#온톨로지
9개의 포스트
![[특집] 스키마 없이 9억 노드 — AutoSchemaKG 깊이 읽기: 사건 노드, 개념화, ATLAS, 그리고 초록의 숫자가 표에서 뜻하는 것](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fakg-cover.webp&w=3840&q=75)
[특집] 스키마 없이 9억 노드 — AutoSchemaKG 깊이 읽기: 사건 노드, 개념화, ATLAS, 그리고 초록의 숫자가 표에서 뜻하는 것
지식 그래프는 40년 동안 분류표(스키마)를 사람이 먼저 그리고 그 칸에 사실을 채우는 방식으로 만들어졌습니다. ACL 2026에 실린 AutoSchemaKG(홍콩과기대·화웨이)는 순서를 뒤집어, LLM으로 개체와 '사건'을 먼저 뽑고 뽑힌 것마다 개념 꼬리표를 붙여 스키마를 끌어냅니다. 문서 5천만 건에서 노드 13.6억·엣지 86억짜리 그래프 ATLAS가 나왔고 GPU 78,400시간이 들었습니다. 이 글은 Cyc·Freebase·OpenIE·허스트 패턴으로 이어지는 역사부터 논문의 세 아이디어를 풀고, 표를 한 줄씩 다시 읽습니다. 사건 노드는 문단 정보의 89%를 지켰지만(개체 트리플은 35%), '12~18% 향상'은 BM25 대비였고 같은 검색기의 원본 그래프와는 비기거나 졌으며, 개념 노드가 보탠 점수는 1점 안팎, '92% 정렬'은 정답률이 아니라 BERTScore였습니다. 코어닷투데이가 한국어 위키백과 25문단에 같은 프롬프트를 돌린 실측과, 저장소 이슈·IBM의 재현·저자들의 후속 논문까지 함께 정리했습니다.
![[특집] SaaS가 25년 동안 못 지킨 약속, AI가 지킨다 — 「전문성의 힘」과 계속 배우는 루프(CLL) 완전 해부](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fep-cover.webp&w=3840&q=75)
[특집] SaaS가 25년 동안 못 지킨 약속, AI가 지킨다 — 「전문성의 힘」과 계속 배우는 루프(CLL) 완전 해부
2026년 2월, 앤트로픽의 클로드 코워크가 나오자 월가는 'AI가 SaaS를 죽인다'며 소프트웨어 주식을 던졌습니다. 그로부터 일곱 달 뒤인 9월 15일, 프라이머리 벤처 파트너스의 에밀리 만이 정반대 글을 올렸습니다. 「Enterprise AI is Finally Delivering on the Promise SaaS Made」, 즉 '기업용 AI가 드디어 SaaS가 했던 약속을 지키고 있다'. 1999년 세일즈포스가 '소프트웨어의 종말'을 선언한 이래 SaaS는 25년 동안 '전문성'을 팔았지만 정작 그 전문성은 제품이 아니라 영업사원과 컨설턴트의 머릿속에 있었다는 진단에서 출발해, 오늘의 AI 에이전트는 왜 '똑똑한 신입'에 불과한지, 신입을 베테랑으로 만드는 '스코어북'이란 무엇인지, 고객이 늘수록 다음 고객이 쉬워지는 '계속 배우는 루프(CLL)'가 왜 진짜 해자인지, 그리고 '연구소가 앱을 다 먹을 것'이라는 공포에 스노우플레이크와 세일즈포스의 역사가 뭐라고 답하는지를 따라갑니다. 카드 분쟁 100달러 사례, 청구서 예외의 롱테일, 카파시의 '시스템 프롬프트 학습'부터 2026년 8월의 '하니스 계속 학습' 논문까지 — 인터랙티브 6개와 삽화 13장, 원문 도표 4장으로 함께 읽어 보세요.

데이터의 족보를 추적하라: W3C PROV-O 완전 정복
당신이 보는 데이터, 정말 믿을 수 있나요? 2013년 W3C가 발표한 PROV-O는 '데이터의 족보'를 추적하는 국제 표준이다. AI 딥페이크와 가짜뉴스의 시대, 이 13년 된 표준이 왜 지금 가장 뜨거운 기술이 되었는지 추적한다.

Simple Event Model(SEM) 완전 해부: 세상의 모든 사건을 구조화하는 법
역사적 사건부터 해적 공격까지 — 세상의 모든 '일어난 일'을 컴퓨터가 이해할 수 있게 표현하려면 어떻게 해야 할까? 2011년 탄생한 Simple Event Model(SEM)이 그 해답이다. 왜 이 개념이 필요했고, 2026년 AI 시대에 어떤 의미를 갖는지 깊이 파헤친다.

NeOn-GPT: LLM이 온톨로지를 자동으로 만들어 준다고?
온톨로지 전문가가 몇 달 걸리던 작업을, GPT가 몇 시간 만에? NeOn 방법론과 LLM을 결합한 NeOn-GPT 파이프라인의 모든 것. 와인 온톨로지 케이스 스터디와 함께 자동 온톨로지 생성의 현재와 미래를 파헤친다.

OG-RAG: 온톨로지로 RAG에 '전문가의 눈'을 심다
RAG가 문서를 찾아주긴 하는데, 도메인 전문가처럼 '진짜 중요한 사실'을 골라내지 못한다면? Microsoft Research가 제안한 OG-RAG는 온톨로지로 검색을 근거화하여 사실 재현율을 55% 향상시킨다.

온톨로지의 모든 것: 아리스토텔레스에서 Palantir까지
2,400년 전 아리스토텔레스가 '존재의 범주'를 정리한 이래, 온톨로지는 철학에서 컴퓨터 과학으로, 다시 엔터프라이즈 AI의 핵심으로 진화해 왔다. Palantir 특집과 함께 그 역사를 추적한다.

LLM + 시맨틱 웹: AI의 '감'을 '논리'로 바꾸는 법 — Structured Decomposition 논문 해부
GPT-5도 규칙을 일관되게 적용하지 못한다. 이 논문은 LLM을 '온톨로지 채우기 엔진'으로 재정의하고, SWRL 추론기가 규칙을 결정론적으로 적용하는 신경-상징 통합 프레임워크를 제안한다. 법률, 의학, 과학 3개 도메인에서 11개 모델로 검증한 결과를 해부한다.

AI 법률 추론의 미래 — SOLAR: 검증 가능한 법률 추론을 위한 멀티 에이전트 프레임워크
GPT-4o가 세금 계산 문제에서 18.8%의 정확도를 보이는 동안, 추론 모델 o4-mini는 91.7%를 기록한다. 하지만 비용이 수십 배 비싸다. SOLAR 프레임워크는 저비용 모델의 정확도를 76.4%로 끌어올려, 이 격차를 68.2%에서 5.9%로 줄인다.