00 왜 컴퓨터에게 '의미(Semantics)'가 필요한가?
Data (기계적 인식)
"자동차"
단순한 문자열, 숫자, 비트의 집합. 맥락이 결여된 정보 시스템의 원자재.
Semantics (인간적 해석)
"이동 수단"
에너지를 소비하여 승객을 실어 나르는 논리적 개념. 지능의 완성.
지능형 모델의 핵심
"컴퓨터가 단순 기호를 넘어 인간의 노하우와 물리 법칙을 이해하게 하는 여정"
Evolutionary Ladder of Semantics
어휘집 Vocabulary
모든 지식 공학의 시작. 단순한 문자열 조합에 고유한 정의를 할당하여 의미 있는 '지식의 파편'으로 변모시키는 단계입니다.
- • 시맨틱 매핑: 문자열에 고유 의미 부여
- • 맥락적 제한: 특정 도메인 용어로 모호성 제거
- • 유효성 검사: 입력 텍스트의 유효 범위 필터링
동의어 링 Synonym Ring
서로 다른 표현들을 '동등 관계(Equivalence)'로 묶어 기계가 동일한 개념으로 처리하게 합니다. (반사성, 대칭성, 이행성)
Result: Unified Search & Processing
"전문가마다 다른 표현을 하나의 정렬된 개념으로 통합"
분류체계 Taxonomy
단순 나열을 넘어 상하 관계인 '순서 관계(Order Relation)'를 부여합니다. "A는 B의 일종이다"라는 위계를 수립합니다.
시서러스 Thesaurus
수직적 계층을 넘어 비계층적 '연관 관계(Associative Relations)'를 추가합니다. 지식의 유연한 그물망을 형성합니다.
"A는 B의 일종이다" + "A와 C는 관련이 있다"
수직적 계통에 얽매이지 않고 실질적인 지식의 연관성을 매핑하여 검색 품질과 지식 가시성을 비약적으로 높입니다.
온톨로지 Ontology
지식 공학의 정점. 객체의 속성, 물리 법칙, 복잡한 논리 구조를 모두 모델링하여 인과 관계를 추론합니다.
인과 관계 추론 사례
"펌프 압력이 정상인데 프레스 힘이 감소했다면? 시스템은 온톨로지 규칙을 통해 '공급 라인 누설'을 진단합니다."
AI가 '왜' 그런 결정을 내렸는지 설명하는 **설명 가능성(Explainability)**의 핵심.
시맨틱 도구 마스터 테이블
| 도구 유형 | 데이터 유형 | 핵심 관계 | 주요 목적 |
|---|---|---|---|
| 어휘집 | 문자열 (String) | 1:1 매핑 | 의미 정의 및 명칭 식별 |
| 동의어 링 | 명목 (Nominal) | 동등 관계 | 다양한 표현의 단일화 |
| 분류체계 | 서열 (Ordinal) | 순서/위계 관계 | 개념 간 포함 관계 정의 |
| 시서러스 | 관계형 (Relational) | 연관 관계 | 비계층적 연결성 확장 |
| 온톨로지 | 지식 그래프 | 논리/물리 규칙 | 인과 관계 추론 및 Root Cause 분석 |
지식의 디지털 캡처
기계가 알 수 없는 인간의 '노하우'와 '물리적 맥락'을 디지털 데이터로 변환하는 핵심 수단입니다.
복잡도와 가치의 비례
계층이 올라갈수록 복잡도는 증가하지만, 인공지능의 '설명 가능성'은 비약적으로 향상됩니다.
인과 관계(Causality)
온톨로지는 단순 패턴 인식을 넘어 논리적 설명을 가능케 하여 공정 이상을 근본적으로 분석합니다.