Files
2nd/10_Wiki/Topics_Blog/Ontology-and-Knowledge-Representation.md
T

30 lines
2.5 KiB
Markdown

---
id: AI-ONT-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, knowledge-representation, ontology, semantic-web, reasoning, knowledge-graph]
last_reinforced: 2026-04-26
---
# 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.
## 📖 구조화된 지식 (Synthesized Content)
- **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.
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **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.
## 🔗 지식 연결 (Graph)
- [[Knowledge-Graph-Foundations|Knowledge-Graph-Foundations]], [[Neuro-Symbolic-AI|Neuro-Symbolic-AI]], [[Linguistic-Analysis-in-AI|Linguistic-Analysis-in-AI]], Semantic-Web-Foundations
- **Raw Source:** 10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md