인공지능 - 중간 고사 대비

1. 인공지능 관련 개념
   1. 성능 개선을 제공하는 알고리즘: 알고리즘 성능을 개선하는 방법은 다양합니다. 예를 들어, A* 알고리즘은 휴리스틱을 사용하여 최적의 경로를 찾기 위해 성능을 개선하는 방식입니다.
   2. Informed search에서 도메인을 제공하는 함수: 주어진 상태에서 목표 상태를 찾기 위해 필요한 정보를 제공하는 함수를 말합니다. 대표적으로 '휴리스틱 함수(heuristic function)'가 있습니다.
   3. 시간 t에서 Fluent f가 True일 때 이벤트 표기: 이 표현은 상황적 관점을 통해 어떤 사실(f)이 시간 t에서 참(True)임을 보여줍니다. 이를 표현할 때 보통 'Fluent(f, t)' 형태로 나타냅니다.
2. Rational agent의 작업환경 정의: Rational agent를 설계하기 위해 정의해야 하는 작업환경은 다음 네 가지입니다.
   • Perceptual: 에이전트가 감지할 수 있는 정보.
   • Actions: 에이전트가 수행할 수 있는 행동의 집합.
   • States: 환경의 상태를 정의하는 요소.
   • Performance measure: 에이전트의 성공을 정의하는 기준.
3. DFS 서치의 completeness 문제 해결: Iterative deepening 방식은 깊이 우선 탐색(DFS)의 맹점을 해결하기 위해 반복적으로 깊이를 증가시키며 탐색하는 방법입니다. 예를 들어, 깊이 1에서 노드를 탐색한 후 깊이 2로 가는 식으로 전체 노드를 점진적으로 탐색하여 필요한 경우 더 깊이 들어갈 수 있도록 합니다. 이는 무한한 깊이에 빠지는 문제를 피할 수 있습니다.
4. Knowledge Base와 관계식: Knowledge Base(KB)는 명제(logic) 간의 관계를 정의하고 추론할 수 있는 구조입니다. 예를 들어, KB에 'A -> B'라는 관계가 있으면 A가 참일 때 B도 참이라는 정보를 가집니다. 이 관계를 통해 새로운 정보를 유도할 수 있습니다.
5. Propositional logic에서 Implication: Implication을 p와 q로 표현하는 것은 'p가 참이면 q도 참이다'를 의미합니다. 이를 기호로는 'p → q'로 표기합니다. 명제표를 그리면 다음과 같습니다:

| p | q | p → q |
| --- | --- | --- |
| T | T | T |
| T | F | F |
| F | T | T |
| F | F | T |

6. FOL (First-Order Logic)의 주요 구문 표현법:
   • Predicate: 어떤 명제를 나타내는 함수, 예: P(x).
   • Function: 값으로 변환하는 함수, 예: f(x).
   • Constant: 고정된 값을 나타내는 기호, 예: a (특정 개체).
   • Quantifier 종류:
     • Universal Quantifier (모든): ∀x, 모든 x에 대해 성립.
     • Existential Quantifier (존재): ∃x, 어떤 x에 대해 성립.
7. Ontology에서 Exhaustive Decomposition과 Partition 차이점:
   • Exhaustive Decomposition: 어떤 집합을 가능한 모든 범주로 분해하는 것. 예: 동물이라는 큰 범주를 포유류, 조류 등으로 세분화함.
   • Partition: 어떤 집합을 서로 겹치지 않는 범주로 나누는 것. 예: 남자와 여자라는 두 개의 카테고리로 사람을 나누는 경우.