Neuro-Symbolic AI — 신경-기호 AI
정의
신경망(neural networks)의 강력한 패턴 인식 능력과 기호 시스템(symbolic reasoning)의 논리적 추론 능력을 결합한 AI 패러다임. HippoRAG는 이 접근의 성공적 구현 사례.
핵심 구성
신경 계층 (Neural Layer)
신경망 (LLM)
├─ 강점: 자연어 이해, 패턴 인식
├─ 약점: 추론 논리, 정확성
└─ 역할: 텍스트 처리, 의미 이해
기호 계층 (Symbolic Layer)
지식그래프 + Personalized PageRank
├─ 강점: 논리적 추론, 일관성
├─ 약점: 유연성, 창의성
└─ 역할: 지식 저장, 관계 관리
HippoRAG에서의 구현
신경망 ←→ 기호 시스템
↓ ↓
LLM 지식그래프
↓ ↓
협력 처리
↓ ↓
정교한 답변 생성
우월성
단순 신경망만
장점: 창의성, 유연성
단점: 일관성 부족, 환각 발생
Neuro-Symbolic
장점: 창의성 + 일관성
유연성 + 논리성
성능 +20% 향상
실제 이점
- 정확도: 기호 시스템의 논리 검증
- 창의성: 신경망의 패턴 활용
- 비용: 저장소 기반으로 효율성 극대
- 속도: 지식그래프의 빠른 검색
- 설명 가능성: 기호 시스템의 투명성
출처: AI인터시스브랜드 Video 18 의의: AI의 질적 진화 방향