DEVOCEAN

안녕하세요, 데보션 오픈랩 스터디의 윤도균입니다.

저희는 7월 18일에 킥오프 회의를 진행했었습니다.

킥오프 회의에서는 스터디장님이 스터디 목표 등을 소개해주시고 이후 오픈랩 프로젝트 계획을 수립 했었습니다.

이번이 저희 스터디 첫글이어서 대형언어모델을 포함한 AI 시스템을 주로 연구하는 제가 온톨로지를 공부하는 이유인

"AI 시스템에 온톨로지가 필요한 이유"를 소개해보려고 합니다.

온톨로지가 필요한 이유

대형 언어 모델은 일반적인 목적 (General purpose)에 적용하기에는 매우 좋은 AI 모델입니다.

최근에는 대형언어모델을 이용하여 다양한 작업이 가능한 AI 시스템을 만들 수 있었습니다.

데이터의 활용

그러나, 대형언어모델이 학습한 데이터는 주로 방대한 Text 데이터이고 회사가 갖고 있는 데이터나 개인의 데이터는 이에 추가하거나 학습하기 어렵습니다.

그렇다면 저희는 어떻게 AI 시스템이 우리의 데이터를 활용하게 할 수 있을까요?

가장 쉽게는 RAG(Retrieval Augmented Generation)이 있을 겁니다.

RAG 방식은 정보의 단편을 가져와서 이를 이용하여 AI 시스템이 응답하게 하는 방식입니다.

이러한 정보의 단편은 텍스트가 아니면 청크화하여 사용하기 어렵고, 맥락, 관계 정보 등의 정보가 손실되게 됩니다.

온톨로지를 이용한 데이터의 구조화는 이런 다양한 정보를 활용 가능하게 합니다.

예를들어, 한국 헌법을 그대로 RAG 시스템에서 이용한다고 한다면 텍스트가 청크로 나뉘어질거고,

이 과정에서 이 법이 몇 조 몇 항에 해당되고 어떤 법이 관계되어 있는지 등의 정보가 손상이 되지만, 온톨로지를 이용한다면 이러한 관계 등이 보존됩니다.

Logical한 응답

다음으로 현재 대형 언어모델에게 도메인에 맞는 추론을 하게 할 수 있습니다.

이는 일반적인 작업에서는 문제가 생기지 않을 수 있지만 의료, 재무 등 고난이도의 작업에서는 대형언어모델이 알고 있는 로직보다 더 고난이도의 로직이 요구 될 수 있습니다.

또한, 이런 분야에서는 대형언어모델의 추론 로직을 이해하지 못한다면, 또한 이런 로직을 바람직하게 교정할 수 없다면 문제가 생길 수 있습니다.

이런 경우에는 온톨로지를 이용하여 AI 시스템에게 우리가 알고있는 로직을 주고 추론하게 할 수 있습니다.

이러한 이유로 AI 시스템 (특히, 대형언어모델 활용한 경우에도)에서 팔란티어, 구글 등 다양한 글로벌 빅테크들이 온톨로지를 주목하고 시스템의 레이어로 추가하고 있습니다.

저도 온톨로지가 AI 시스템의 완전성에 많은 기여를 할거라고 생각을 하고 있습니다.

저는 이러한 목적으로 스터디를 진행하고 있는데, 의욕이 넘치는 훌륭한 스터디분들과 같이 공부를 하면서 완성해 나가려고 합니다.

앞으로도 저희 온톨로지 스터디에 관심을 많이 가지고 지켜봐주시면 감사하겠습니다.