▪ 철학과 언어학, 컴퓨터 과학에서의 온톨로지(Ontology)
- 철학에서의 존재론: 존재(Being) 또는 존재자의 근본적이고 보편적인 모든 범주와 규정을 연구하는 형이상학의 핵심 분야를 의미합니다.
- 언어학 및 지식공학에서의 온톨로지: 언어로 표현된 개념 간의 연관 관계와 분류 체계가 드러나는 지식의 구조적 망(Network)을 의미합니다.
라틴어로는 'ontologia'라고 하며, 이는 그리스어의 'on(존재자)'과 'logos(학문·이론)'로 이루어진 합성어로 데카르트파 철학자 J. 클라우베르크(1622~1665)가 처음 사용했습니다. 고대 그리스 철학자들이 사물의 시초와 존재를 신화적 힘 대신 자연의 근본 원리로서 있는 그대로 탐구한 것에서 출발했습니다.
인공지능 연구에서 왜 온톨로지가 부각되었는가? (박우석 교수 2002)
종래의 AI 연구는 실제 세계의 본성(존재론)보다는 사유의 본성인 인식론 (Epistemology)에 치중해 왔습니다. 그러나 서로 다른 시스템 간에 지식을 교환하고 재사용하기 위한 "지식 공유의 필요성"이 절실해지면서 온톨로지는 급부상했습니다. AI의 역사는 1) 인식론적 문제에서 존재론적 문제로, 2) 소규모 존재론에서 대규모 존재론(Cyc 등)으로 진화해 왔습니다.
기술철학의 시조 데사우어(Dessauer)의 존재론적 접근 역시 기술을 인간성 상실이 아닌 본질적 해방의 도구로 파악하도록 이끌었습니다. (이초식 교수 1993)
▪ [Infographic] 철학에서 시맨틱 웹, 그리고 LLM 시대로의 온톨로지 진화 계보
아리스토텔레스의 형이상학적 범주론에서 시작된 존재론은 컴퓨터 과학의 명시적 지식 명세를 거쳐, 현대 초거대 언어모델(LLM)의 신뢰성과 구조적 지능을 뒷받침하는 지식 그래프(Knowledge Graph)와 GraphRAG로 진화했습니다.
철학적 존재론
고대 그리스 ~ 17세기아리스토텔레스 10대 범주론, 클라우베르크. "세계에 무엇이 실제로 존재하는가?"에 대한 본질적·형이상학적 분류 체계.
엔터프라이즈 지식그래프
2010년대 (빅데이터)Google 지식 그래프(2012), Wikidata. "Things, not strings(문자열이 아닌 실체)"로 검색과 데이터 통합을 혁신.
LLM & GraphRAG 시대
2023년 ~ 현재 (생성형 AI)GraphRAG, 뉴로-심볼릭 AI. LLM의 환각을 억제하고 다단계 복합 추론(Multi-hop Reasoning)을 정밀 검증하는 사실성 앵커.
▪ [Deep Research] 인공지능(AI)과 거대 언어모델(LLM)에서 온톨로지가 갖는 4대 핵심 의미
초거대 언어모델(LLM)은 뛰어난 언어 생성 능력을 지녔지만, 확률적 텍스트 완성기에 불과하여 환각(Hallucination), 인과적 추론 오류, 최신 지식 결여라는 치명적 결함을 안고 있습니다. 온톨로지(Ontology)와 지식 그래프(Knowledge Graph)는 LLM의 이러한 한계를 극복하고 신뢰할 수 있는 AGI로 도약하기 위한 결정적 구조입니다.
🛡️ 1. LLM 환각(Hallucination) 억제와 지식 그라운딩 (Grounding)
기존의 단순 벡터 유사도 기반 검색(Vector RAG)은 텍스트 조각(Chunk) 간의 복합적인 관계를 파악하지 못해 파편화된 오답을 유발합니다. 반면 온톨로지 기반의 지식 그래프(GraphRAG)는 엔티티(개체)와 이들 간의 관계(술어)를 정형화된 삼원조(Subject-Predicate-Object)로 엄밀히 규정합니다.
🧠 2. 다단계 복합 추론 (Multi-hop Reasoning)의 구조적 토대
"A 기업의 모회사가 투자한 B 스타트업의 CEO가 졸업한 대학은 어디인가?"와 같은 질문은 단일 텍스트 검색으로는 답하기 불가능합니다. 온톨로지는 지식 간의 계층 구조(Class Hierarchy)와 인과적 관계(Causal Relations)를 그래프 경로(Path)로 연결해 둡니다.
⚡ 3. 온톨로지 공학의 혁신: LLM을 통한 자동 지식 추출
과거 온톨로지 구축은 인간 전문가(지식 공학자)가 수년 동안 수작업으로 규칙을 정의해야 하는 극심한 '지식 획득 병목(Knowledge Acquisition Bottleneck)'에 시달렸습니다.
⚖️ 4. 뉴로-심볼릭 AI (Neuro-Symbolic AI): 두 지능의 결합
신경망 기반 LLM은 직관적이고 유연한 자연어 생성에 탁월하지만(System 1), 엄밀한 규칙 검증과 논리적 일관성에는 취약합니다. 반대로 온톨로지는 기호 논리에 기반하여 100% 검증 가능하고 모순이 없으나(System 2), 유연성이 부족합니다.
▪ [Infographic] 단순 벡터 검색(Vector RAG) vs 온톨로지 지식그래프(GraphRAG)
LLM의 지식 보강 방식에서 온톨로지 기술이 가져온 질적 도약을 시각적으로 대조합니다.
"단편적 유사도 검색"
- 방식: 텍스트를 청크 단위로 잘라 임베딩 벡터로 변환 후 코사인 유사도 검색
- 한계: 조각난 문서들 사이의 관계가 단절되어 전체적인 맥락 파악 실패
- 추론: 다단계 연결 추론 불가능 (단일 문서 조각 내에 답이 없으면 실패)
- 결과: 부분적 사실만 나열하거나 맥락 오인으로 인한 환각 잔존
"구조화된 의미망 추론"
- 방식: 엔티티와 관계를 온톨로지 그래프로 모델링하고 하위·상위 개념을 유기적 연결
- 장점: 여러 문서에 흩어진 정보를 개체 간 연결선을 통해 거시적 종합 파악
- 추론: 다단계 경로 탐색(Multi-hop Reasoning)으로 복합 인과 관계 정밀 추론
- 결과: 검증된 사실 기반의 무결점 답변 생성 및 완벽한 출처 추적성 제공
📊 온톨로지(Ontology) vs 신경망 LLM(Neural LLM) 기술 비교 매트릭스
| 비교 항목 | 온톨로지 · 지식 그래프 (Ontology & KG) | 대규모 언어모델 (Large Language Models) |
|---|---|---|
| 지식 표현 형태 | 명시적(Explicit), 기호화된 엔티티 및 관계 삼원조(Triples) | 암묵적(Implicit), 고차원 연속 벡터 잠재 공간의 파라미터 가중치 |
| 추론 방식 | 엄밀한 기호 논리 연역(Deduction) 및 온톨로지 공리 기반 검증 | 통계적 패턴 매칭 및 확률적 다음 토큰 예측(Next-Token Prediction) |
| 해석 가능성 | 100% 투명하고 경로 추적 가능 (White-box, 완벽한 설명성) | 비선형 다층 신경망으로 인한 불투명성 (Black-box 딜레마) |
| 유연성 및 일반화 | 정의된 스키마 바깥의 비정형 표현에 대한 유연성 부족 | 자연어의 맥락, 유의어, 비유적 표현에 대한 극도의 유연성 |
| 지식 갱신 | 개체 및 관계 노드를 실시간 추가·삭제·수정 가능 | 가중치 재학습(Fine-tuning)에 막대한 컴퓨팅 비용 소모 |
| 상호 보완 (Synergy) | LLM에게 검증된 사실(Grounding)과 인과적 구조를 제공 | 비정형 텍스트에서 온톨로지 엔티티와 관계를 자동 추출 |
▪ 온톨로지 학술 논문 · 전문 사이트 및 저작
📄 학술 논문 · 저널 자료
▪ 온톨로지 · 지식 구조화 명강의 영상 아카이브
온톨로지의 정의, 시맨틱 지식 구조, 연구 방법론에서의 존재론과 인식론을 다룬 핵심 동영상 강의입니다. (모든 기존 영상 완벽 보존)
What is an Ontology
컴퓨터 과학에서 온톨로지의 기본 정의와 구조
온톨로지 (Ontology) 해설
개념 간의 관계와 정보 구조화의 원리
Ontology & Epistemology
연구 철학에서 존재론, 인식론, 방법론의 관계
▪ 관련 핵심 학술 개념 및 세부 연구 분야
존재론 및 온톨로지와 인공지능 연구에서 상호 참조되는 주요 학술 개념들입니다. 각 링크를 클릭하면 상세 페이지로 이동합니다.