다음 글의 내용과 부합하지 않는 것은?

인공지능 연구에서 가장 두드러진 세 가지 패러다임은 기호주의 인공지능, 연결주의 인공지능 및 뉴로 심볼릭 인공지능이다.
기호주의 인공지능은 논리를 사용하여 지식을 표현하고 규칙과 알고리즘을 기본으로 추론을 한다.
반면, 연결주의 인공지능은 인간의 뇌를 모방한 정보를 처리하는 상호 연결된 노드로 구성된 인공 신경망에 의존하여 추론한다.
마지막으로 뉴로 심볼릭 인공지능은 두 패러다임을 결합하여 경험을 통해 추론하고 학습한다.

기호주의 인공지능에서 지식은 기호를 사용하여 표현되며 논리 연산을 사용하여 조작할 수 있다.
이러한 기호와 그 관계는 지식 베이스에 저장되고 논리적 추론을 통해 기호 시스템이 결론을 내린다.
이 인공지능 패러다임은 전문가 시스템, 규칙 기반 의사 결정 등과 같은 도메인별 지식을 포함하는 작업에 매우 적합하다.
그러나 전문지식이 제공되지 못하고 데이터만 있을 경우 엔지니어링을 하는 데 한계를 가진다.
그 예로 기호주의 인공지능은 대량의 데이터만 제공되는 복잡한 작업을 처리하거나 불완전한 데이터를 처리하는 데에는 효과적이지 않다.
그럼에도 불구하고 기호주의 인공지능은 인공지능 연구의 중요한 영역으로 남아 있으며 자연어 처리, 검색엔진, 로봇 공학, 계획 및 스케줄링 등 많은 실제 응용 프로그램에 활용되고 있다.

연결주의 인공지능은 인간의 뇌 구조와 기능에서 영감을 받아 정보를 처리하는 상호 연결된 노드 또는 뉴런으로 구성된 인공 신경망을 기반으로 하는 인공지능이다.
상호 연결된 노드들에 데이터를 입력하면 다른 노드로 그 출력이 전달되며, 노드 간 연결의 가중치와 편향을 조정함으로써 입력 데이터의 패턴을 인식하고 예측하는 방법을 학습하게 된다.
인공 신경망은 많은 양의 데이터에서 복잡한 패턴을 감지할 수 있고, 다양한 유형의 데이터를 쉽게 적용할 수 있어 이미지 분류, 음성 인식, 자연어 처리와 같은 다양한 작업들에 활용이 가능하다.
그러나 기호주의 인공지능과 달리 신경망의 내부동작을 해석하고 특정 결과가 어떻게 도출되었는지 이해하기 어려울 뿐만 아니라 인공 신경망을 학습하는 데 계산비용이 많이 들고 대규모 데이터 세트가 필요하다는 단점이 있다.

반면, 뉴로 심볼릭 인공지능은 하이브리드 방식으로 기호주의 인공지능의 강점과 연결주의 인공지능의 강점을 결합하였다.
뉴로 심볼릭 인공지능의 목표는 논리적으로 추론하고 경험을 통해 학습하며 복잡한 현실 문제를 처리할 수 있는 지능형 시스템을 만드는 것이다.
하지만 뉴로 심볼릭 인공지능은 복잡한 지식의 표현이나, 실세계의 복잡한 데이터로부터 효과적이고 유연하게 의미 있는 정보를 추출하는 데 한계가 있다.
그럼에도 불구하고 뉴로 심볼릭 인공지능은 인간처럼 상징적 지식과 신경망 추론 능력을 갖춘 인공의 일반지능을 개발하는 데 활용할 수 있을 것으로 평가된다.
인공의 일반지능은 인간이 할 수 있는 어떠한 지적인 업무도 성공적으로 해낼 수 있는 기계의 지능을 말한다.

① 연결주의 인공지능은 신경망의 내부동작을 해석하고 특정 결과가 어떻게 도출되었는지 이해하기 어렵다는 단점이 있다.

② 기호주의 인공지능은 대량의 데이터만 제공되는 복잡한 작업을 처리하는 데에는 부적절하다.

③ 인간이 할 수 있는 지적인 업무를 성공적으로 해낼 수 없는 기계의 지능은 인공의 일반지능이라고 할 수 없다.

④ 기호주의 인공지능은 전문지식이 제공되지 못하고 데이터만 있을 경우 엔지니어링을 하는 데 한계를 가진다.

⑤ 뉴로 심볼릭 인공지능은 실세계의 복잡한 데이터로부터 효과적이고 유연하게 의미 있는 정보를 추출하는 데 한계가 있어 인공의 일반지능 개발에 활용하기는 어렵다.