’는 사실만으로 전체 결과가 형식적으로 증명된 것은 아닙니다. 어느 부분이 학습 결과이고 어느 부분이 엄밀한 검사인지 나누어 봅니다.

자연어 생성과 논리적 검증을 구별하기

언어모델은 문맥에서 다음 표현을 생성하며, 논리 문제에서도 다양한 추론 패턴을 만들어 냅니다

AI의 출력 뒤에 검증 구조를 세우기

좋은 AI 시스템은 생성과 판단을 한 덩어리로 보지 않고 확인 단계를 설계합니다