DEVOCEAN

오픈랩 - 지식그래프 스터디의 거의 막바지에 이르렀습니다.

그동안 온라인, 오프라인 둘중 하나만 선택해서 진행했는데, 이번 모임은 하이브리드로 진행을 해보았습니다.

역시 하이브리드는 정말 고려할게 많아서 진행에 어려움이 많았지만, 그래도 시공간의 제약을 벗어나서 건설적인(?) 대화를 진행할 수 있다는 것은 무시못할 장점인 듯합니다.

오프모임에 참석하신 분들만 중간에 멈추고 식사를 진행해서 어수선함을 극복하는 것도 과제이긴 했습니다.

시간이 지날수록 처음부터 이렇게 진행할 것을 하는 생각에 끊임없이 우왕좌왕 하였지만,

다음과 같은 접근 방법을 통해 스터디에서 문제 해결 방법의 실마리를 찾아가게 되었다는 것도 소득이긴 합니다.

그 시기가 좀 늦긴했지만요.

무언가 근사한 시스템을 설계하고 만드는 것보다 온톨로지라는 개념의 본질에 집중할때,

우리가 해결할 수 있는 문제들은 무엇일까에 대해서 허홍수님이 다음과 같은 아이디어를 제안 주셨습니다.

Mother ⊆ Woman ∩ ∃ hasChild

XXX ⊆ Mother ∩ ∃ liveInSeoul

XXX는 “서울맘”

뜬금없는 이산수학입니다만, 위 모델은 다음의 문제를 해결하기 위한 표현입니다.

• 여성이고 아이가 있으면 엄마이다.

• 서울사는 엄마를 어떻게 부를 수 있나?

즉 여기서는 "서울맘"이라고 대략 추론할 수 있습니다.

이런 식으로 문제를 정의한다면, (First Order Logic 으로 문제를 정의할 수 있다면) 우리는 온톨로지를 통해서 원하는 답을 얻을 수 있다는 것을 다시한번 확인하게 됩니다.

위 이미지는, 온톨로지 추론 기능이 강력한 RDFox를 통한 예제를 설명한 슬라이드 중에 하나를 발췌한 것입니다.

오픈랩 스터디를 진행하면서 알게된 온톨로지 추론 엔진인 RDFox의 제작사인 옥스포드시맨틱 테크놀로지에서 기꺼이 데모 설명을 진행해주어 RAG 뿐 아니라,

전통적인 데이터 분석 분야, 특히 자원제약이 심한 임베디드 시스템에서도 온톨로지 추론이 가능함을 알게 되었습니다.

위 슬라이드는 화분에 부착한 수분 센서를 통해서 수집한 데이터와, 화분까지 연결된 파이프 연결 상황을 고려해서,

어떤 펌프를 얼마나 동작시켜야하는지에 대한 의사 결정을 수행하는 것을 설명하고 있습니다.

시간이 빠르게 지나가고 있어 마지막 한번의 모임을 남겨두고 있습니다.

모든 참여하신 분들이 스터디를 통해서 얻어가시는 것이 많기를 기대합니다.