1. 지식 (Knowledge, 知識)
ㅇ 단편적인 데이터 또는 정보들의 축적 이상의 것
- 정보를 의사결정이나 행동양식으로 바꿀 수 있게 하는 자원
. 단순 정보를 적절한 노하우(know-how)나 노화이(know-why)로 연결시켜,
. 의사결정에 도움을 줌
ㅇ 즉, 정보를 개념화시켜 보편적인 정리,법칙으로 변환시킨 것
- 문제해결에 이용되는 (응용 가능한) 조직적이고 체계화된 정보
ㅇ 지식의 생성
- 데이터 -(추출,분석)-> 정보 -(가공,축적)-> 지식 (문제해결)
2. 유용한 지식의 요건
ㅇ (일반성) 일반성이 있어야 함
ㅇ (적용성) 많은 상황에서 적용 가능성
ㅇ (유연성) 현실 변화 반영 및 수정 용이성
ㅇ (구조화) 구조화,조직화되어 그 부피를 적게하고 검색이 용이해야 함
ㅇ (표현성) 지식의 습득 및 확장이 용이한 표현 형태를 갖추어야 함
3. 지식의 형태, 가치, 본질
ㅇ 형태
- 형식지 (Explicit Knowledge) : 문서화되고 명확히 표현할 수 있는 지식
- 암묵지 (Tacit Knowledge) : 경험, 직관, 통찰 등에 기반한 명시적으로 표현하기 어려운 지식
ㅇ 지식의 가치 요소
- 창조 (Creation) : 새로운 지식의 생성
- 배포 (Distribution) : 지식을 다양한 채널로 공유
- 적용 (Application) : 실제 문제 해결과 개선에 활용
ㅇ 지식의 본질 탐구
- 철학적 인식론(epistemology)의 연구에서 출발하며,
- "우리가 무엇을 알고 어떻게 아는가?"라는 질문에 대한 답을 찾는 과정
4. 지식의 표현 : 지식에 대한 기계적 표현 유형
※ (전통적 방식)
ㅇ 논리 기반 지식 표현
- 논리적 구조와 규칙에 기반해 지식을 명확히 기술
ㅇ 규칙 기반 지식 표현
- "조건-결과" 형식으로, 의사결정과 문제 해결에 사용되는 규칙
ㅇ 의미망 기반 지식 표현 (Semantic Network)
- 개체 간의 관계를 그래프로 표현하여 지식의 맥락을 보여줌
ㅇ 프레임 기반 지식 표현
- 상황, 개념, 물체를 구조화된 프레임으로 기술
※ (현대적 방식)
ㅇ 현대 AI의 주요 방식
- 벡터 기반 지식 표현 (Embedding)
. 단어, 문장, 개념 → 고 차원 벡터
. 의미가 "거리/방향"으로 표현됨
. 例) "왕 - 남자 + 여자 ≈ 여왕" : 이를 벡터 형식으로 볼 때, v(왕) - v(남자) + v(여자)
.. v(왕) - v(남자) → "왕"에서 "남성성"을 제거하고, + v(여자) → "여성성"을 추가하면,
.. 그 결과는, ≈ v(여왕)이 됨
.. 이 例에서는, 실제 계산 보다는, 벡터 공간 내 의미 관계가 보존된다는 예시임
- 신경망 기반 지식 표현 (딥러닝)
. 대표적으로, 딥러닝,트랜스포머 모델,GPT 등에서,
.. 규칙을 직접 쓰지 않음
.. 데이터에서 패턴을 자동 학습
.. 지식이 모델 내부 가중치(weight)에 암묵적으로 저장됨
ㅇ 결국, 현대 AI는, "지식을 구조로 표현"하지 않고, "패턴으로 학습"함
- 단, 설명 가능성과 정확성 보완을 위해, 전통 방식도 병행 사용 중