본 논문은 신뢰할 수 있는 AI 개발의 필요성을 강조하며, 기존의 심볼릭 및 서브심볼릭 접근 방식의 한계를 지적합니다. LLM과 같은 서브심볼릭 머신러닝 알고리즘은 설명 가능성과 감사 가능성이 부족하고, Cyc와 같은 규칙 기반 추론기는 복잡성과 많은 추론기 사용이 문제점입니다. 따라서 본 논문은 s(CASP), 즉 목표 지향적 제약 기반 Answer Set Programming 추론기를 제안합니다. s(CASP)는 소수의 메커니즘을 사용하여 신뢰할 수 있고 설명 가능한 인간 스타일의 상식 추론을 모방하며, Lenat와 Marcus가 제시한 16가지 신뢰할 수 있는 AI에 대한 요구사항과 추가적인 두 가지 요구사항(모순 탐지 및 대안 세계 가정)을 충족합니다. 대화형 챗봇 및 가상 구현 추론기 등 다양한 응용 프로그램을 통해 s(CASP)의 실현 가능성과 시너지를 보여줍니다.
