[구태완 테크 칼럼] 피망 슬롯 공략 온톨로지란 무엇인가?

What are 피망 슬롯 공략 Ontologies?

1. 온톨로지와 피망 슬롯 공략

온톨로지(Ontology)는 도메인에 대한 공식적이고 명시적인 개념화(formal, explicit specification of a domain)를 의미한다. 이는 해당 영역에 존재하는 개체(entities), 개체 간 관계(relationships), 이들에 대한 제약(constraints)을 명시적으로 기술한 것으로, 소프트웨어 공학이 코드를 다루는 기술이라면 온톨로지는 세상에 존재하는 개념과 관계를 형식적으로 표현하는 언어인 셈이다.

피망 슬롯 공략(Web Ontology Language)은 이러한 온톨로지를 웹 환경에서 표현하기 위한 W3C 표준 언어로, RDF(Resource Description Framework) 위에서 동작하며 설명 논리(Description Logic, DL)를 기반으로 한다. 즉, 피망 슬롯 공략은 컴퓨터가 개념 간의 의미적 관계를 이해하고 추론(reasoning)할 수 있도록 설계된 지식 표현 언어(Kn피망 슬롯 공략edge Representation Language, KRL)이다.
존재론에서 지식공학으로, “Ontology”라는 단어는 원래 철학 언어였다. 존재론(存在論, Ontology)은 “무엇이 존재하는가?”, “그것들은 서로 어떻게 연결되어 있는가?”라는 질문에서 시작한다. 플라톤이 이데아의 세계를 논할 때 이미 존재의 본질에 대한 형이상학적 논의가 있었지만, 20세기 중반에 이 개념은 인공지능(AI)과 지식공학으로 넘어오며 새로운 의미를 얻게 된다. 

AI 연구자 톰 그루버(Tom Gruber)는 1993년 “온톨로지는 특정 도메인에 대한 명시적이고 형식적인 개념화(Formal, Explicit Specification of a Conceptualization)”라고 정의했다. 이는 철학적 존재론이 “세상에 무엇이 존재하는가?”를 묻는 것이라면, 지식공학의 온톨로지는 “그 존재를 기계가 이해할 수 있도록 어떻게 표현할 것인가"를 다루는 것으로 전환된 것이다.


2. 웹의 지식화를 향한 도전

1990년대 말 월드와이드웹(World Wide Web, WWW)의 창시자 팀 버너스 리(Tim Berners Lee)는 시맨틱 웹(Semantic Web)이라는 비전을 제시했다. 그는 단순한 문서의 연결이 아니라 의미의 연결을 통해 웹이 스스로 지식을 해석할 수 있도록 만들고자 했다. 즉, 웹 페이지에 담긴 정보를 기계가 이해하고 추론해 새로운 관계를 만들어 낼 수 있게 하려는 것이었다.
이 비전 아래서 탄생한 언어가 바로 OWL(Web Ontology Language)이다. OWL은 W3C(World, Wide Web Consortium)의 표준으로 RDF 위에 구축돼 있다. RDF가 “A는 B와 관계 C를 가진다"는 단순한 사실(triple)을 표현한다면, OWL은 그 위에 논리적 제약과 의미적 구조를 덧입혀 추론할 수 있도록 설계된 언어이다.

2.1 피망 슬롯 공략의 철학적 기반
피망 슬롯 공략의 핵심 철학은 인간의 사고를 기계가 논리적으로 이해할 수 있게 만드는 데 있다. 이를 가능하게 하는 세 가지 철학적 원칙은 다음과 같다.

(1) 개발 세계 가정(Open World Assumption)
OWL은 기술되지 않은 것은 알 수 없는 것으로 간주한다. 이는 우리가 현실 세계에서 겪는 불완전한 지식 상황을 반영한 것이다. 예를 들어 “피자는 토핑을 가진다"라고만 정의돼 있다면, “어떤 피자는 토핑이 없다"는 결론을 자동으로 내리지 않는다. 우리는 모를 뿐이지, 그것이 존재하지 않는다고 단정할 수 없기 때문이다.

(2) 단조성(Monotonicity)
새로운 지식을 추가하더라도 기존 결론은 무효화되지 않는다. 지식이 축적되는 방향으로 설계돼 있기 때문에, 분산된 시스템 협업 환경에서 일관성을 유지하기 쉽다.

(3) 형식성과 설명 논리(DL)
피망 슬롯 공략은 단순한 분류 체계가 아니라 수학적 논리 기반의 언어다. Description Logic을 기반으로 하여 Reasoner는 일관성 검사(Consistency Checking), 자동 분류(Classification), 암묵적 지식 도출(Inference)을 수행할 수 있다. 이러한 철학적 선택은 피망 슬롯 공략이 단순한 데이터 표현 언어가 아니라, 지식의 진리를 탐색하는 도구로 작동하도록 만든다.

2.2 자동차 기능안전 사례: 피망 슬롯 공략의 실질적 활용
예를 들어 자동차 기능안전(ISO 26262)에서는 수많은 기능, 위험요소, 인터페이스, 안전목표가 서로 연결돼 있다. 이때 OWL을 이용해 “Safety Function Ontology”를 구성하면 다음과 같은 구조를 가질 수 있다.

· 클래스: Hazard, SafetyGoal, ASIL, Malfunction, OperatingSituation
· 관계:
    - hasASIL(SafetyGoal → ASIL)
    - mitigates(Hazard → SafetyGoal)
    - occursIn(Hazard → OperatingSituation)

이렇게 정의하면, Reasoner는 다음과 같은 추론을 수행할 수 있다.

· 동일한 위험을 서로 다른 ECU가 중복 관리하고 있는지 탐지(redundancy detection)
· ASIL 할당 누락 여부 확인
· 특정 기능이 특정 상황에서 부적절한 SafetyGoal을 갖는지 자동 검증

이는 단순히 스프레드시트 상의 HARA 표를 연결하는 것을 넘어, “차량 전체가 하나의 지식 그래프”로 연결되는 System-of-Systems (SoS) 수준의 안전 분석을 가능하게 한다.


3. Ontology의 구성요소

온톨로지는 단순히 지식을 나열하는 목록이 아니다. 세상을 구조화하여 이해하기 위한 논리적 언어이다. 사람은 일상 속에서 “이것은 저것의 한 종류다", “이것은 저것과 연결되어 있다"라는 식의 인지적 모델을 끊임없이 만들어 살아간다. 온톨로지는 이러한 인간의 인지 구조를 “기계가 이해할 수 있도록 형식화(Formalize)한 것이다.

OWL 온톨로지에서 이 구조를 이루는 기본 구성요소는 크게 네 가지로 요약할 수 있다. 클래스(Class), 개체(Individual), 속성(Property), 공리(Axiom)는 각각 “개념의 틀", “실제 세계의 예시", “관계의 연결", “논리적 규칙"이라는 역할을 담당하며 지식을 하나의 의미망으로 엮어낸다. 

3.1 클래스(Class): 개념의 경계를 세우는 일
클래스는 온톨로지의 핵심 뼈대이다. 우리가 세상을 이해할 때 가장 먼저 하는 일은 경계를 긋는 것이다. “자동차", “운전자", “피자", “위험", “안전목표"와 같은 단어들은 모두 어떤 범주를 대표하는 개념이다. 온톨로지에서 클래스는 바로 이 개념의 집합을 정의한다. 
예를 들어 자동차 전기/전자 제어기 도메인에서는 Hazard, SafetyGoal, OperationalSiguation, ASIL과 같은 클래스가 정의될 수 있다. 이들은 단순한 데이터 필드가 아니라, 사고 위험이 발생하는 상황의 개념적 분류 체계를 구성한다. 즉, 클래스는 현실을 추상화한 사고의 틀이며 온톨로지의 존재론적 토대라 할 수 있다.

3.2 개체(Individual): 추상 속에서 현실로
클래스가 개념이라면, 개체는 구체적 존재이다. Small Bus, HeavyTruck, PassengerCar, SportCar, Trailer, BrakeFailureHazard, PedestrianCollisionScenario와 같은 구체적 사례들이 여기에 해당한다. 이 개체들은 “무엇이 실제로 존재하는가?”라는 철학적 질문에 대한 답이기도 하다. 즉, 개체는 온톨로지의 세계를 현실과 연결하는 존재의 닻(anchor)이다. 
예를 들어 Bus, HeavyTruck은 Car 클래스의 인스턴스이며, BrakeFailureHazard는 Hazard 클래스의 인스턴스이다. 
온톨로지의 추론기(Reasoner)는 이러한 개체 정보를 바탕으로, “이 개체는 어떤 상위 개념에 속하는가?”, “이 개체가 만족하는 제약은 무엇인가?”를 논리적으로 판정한다. 즉, 개체는 단순한 데이터가 아니라 논리적 검증의 단위이며, 추상적 개념을 현실의 사실(fact)로 구체화하는 역할을 담당한다. 

3.3 속성(Property): 관계의 실을 잇는 언어
세상은 독립적인 객체들의 집합이 아니다. 사물과 사물은 서로 연결되어 있고, 그 관계 속에서 의미가 만들어진다. 온톨로지에서 속성(Property)은 바로 이 관계를 표현한다. 

피망 슬롯 공략에서는 두 가지 유형의 속성이 있다.
· 객체 속성(Object Property) — 개체와 개체를 연결한다.
    예: hasTopping(Pizza → Topping), mitigates(Hazard → SafetyGoal)
· 데이터 속성(Data Property) — 개체와 데이터값을 연결한다. 
   예: hasCalorieValue(Pizza → xsd:decimal), hasASIL(SafetyGoal → ASIL_Level))

이 속성들은 단순히 정보 전달용이 아니라, 논리적 제약과 추론의 단서를 제공한다. 예를 들어 “모든 Hazard는 mitigatedBy some SafetyGoal”이라는 속성 정의를 통해 HARA(Hazard Analysis and Risk Assessment)에서 누락된 대응 목표를 자동으로 탐지할 수 있다. 즉, 속성은 지식의 연결을 의미의 네트워크로 변환하는 고리이며 온톨로지의 ‘언어적 힘’을 가장 잘 보여주는 구성요소이다.

3.4 공리(Axiom): 진리의 규칙을 세우는 논리
공리는 온톨로지의 논리적 심장이다. 공리는 “무엇이 참(True)인가?”를 정의하는 규칙이며, Reasoner가 추론할 때 따르는 진리의 법칙이다.

예를 들어 다음과 같은 공리를 생각해 보자.
 

HighRiskHazard ≡ Hazard and (hasSeverity some HighSeverity)  ASIL_D_SG ⊑ SafetyGoal and (assignedASIL value ASIL_D)

이와 같은 공리들은 Reasoner가 “이 SafetyGoal은 ASIL D 수준의 위험에 대응한다”는 의미를 논리적으로 판정하게 한다.
공리는 온톨로지를 데이터의 집합이 아닌 ‘논리 체계’로 만드는 요소이다. 즉, 단순히 “무엇이 존재하는가”를 넘어서, “그것이 어떻게 존재해야 하는가”를 규정하는 지식의 법칙서라 할 수 있다.


4. Ontology vs. Taxonomy vs. Database
 

구분	Taxnomy	Database Schema	Ontology
목적	분류 체계	데이터 구조화	의미적 지식 표현
관계	단순 계층 구조	외래키 기반 관계	논리적 제약과 추론 가능 관계
표현	“is-a”	행(row)과 열(column)	“is-a”, “part-of”, “has-property” 등 풍부한 의미 관계
자동 추론	불가	제한적	가능(Reasoner 이용)

4.1 Reasoner란 무엇인가?
온톨로지를 설계하는 일은 지식을 정적인 구조로 표현하는 일이다. 하지만 진정한 지성은 구조 안에서 의미를 추론하는 능력에서 탄생한다. 이때 등장하는 존재가 바로 Reasoner이다. Reasoner는 온톨로지의 논리적 심장을 뛰게 하는 엔진이며, 형식화된 지식을 논리적으로 해석하여 새로운 사실을 발견하고 일관성을 보장하는 도구이다.
Reasoner는 OWL 온톨로지의 기반 논리인 Description Logic(설명 논리)을 해석하는 자동 추론기(Automated Reasoning Engine)이다. 그 역할은 사람이 정의한 온톨로지 내의 클래스, 속성, 공리, 개체 간 관계를 바탕으로 논리적으로 도출 가능한 모든 사실을 찾아내는 것이다. 쉽게 말해 Reasoner는 “온톨로지에 적혀 있지 않은 진실을 찾아내는 존재”이다. 즉, 데이터베이스처럼 ‘저장된 정보’를 단순히 조회하는 것이 아니라, 그 정보들 사이의 논리적 일관성과 암묵적 관계를 분석하여 “이것이 참인가?”, “이것이 모순되지 않는가?”를 판단한다. 

4.2 Reasoner의 철학적 기반: “지식은 추론될 수 있다”
Reasoner의 근본 철학은 “모든 명제는 다른 명제들로부터 유도될 수 있다”는 논리주의적 사고에 있다. 이는 인간의 인지 과정과도 유사하다. 우리는 모든 사실을 직접 관찰하지 않아도 몇 가지 규칙과 전제로부터 추론을 통해 새로운 지식을 얻는다.
예를 들어,
 

“모든 사람은 죽는다.”  “소크라테스는 사람이다.”

4.3 Reasoner의 주요 기능
Reasoner의 핵심 기능은 다음과 같다.

(1) Consistency Checking (일관성 검사)
온톨로지 전체가 모순 없이 유지되고 있는지를 확인한다. 예를 들어, 어떤 클래스가 동시에 상호배타적인 두 개념(VegetarianPizza와 MeatPizza)에 속하는 정의를 갖는다면, Reasoner는 이를 비일관적(unsatisfiable)이라고 표시한다. 예를 들어, 만약 한 SafetyGoal이 동시에 “ASIL D”와 “ASIL A”로 정의되어 있다면, Reasoner는 이를 모순으로 감지한다.

(2) Satisfiability Checking (충족 가능성 검사)
특정 클래스 정의가 실제로 충족될 수 있는지를 검사한다. 즉, 논리적으로 “공허한 개념”이 아닌지를 확인하는 절차다. 예를 들어 “Pizza 중 hasTopping only CheeseTopping이면서 hasTopping only MeatTopping”인 클래스를 정의했다면, 이는 충족 불가능하다. 이 검사는 모델 설계자가 논리적 오류를 발견하고 수정하는 데 매우 중요하다. 

(3) Classification (자동 분류)
Reasoner는 클래스 간의 포함 관계를 분석해 자동으로 계층 구조를 재정렬한다. 예를 들어 Reasoner는 ASIL_B_Function ⊑ SafetyFunction과 같은 계층을 자동으로 도출한다. 이 기능 덕분에 사용자는 “모든 하위 클래스를 직접 지정할 필요 없이” 논리적 규칙만으로 의미 기반 분류를 완성할 수 있다.

(4) Realization (개체의 구체적 분류)
특정 개체가 어떤 가장 구체적인 클래스에 속하는지 판단한다. 예를 들어, “BrakeFailureHazard가 HighSeverity, LowControllability, HighExposure 조건을 가진다면, 이것은 ASIL D Hazard이다.”라는 결론을 Reasoner가 자동으로 내릴 수 있다.

(5) Inference of Implicit Facts (암묵적 지식 도출)
Reasoner는 온톨로지에 명시되지 않은 관계를 추론한다. 
예를 들어,
 

“모든 Hazard는 어떤 SafetyGoal에 의해 완화되어야 한다.”  “BrakeFailureHazard는 SafetyGoal_42에 의해 완화된다.”

라는 두 사실이 있다면, Reasoner는 “BrakeFailureHazard는 mitigatedBy 관계를 갖는다.”는 암묵적 지식을 생성한다. 이 기능은 온톨로지를 단순한 데이터베이스가 아니라, 지식 그래프(Knowledge Graph)로 진화시킨다.

4.4 Reasoner의 동작 원리 및 가치
Reasoner는 설명 논리(DL)를 해석하여 개념 간의 포함, 배타, 제약 관계를 모델 이론적 관점에서 평가한다.
피망 슬롯 공략 DL의 Reasoner들은 보통 Tableau 알고리즘을 사용한다. 이는 각 개체나 클래스의 속성을 가능한 모델로 확장해가며, 논리적으로 모순이 발생하는지(contradiction) 탐색하는 절차다. 대표적인 Reasoner에는 다음과 같은 것들이 있다.

· HermiT (OWL 2 공식 Reasoner, 고성능·정확성)
· Pellet (규칙 기반 Reasoner, 피망 슬롯 공략 2 RL 호환)
· FaCT++ (고속 추론용, 피망 슬롯 공략 DL 중심)
· ELK (피망 슬롯 공략 EL 프로파일용, 대규모 온톨로지에 특화)

Reasoner의 존재는 온톨로지를 “살아 있는 논리 체계”로 바꿔 준다. 이는 단순히 ‘자동 분류기’ 역할을 넘어서 지식 검증기(knowledge validator)이자 지식 발견기(knowledge discoverer)의 역할을 동시에 수행한다.
예를 들어, 자동차 기능안전 개발 과정에서 HARA 시트가 수백 개의 항목으로 구성돼 있을 때, Reasoner를 통해 다음과 같은 분석을 자동화할 수 있다.

· 동일 Hazard에 중복된 SafetyGoal 존재 여부 탐지
· 누락된 ASIL 할당 자동 검출
· 논리적으로 충돌하는 제약(예: 동일 상황에 상충 목표) 확인
· Hazard → Function → ECU 간 추론을 통한 상호의존 위험 탐지

이것이 바로 Reasoner가 제공하는 의미적 자동 검증(Semantic Verification)이며, 단순 규칙 기반 검사보다 훨씬 깊이 있는 인사이트를 제공한다. 
흥미롭게도 Reasoner는 인간의 사고를 대체하는 도구가 아니라, 보완하는 동반자다. 사람은 온톨로지를 설계하고, Reasoner는 그 안에서 숨은 의미를 밝혀낸다. 즉, 인간은 “표현(Representation)”을, Reasoner는 “해석(Interpretation)”을 담당한다.


5. 피망 슬롯 공략의 세 가지 버전: 표현력과 계산가능성의 균형 예술

온톨로지는 언어이자 논리이다. 하지만 그 언어가 아무리 풍부하더라도 컴퓨터가 그것을 이해하고 계산하지 못한다면 아무 소용이 없다. 반대로, 계산은 가능하지만 표현이 지나치게 제한되면 우리가 다루는 지식의 복잡성을 포착할 수 없다. 이 두 극단의 균형을 잡기 위해 W3C는 OWL을 세 가지 버전(OWL Lite, OWL DL, OWL Full)으로 구분했다. 이는 단순한 “경량–표준–확장판”의 구분이 아니라, “표현력(expressivity)”과 “추론 가능성(decidability)” 사이에서 철학적·기술적 절충을 이룬 설계이다.

 


5.1 OWL Lite — 단순함 속의 명확함
OWL Lite는 말 그대로 가장 단순한 형태의 OWL이다. 2000년대 초, 시맨틱 웹 개념이 막 태동하던 시기 많은 사용자는 복잡한 논리식보다 “RDFS보다 조금 더 강력한 계층 표현”을 원했다. 그 요구에 부응하기 위해 만들어진 것이 OWL Lite이다. 따라서 OWL Lite는 “모든 문제를 다 해결하기보다는 단순한 분류와 제약 정의에 집중하자”는 철학을 따른다. 즉, ‘지식 표현의 첫걸음’을 위한 언어이다.

· 기반 논리: 피망 슬롯 공략 Lite는 RDF Schema 위에서 동작한다.
· 표현력 제한:
    - 복잡한 논리 연산(예: 다중 합집합, 보편 한정자, 논리적 부정 등)은 제한된다. 
    - 클래스 제약 표현(cardinality restrictions)은 0 또는 1만 허용된다.
· 추론기: 빠르고 가벼운 Reasoner로 일관성 검사가 용이하다.

예를 들어, 자동차 도메인에서는 “SafetyGoal은 Hazard의 한 종류이며, 각 Hazard는 반드시 하나의 ASIL 등급을 가진다.” 정도의 제약을 표현할 때 OWL Lite가 적합하다.

5.2 OWL DL — 논리와 실무의 균형점
OWL DL은 OWL의 중심 버전이자 표현력과 계산 가능성 사이의 황금비율이다. 대부분의 실제 온톨로지 응용, 특히 의료, 자동차, 제조, 안전 분석 등 정밀한 도메인에서는 OWL DL이 표준처럼 사용된다. 따라서, OWL DL은 “모든 문장은 논리적으로 해석 가능해야 한다”는 설명 논리(DL)의 원칙에 따라 설계되었다. 이는 곧 “기계가 일관성 있게 추론할 수 있는 수준에서 최대한의 표현력”을 의미한다. 즉, ‘계산 가능한 의미론의 한계까지 확장한 OWL’이다.

· 기반 논리: 피망 슬롯 공략 DL은 수학적 논리의 한 갈래인 SHOIN(D) 논리(또는 피망 슬롯 공략 2에서는 SROIQ(D))에 기반한다.
· 표현력:
    - 교집합, 합집합, 부정, 보편/존재 한정자 등 복잡한 논리 연산 지원
    - 클래스 간의 동치·상속·불일치 관계 표현 가능
    - 제약 조건(cardinality), 속성의 대칭성·추이성·역관계 지원
· 추론 가능성 보장(decidability): 즉, Reasoner가 “언젠가 결과를 낸다”는 것이 보장된다.

예를 들어, “ASIL D Hazard ≡ Hazard and (hasSeverity value S3) and (hasControllability value C3)” “High RiskFunction ≡ Function and (mitigates some ASIL_D_Hazard)”와 같은 복합적 개념을 논리적으로 정의하고, Reasoner를 통해 자동 분류가 가능하다.

5.3 OWL Full — 표현력의 극한을 향한 자유
OWL Full은 OWL Lite과 정반대의 철학을 지닌 버전이다. 그것은 표현의 완전한 자유를 추구한 버전이며, RDF Schema와 OWL 구문을 완전히 통합하여 “무엇이든 표현할 수 있는” 확장판으로 설계되었다. 따라서, OWL Full의 철학은 “지식 표현의 경계를 허물자”이다. RDF의 확장성과 OWL의 의미론적 구조를 결합하여 모든 RDF 문서가 자동으로 유효한 OWL 문서가 되도록 설계되었다. 즉, 온톨로지를 ‘논리적으로 제한된 세계’가 아니라, ‘웹 전체의 의미적 연결망’으로 확장하려는 비전에서 비롯된 언어이다.

· 표현력: 가장 강력하다.
· 클래스, 속성, 개체를 서로 자유롭게 재사용할 수 있고,
· 메타모델링(metamodeling) — 즉 “클래스를 또 다른 클래스의 개체로 사용하는” 표현도 허용한다. 
· RDF 호환성: 완전 호환. RDF Schema의 모든 구조를 그대로 포함한다.
· 비결정성(Undecidability): 표현력이 너무 강력하기 때문에, Reasoner가 결과를 보장할 수 없다. 즉, 어떤 질의는 영원히 계산이 끝나지 않을 수도 있다.

예를 들어, “Class Pizza 자체를 개체로 취급하여 ‘FoodCategory’의 한 멤버로 지정”하거나, “속성 정의를 다른 속성의 값으로 활용”하는 복잡한 메타모델링이 가능하다. 이런 구조는 대규모 링크드 데이터(LD)나 지식 그래프(Knowledge Graph) 설계에서 강력한 유연성을 제공한다. 그러나 산업안전 분석이나 법적 추론처럼 일관성이 필수적인 영역에서는 적합하지 않다.


6. 마치며

온톨로지는 현실 세계의 복잡성과 다양함을 기계가 이해하고 활용할 수 있도록 다리를 놓는 개념적 언어이다. 철학적 뿌리에서 출발해 오늘날 정보사회와 인공지능의 지식 표현 언어(KRL)로 자리 잡은 온톨로지는 데이터 시대의 사전이자 논리, 그리고 의미의 지도라 할 수 있다.
이런 온톨로지의 구조와 원리는, 우리에게 단순한 정보 체계를 넘어서 “지식을 논리적으로 구조화하고, 새로운 지식까지 추론하며, 다양한 주체가 공통의 언어로 소통할 수 있는 미래”를 열어준다. 온톨로지는 단지 데이터를 저장하는 기술이 아니라, 인간의 인지와 기계적 추론의 만남 속에 의미의 지평을 확장하는 지속적 혁신의 기반이다. 
원문 출처


 

AEM(오토모티브일렉트로닉스매거진)

---