표가 아닌 관계로 데이터를 이해하는 법, 온톨로지 학습 사이트

ChatGPT에 “서울에 있는 병원 중 소아과가 있는 곳”을 물어보면 그럭저럭 대답한다. 그런데 “서울 서초구에 있는 병원 중 월요일 오후에 열고, 소아과와 피부과를 함께 운영하는 곳”을 물으면 답이 흔들린다. AI가 복잡한 관계형 질문에 약한 이유는 여기 있다. 데이터를 표로 쌓는 것과 관계로 엮는 것은 근본적으로 다른 일이다.

온톨로지는 두 번째 방식이다. 행과 열이 아니라 노드와 엣지로 정보를 구성한다. “병원”이라는 노드는 “서초구”라는 노드와 “위치함” 관계로 연결되고, “소아과”라는 노드와 “진료과목임” 관계로 연결된다. 이 구조에서는 “소아과가 있는 서초구 병원”을 찾는 일이 자연스럽게 풀린다. 테이블을 여러 번 조인하는 것보다 직접적이다.

온톨로지의 기본 단위는 트리플(triple)이다. 주어—서술어—목적어, 세 요소로 하나의 사실을 표현한다. “세브란스 병원은 서대문구에 위치한다”, “세브란스 병원은 소아과를 운영한다”처럼 각각의 트리플이 쌓여 거대한 지식망이 된다. 표는 한 행에 여러 속성을 묶어두지만, 온톨로지는 관계 하나하나를 독립된 사실로 저장한다. 덕분에 새로운 관계를 추가할 때 기존 스키마를 건드리지 않아도 된다.

AI가 자연어 질문을 이해하고 정확하게 응답하려면 이 구조가 필요하다. 지식그래프, RAG(검색 증강 생성), 의미 기반 검색 모두 온톨로지 위에서 작동한다. 요즘 AI 데이터 인프라를 제대로 다루려면 온톨로지 개념이 기본기다.

온톨로지 연구소는 마이크로소프트가 만든 학습 자료를 한국어로 옮긴 인터랙티브 사이트다. 강좌 13개, 아티클 61편, 퀴즈 52문항으로 구성된다. 핵심은 그래프를 직접 클릭하며 배운다는 점이다. 노드를 누르면 연결된 관계가 펼쳐지고, 엣지를 따라가며 구조를 탐색한다. 개념을 읽는 게 아니라 조작하면서 이해하는 방식이다. 무료이고 로그인도 필요 없다.

다만 한 가지는 분명히 해야 한다. 인터랙티브 학습이라고 해서 이해가 자동으로 깊어지지는 않는다. 그래프를 클릭하며 보는 것과 실제로 온톨로지 스키마를 직접 설계하는 것은 다른 능력이다. 이 사이트는 개념을 잡는 입구이고, 실전 설계 능력은 별도로 연습해야 한다.

관계형 DB를 오래 써온 개발자든, AI 데이터 구조가 궁금한 교사든, 온톨로지가 처음이라면 여기서 시작하기에 충분한 구성이다.

출처

• 온톨로지 연구소: https://ontologystudy.vercel.app/#/learn/ontology-fundamentals