모호한 인지 맵이 하이브리드 AI 시스템의 투명성과 성능을 연결하다

상징적 및 하위 상징적 인공지능(AI)의 조합은 전자의 해석 가능성과 후자의 학습 능력을 결합하는 혁신의 우수한 기회를 제공합니다. 본 논문에서는 두 패러다임의 강점을 결합한 하이브리드 및 유연한 모델로서 모호한 인지 맵(FCM)을 제시하고, 작업 가능성을 잃지 않으면서 AI 시스템의 설명 가능성과 해석 가능성 문제에 대한 실행 가능한 솔루션으로 제안합니다. FCM은 인과 지식을 표현하고 직관적이고 정당화 가능한 의사 결정 프로세스를 촉진하기 위한 강력한 프레임워크로 등장했지만, 아직 탐색할 것이 많습니다. FCM은 실제 세계의 시나리오에 존재하는 고유한 불확실성과 모호성을 처리할 수 있어, 하위 상징적 AI의 학습 및 적응 능력과 결합하여 문제 해결에 보다 자연스러운 접근 방식을 허용합니다. FCM은 높은 수준의 설명 가능성과 해석 가능성이 요구되는 응용 프로그램에 적합한 선택입니다.