혁신적인 AI 기술: 거대 언어 모델을 활용한 온톨로지 자동 생성

본 연구는 거대 언어 모델(LLM)을 이용하여 사용자 스토리와 역량 질문으로부터 OWL 온톨로지를 자동 생성하는 새로운 프롬프팅 기법(Memoryless CQbyCQ, Ontogenia)을 제시하고, 다차원적 평가 방식을 통해 그 효과를 검증했습니다. OpenAI o1-preview 모델과 Ontogenia 기법의 조합은 초보 엔지니어보다 우수한 성능을 보였으나, 여전히 개선의 여지가 있음을 시사합니다.

거대 언어 모델(LLM)이 온톨로지 엔지니어링의 혁신을 이끌다

온톨로지 엔지니어링은 복잡하고 시간이 많이 걸리며 오류가 발생하기 쉬운 작업입니다. 특히, 경험이 많은 엔지니어조차도 어려움을 겪는 분야입니다. 하지만 이제, 거대 언어 모델(LLM) 이 이러한 어려움을 극복하는 데 도움을 줄 수 있다는 획기적인 연구 결과가 발표되었습니다.

Anna Sofia Lippolis 등 8명의 연구진은 최근 논문 “Ontology Generation using Large Language Models”에서 LLM을 이용한 온톨로지 자동 생성 기술을 선보였습니다. 이 연구는 사용자 스토리와 역량 질문(Competency Questions, CQs)을 통해 온톨로지 요구사항을 명세하고, 이를 바탕으로 LLM이 직접 OWL 온톨로지 초안을 생성하는 새로운 접근 방식을 제시합니다.

연구진은 Memoryless CQbyCQ 와 Ontogenia 라는 두 가지 새로운 프롬프팅 기법을 개발하여 기존 기술의 한계를 극복했습니다. 단순히 LLM의 성능만 평가하는 것이 아니라, 온톨로지 평가를 위해 세 가지 구조적 기준을 추가로 제시하여 전문가의 정성적 평가와 결합한 다차원적 평가 방식을 도입했습니다. 이는 생성된 온톨로지의 품질과 실용성을 더욱 정확하게 평가할 수 있도록 해줍니다.

10개의 온톨로지, 100개의 고유 CQ, 29개의 사용자 스토리를 포함하는 벤치마크 데이터셋을 사용한 실험 결과는 놀라웠습니다. 특히, OpenAI o1-preview 모델과 Ontogenia 프롬프팅 기법의 조합은 온톨로지 엔지니어의 요구사항을 충족할 만큼 충분한 품질의 온톨로지를 생성하는 것으로 나타났습니다. 심지어 초보 온톨로지 엔지니어보다 훨씬 뛰어난 모델링 능력을 보였습니다.

하지만 연구진은 LLM을 사용한 온톨로지 생성 과정에서 여전히 몇 가지 일반적인 오류와 결과 품질의 변동성이 존재함을 지적하며, LLM을 온톨로지 작성 지원 도구로 사용할 때 이러한 한계를 고려해야 한다고 강조했습니다. 향후 연구에서는 이러한 한계를 극복하고 더욱 정교한 온톨로지 자동 생성 기술을 개발하는 데 초점을 맞춰야 할 것입니다.

이 연구는 LLM이 단순한 언어 처리 도구를 넘어, 복잡한 지식 표현 체계인 온톨로지를 자동으로 생성하는 데 활용될 수 있음을 보여주는 중요한 결과입니다. 이는 온톨로지 엔지니어링 분야의 생산성 향상과 전문성 강화에 크게 기여할 것으로 기대됩니다. 앞으로 LLM 기반 온톨로지 자동 생성 기술의 발전이 어떻게 이어질지, 그리고 어떤 새로운 가능성을 열어갈지 기대됩니다. 🤔