# Neuro-Symbloic Inversion of Control

> 대략 2023년까지는 전통적인 방식의 프로그램에서 OpenAI 호환 API 등을 호출하여 LLM을 활용하는 방식의 시도가 많았는데, 2025년에는 LLM이 전통적인 방식의 프로그램을 호출하는 소위 'AI 에이전트와 도구'라는 접근이 유행하고 있다. 혹자는 2025년이 '에이전트의 해'라고 주장하기도 한다.

대략 <2023년>까지는 전통적인 방식의 프로그램에서 <OpenAI> 호환 <API> 등을 호출하여 [LLM](https://wiki.g15e.com/pages/Large%20language%20model.txt)을 활용하는 방식의 시도가 많았는데, <2025년>에는 [LLM](https://wiki.g15e.com/pages/Large%20language%20model.txt)이 전통적인 방식의 프로그램을 호출하는 소위 'AI 에이전트와 도구'라는 접근이 유행하고 있다. 혹자는 2025년이 '에이전트의 해'라고 주장하기도 한다.

```mermaid
sequenceDiagram
  autonumber
  actor U as User
  participant C as Code
  participant L as LLM
  U ->>+ C: 실행
  loop Code의 로직에 의해 반복
    C ->>+ L: 호출
    L -->>- C: 생성된 출력
  end
  C -->>- U: 결과
```

위와 같은 전통적 방식이 순방향의 제어라면 AI 에이전트가 도구를 활용하는 아래 설계는 일종의 <제어 역전>이라고 볼 수 있다.

```mermaid
sequenceDiagram
  autonumber
  actor U as User
  participant C as Code
  participant A as Agent
  
  U ->>+ A: 명령
  loop Agent가 끝났다고 판단할 때까지
    A ->>+ C: 호출
    C -->>- A: 결과
  end
  A -->>- U: 생성된 출력
```

상위 수준의 흐름을 AI 에이전트가 제어하고 도구는 에이전트의 호출에 의해 구체적인 하위 수준의 작업을 수행한다는 점에서 그렇다.

전통적 코드(symbolic computation)과 [LLM](https://wiki.g15e.com/pages/Large%20language%20model.txt)(neural network)이 협업을 하는 방식이니 신경-제어 계산(neuro-symbolic computation)에 속할텐데, 특히 이 중에서 후자는 제어가 역전된 상황이므로 **"신경제어 제어 역전Neuro-symbolic Inversion of Control" 패턴**이라고도 부를 수 있겠다.

## 참고

- [재귀적 신경기호 제어 역전](https://wiki.g15e.com/pages/Recursive%20Neuro-Symbloic%20Inversion%20of%20Control.txt)