지식 베이스
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
지식 베이스는 컴퓨터가 읽을 수 있는 기계 가독형과 인간이 다루기 쉬운 인간 가독형으로 구분되며, 지식의 저장, 관리, 검색을 목적으로 한다. 기계 가독형은 자동 추론을 위해 논리 규칙을 사용하고, 인간 가독형은 문제 해결, 교육 등의 목적으로 조직의 지식을 담는다. 좋은 지식 베이스는 정보의 질, 지속적인 업데이트, 효율적인 검색 시스템, 분류 구조 등을 갖추며, 온톨로지를 활용하여 지식의 구조를 나타내기도 한다. 인공 지능 구성 요소를 포함하여 문제 해결이나 학습에 활용될 수도 있으며, 데이터베이스와 구별되는 특징을 갖는다. 인터넷 환경에서 문서, 하이퍼텍스트, 멀티미디어 지원이 중요해지면서 지식 관리 시스템에서 활용되며, 교육 과정 정보 관리에 활용되는 TUSK와 같은 구현 사례가 있다.
더 읽어볼만한 페이지
- 지식 베이스 - Cyc
Cyc는 더글러스 레너트가 시작한 인공지능 프로젝트로, 인간 수준의 지식을 컴퓨터에 구축하는 것을 목표로 지식베이스와 추론 엔진을 활용하며, 다양한 분야에 응용되었으나 데이터 구축의 어려움으로 비판받기도 했다. - 지식 베이스 - 지식 그래프
지식 그래프는 개념과 관계를 통해 지식을 표현하는 디지털 구조로, 구글, 페이스북 등 여러 기업에서 활용되며 대중화되었고, 온톨로지, 그래프 데이터베이스, 대규모 언어 모델 등을 통해 구현 및 연구되고 있다. - 전문가 시스템 - BRMS
BRMS는 비즈니스 규칙을 소프트웨어 시스템에 적용하는 방식으로, 기업 의사 결정 관리의 중요한 부분이며 모델 중심 엔지니어링과 관련이 깊고, BMM, SBVR, PRR, DMN 등의 표준과 RuleML 같은 규칙 마크업 언어가 활용될 수 있다. - 전문가 시스템 - 추론 엔진
추론 엔진은 지식 베이스의 규칙과 주어진 사실을 이용하여 새로운 결론을 도출하는 시스템으로, 초기 전문가 시스템 개발에서 시작하여 다양한 알고리즘과 기술 발전을 거쳐 딥러닝과 융합되며 윤리적 문제와 사회적 영향에 대한 고려가 중요해지고 있다. - 데이터베이스 - 화이트리스트
화이트리스트는 특정 대상만 허용하고 나머지는 차단하는 접근 제어 목록으로, 정보보안, 무역, 금융 등 다양한 분야에서 활용되지만, 목록 선정 기준의 불명확성, 사회적 문제점 등의 위험성으로 투명하고 엄격한 관리가 필요하다. - 데이터베이스 - 빅 데이터
빅 데이터는 기존 방식으로 처리하기 어려운 막대한 양의 데이터로, 다양성, 속도, 정확성 등의 특징을 가지며, 다양한 기술을 활용해 여러 분야에서 중요한 역할을 하지만 개인 정보 침해 논쟁도 있다.
| 지식 베이스 | |
|---|---|
| 지도 정보 | |
| 기본 정보 | |
| 유형 | 정보 저장소 |
| 주요 기능 | 데이터베이스 지식 관리 인공지능 자동 추론 의사 결정 지원 |
| 활용 분야 | 고객 지원 의료 진단 연구 개발 온라인 학습 데이터 통합 챗봇 자동화 시스템 |
| 기술적 특징 | |
| 데이터 표현 | 개체 관계 모델 의미망 온톨로지 프레임 (인공지능) |
| 추론 방식 | 논리 프로그래밍 규칙 기반 시스템 사례 기반 추론 |
| 검색 및 질의 | 키워드 검색 의미 검색 자연어 처리 |
| 지식 표현 방식 | |
| 규칙 기반 | 생성 규칙 논리 규칙 |
| 프레임 기반 | 프레임 구조 사용 |
| 의미망 | 의미망 그래프 구조 사용 |
| 온톨로지 | 온톨로지 기반 지식 표현 |
| 응용 분야 | |
| 전문가 시스템 | 의료 진단 재무 분석 법률 자문 |
| 자연어 처리 | 챗봇 문서 요약 기계 번역 |
| 지능형 로봇 | 로봇 공학 분야에서 활용 |
| 의사 결정 지원 시스템 | 의사 결정 지원 |
| 게임 인공지능 | 게임 인공지능 |
| 데이터 마이닝 | 데이터 패턴 발견 분류 회귀 |
| 관련 기술 | |
| 자연어 처리 | 형태소 분석 구문 분석 의미 분석 |
| 기계 학습 | 데이터 기반 학습 |
| 인공지능 | 지능 구현 |
| 데이터베이스 | 데이터 저장 및 관리 |
| 온톨로지 | 지식 모델링 |
2. 종류
지식 베이스는 다음 두 가지 유형으로 크게 나뉜다.
- 기계 가독형 지식 베이스: 컴퓨터가 읽을 수 있는 형식으로 지식을 저장한다. 일반적으로 이러한 지식에 대해 자동 추론을 수행하는 것을 목적으로 한다. 지식은 논리적으로 일관된 방법으로 규칙이라는 형식으로 기술된다. 개별 지식은 논리곱, 논리합, 논리적 포함, 부정과 같은 논리 연산자를 사용하여 결합한다.
- 인간 가독형 지식 베이스: 특히 교육 등의 목적으로 인간이 다룰 수 있는 형식으로 지식을 축적한 것이다. 특정 조직에 대한 지식(문제 해결, 논문, 백서, 매뉴얼 등)의 집적이다. 그 장점은, 기존의 해결책 중에서 해당 분야에 익숙하지 않은 사람이 현재 문제의 해결책을 찾는 수단을 제공하는 것이다.
지식 베이스의 중요한 점은 포함하는 정보의 질이다. 좋은 지식 베이스는 주의 깊게 작성된 문서를 보관하고 지속적으로 업데이트하며, 우수한 검색 시스템을 갖추고 있으며, 저장 형식도 신중하게 고려되어 있으며, 분류 구조도 잘 정비되어 있다.
지식 베이스는 구조(저장 실체의 유형과 개별 지식의 연관성) 및 그 분류 기준을 나타내는 데 온톨로지를 사용하는 경우가 있다. 온톨로지는 클래스의 인스턴스 집합과 함께 지식 베이스의 구성 요소가 된다.
어떤 정보를 수집하고 그것을 지식 베이스의 어디에 저장할 것인가는 어떤 시스템 지원 기능에 의해 결정된다. 견고한 프로세스 구조가 좋은 지식 베이스의 기반이 된다.
지식 베이스는 인공 지능적 구성 요소를 가지고 있을 수도 있다. 이러한 종류의 지식 베이스는 사용자에게 어떤 문제 해결책을 제공할 수 있으며, 경험으로부터 학습할 수 있다. 이에 대해서는 전문가 시스템을 참조하십시오. 지식 표현과 자동 추론은 인공 지능 연구에서도 활발한 분야 중 하나이다.
2. 1. 기계 가독형 지식 베이스
기계 가독형 지식 베이스는 컴퓨터가 읽을 수 있는 형식으로 지식을 저장한다. 일반적으로 이러한 지식에 대해 자동 추론을 수행하는 것을 목적으로 한다. 지식은 논리적으로 일관된 방법으로 규칙이라는 형식으로 기술된다. 개별 지식은 논리곱, 논리합, 논리적 포함, 부정과 같은 논리 연산자를 사용하여 결합한다.2. 2. 인간 가독형 지식 베이스
지식 베이스는 크게 두 가지 유형으로 나뉜다.- 기계 가독형 지식 베이스: 컴퓨터가 읽을 수 있는 형식으로 지식을 저장한다. 일반적으로 이러한 지식에 대해 자동 추론을 수행하는 것을 목적으로 한다. 지식은 논리적으로 일관된 방법으로 규칙이라는 형식으로 기술된다. 개별 지식은 논리곱, 논리합, 논리적 포함, 부정과 같은 논리 연산자를 사용하여 결합한다.
- 인간 가독형 지식 베이스: 특히 교육 등의 목적으로 인간이 다룰 수 있는 형식으로 지식을 축적한 것이다. 특정 조직에 대한 지식(문제 해결, 논문, 백서, 매뉴얼 등)의 집적이다. 그 장점은, 기존의 해결책 중에서 해당 분야에 익숙하지 않은 사람이 현재 문제의 해결책을 찾는 수단을 제공하는 것이다.
지식 베이스의 중요한 점은 포함하는 정보의 질이다. 좋은 지식 베이스는 주의 깊게 작성된 문서를 보관하고 지속적으로 업데이트하며, 우수한 검색 시스템을 갖추고 있으며, 저장 형식도 신중하게 고려되어 있으며, 분류 구조도 잘 정비되어 있다.
지식 베이스는 구조(저장 실체의 유형과 개별 지식의 연관성) 및 그 분류 기준을 나타내는 데 온톨로지를 사용하는 경우가 있다. 온톨로지는 클래스의 인스턴스 집합과 함께 지식 베이스의 구성 요소가 된다.
어떤 정보를 수집하고 그것을 지식 베이스의 어디에 저장할 것인가는 어떤 시스템 지원 기능에 의해 결정된다. 견고한 프로세스 구조가 좋은 지식 베이스의 기반이 된다.
지식 베이스는 인공 지능적 구성 요소를 가지고 있을 수도 있다. 이러한 종류의 지식 베이스는 사용자에게 어떤 문제 해결책을 제공할 수 있으며, 경험으로부터 학습할 수 있다. 이에 대해서는 전문가 시스템을 참조하십시오. 지식 표현과 자동 추론은 인공 지능 연구에서도 활발한 분야 중 하나이다.
3. 속성
지식 베이스라는 용어는 이러한 형태의 지식 저장소를 보다 일반적이고 널리 사용되는 용어인 ''데이터베이스''와 구별하기 위해 만들어졌다. 1970년대에는 거의 모든 대규모 경영 정보 시스템이 어떤 형태의 계층형 또는 관계형 데이터베이스에 데이터를 저장했다. 정보 기술 역사의 이 시점에서 데이터베이스와 지식 베이스의 차이는 명확하고 모호하지 않았다.[2]
데이터베이스는 다음과 같은 특성을 가지고 있었다.
- 플랫 데이터: 데이터는 일반적으로 각 필드에 문자열이나 숫자가 있는 표 형식으로 표현되었다.
- 다중 사용자: 기존 데이터베이스는 동시에 동일한 데이터에 로그인한 여러 사용자 또는 시스템을 지원해야 했다.
- 트랜잭션: 데이터베이스에 필수적인 요구 사항은 동시 사용자가 액세스하는 데이터 간의 무결성과 일관성을 유지하는 것이었다. 이것이 소위 ACID 속성(원자성, 일관성, 격리성, 지속성)이다.
- 대량의 장기간 데이터: 기업 데이터베이스는 수천 개가 아니라 수십만 개 이상의 데이터 행을 지원해야 했다. 이러한 데이터베이스는 일반적으로 개별 프로그램의 특정 용도를 넘어 지속되어야 했다. 프로그램의 수명이 아닌 수년, 수십 년 동안 데이터를 저장해야 했다.
최초의 지식 기반 시스템은 이러한 데이터베이스 요구 사항과 정반대되는 데이터 요구 사항을 가지고 있었다. 전문가 시스템은 구조화된 데이터를 필요로 한다. 숫자와 문자열이 있는 표뿐만 아니라, 차례로 추가 포인터를 가진 다른 객체에 대한 포인터도 필요하다. 지식 베이스에 이상적인 표현은 클래스, 하위 클래스 및 인스턴스를 가진 객체 모델(종종 인공 지능 문헌에서 온톨로지라고 함)이다.[2]
초기 전문가 시스템은 다중 사용자 또는 데이터에 대한 트랜잭션 속성을 요구하는 데 따르는 복잡성이 거의 필요하지 않았다. 초기 전문가 시스템의 데이터는 의료 진단, 분자 설계 또는 응급 상황에 대한 대응과 같은 특정 답변에 도달하는 데 사용되었다.[2] 문제에 대한 해결책이 알려지면 대량의 데이터를 영구 메모리 저장소에 다시 저장할 필요가 없었다. 보다 정확한 설명은 사용 가능한 기술을 고려하여 연구자들이 이러한 기능 없이 타협했고, 이러한 기능이 기대할 수 있는 것 이상이라는 것을 깨달았기 때문에, 이러한 기능 없이 중요하지 않은 문제에 대한 유용한 해결책을 개발할 수 있었기 때문이다. 초기부터 더욱 통찰력 있는 연구자들은 지식을 저장, 분석 및 재사용할 수 있는 잠재적 이점을 인식했다. 예를 들어, 지식 기반 소프트웨어 어시스턴트 프로그램의 초기 작업에서 기업 메모리에 대한 논의를 참조하십시오. 코델 그린 등.[3]
기존 데이터베이스와 비교하여 지식 베이스의 볼륨 요구 사항도 달랐다. 지식 베이스는 세계에 대한 사실을 알아야 했다. 예를 들어, "모든 인간은 죽는다"라는 진술을 나타내기 위해 데이터베이스는 일반적으로 이러한 일반적인 지식을 나타낼 수 없지만, 대신 특정 인간에 대한 정보를 나타내는 수천 개의 표에 대한 정보를 저장해야 한다. 모든 인간이 죽는다는 것을 나타내고 주어진 인간이 죽는다는 점에 대해 추론하는 것은 지식 베이스의 작업이다. 조지, 메리, 샘, 제나, 마이크... 그리고 수십만 명의 다른 고객이 특정 연령, 성별, 주소 등을 가진 인간이라는 것을 나타내는 것은 데이터베이스의 작업이다.[4][5]
전문가 시스템이 프로토타입에서 기업 환경에 배포된 시스템으로 이동함에 따라 데이터 저장에 대한 요구 사항은 트랜잭션을 지원하는 다중 분산 사용자에 대한 표준 데이터베이스 요구 사항과 빠르게 겹치기 시작했다. 처음에는 두 개의 서로 다르지만 경쟁적인 시장에서 수요를 볼 수 있었다. AI 및 객체 지향 커뮤니티에서 Versant와 같은 객체 지향 데이터베이스가 등장했다. 이러한 시스템은 객체 지향 기능을 지원하고 표준 데이터베이스 서비스도 지원하도록 처음부터 설계되었다. 반면에 Oracle과 같은 대형 데이터베이스 공급업체는 클래스-하위 클래스 관계 및 규칙과 같은 지식 베이스 요구 사항을 지원하는 기능을 제품에 추가했다.
4. 인터넷 환경에서의 발전
인터넷의 부상과 함께 문서, 하이퍼텍스트, 멀티미디어 지원이 모든 기업 데이터베이스에 중요해졌다. 기업 웹사이트 지원에는 문서에 대한 지속성과 트랜잭션이 필요했고, 이는 웹 콘텐츠 관리라는 새로운 분야를 만들어냈다.[6] HCL 노츠(이전 Lotus Notes)와 같은 지식 관리 업체들은 자신들의 저장소를 설명하기 위해 "지식베이스"라는 용어를 채택했다.[6] 지식 관리 제품의 경우, 지식은 주로 인간을 위해 의도된 것이었는데, 예를 들어 설명서, 절차, 정책, 모범 사례, 재사용 가능한 설계 및 코드 등의 저장소 역할을 하는 것이었다.[6]
5. 구현 사례
터프츠 대학교 의과대학은 TUSK(Tufts University Sciences Knowledgebase)라는 소프트웨어 기반을 개발했다.[7] TUSK는 터프츠 대학교의 의과대학, 치과대학, 수의과대학 등의 교육과정 정보 지식 베이스로 사용되고 있다.[7] 이 기반은 미국의 3개 대학과 아프리카의 3개 대학에서 사용되고 있으며, 곧 인도에서도 사용될 예정이다.[7] 이것은 기반이므로 각각의 필요에 맞춰 지식 베이스를 구축할 수 있도록 되어 있다.[7]
6. 한국 사회에서의 지식 베이스
7. 관련 항목
참조
[1]
서적
Artificial intelligence: a modern approach
Pearson
2021
[2]
서적
Building Expert Systems
https://archive.org/[...]
Addison-Wesley
[3]
학술지
Report on a knowledge-based software assistant
http://dl.acm.org/ci[...]
Morgan Kaufmann
2013-12-01
[4]
서적
The Fifth Generation: Artificial Intelligence and Japan's Computer Challenge to the World
https://archive.org/[...]
Addison-Wesley
[5]
서적
Logic, Databases, and Artificial Intelligence
Springer
2013-12-01
[6]
서적
Introduction to Database and Knowledge-base Systems
World Scientific Publishing
[7]
웹사이트
Tufts University Sciences Knowledgebase vision
http://tusk.tufts.ed[...]
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com