Ontology and Knowledge Repr (온톨로지와 지식 표현)

📌 한 줄 통찰 (The Karpathy Summary)

"데이터에 이름표를 붙이는 단계를 넘어, 존재들 사이의 본질적 관계와 질서를 규명하여 기계의 '상식'을 설계하라" — 지식의 개념들을 정의하고, 이들 사이의 관계(속성, 계층)를 기계가 해석하고 추론할 수 있는 형식적인 언어로 표현하는 기술.

추출된 패턴: "Formal Semantic Mapping" — "사람은 포유류이다", "서울은 한국의 수도이다"와 같은 명제들을 RDF(Resource Description Framework)나 OWL(Web Ontology Language) 같은 표준 규격으로 구조화하여, 명시되지 않은 정보까지 논리적으로 유추(Reasoning)할 수 있게 하는 패턴.
핵심 구성 요소:
- Classes (Concepts): 사물의 범주 (예: 자동차, 도시).
- Properties (Relations): 객체 간의 연결 (예: ~에 속해 있다, ~의 원인이다).
- Individuals (Instances): 구체적인 사례 (예: 현대 쏘나타, 서울시).
- Axioms: 논리적 제약 조건 (예: 모든 수도는 도시이다).
의의: 딥러닝이 놓치기 쉬운 '논리적 인과관계'와 '상식적 추론'을 보완하며, 지식 그래프(Knowledge Graph)의 설계도 역할을 수행함.

과거 데이터와의 충돌: 인간이 모든 규칙을 직접 작성하던 방식(Top-down)의 한계를 극복하기 위해, 최근에는 거대 언어 모델이 텍스트에서 자동으로 온톨로지를 추출하고 확장하는 '온톨로지 학습(Ontology Learning)' 기법이 접목되고 있음.
정책 변화: Antigravity 프로젝트는 1,174개의 위키 지식을 단순 연결하는 것을 넘어, 각 주제 간의 상하 관계와 연관 관계를 엄격히 정의한 커스텀 온톨로지를 구축하여 에이전트의 지식 탐색 정확도를 높임.

Knowledge-Graph-Foundations, Neuro-Symbolic-AI, Linguistic-Analysis-in-AI, Semantic-Web-Foundations
Raw Source: 10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md