김정석 워크숍 안내
온톨로지와 결정론적 추론으로 만드는
신뢰 가능한 지식체계
왜 이 워크숍인가
LLM 추출과 결정론적 Datalog 검증을 결합한 하이브리드 지식체계의 원리를 이해합니다. 조직의 지식 자산을 출처로 뒷받침되는 온톨로지 기반 지식베이스(KB)로 구조화하는 실무 설계 역량을 갖추는 것이 이 워크숍의 목표입니다.
이 워크숍은 LLM의 환각(Hallucination) 문제를 프롬프트가 아닌 지식체계로 해결하는 방법을 다룹니다. LLM·온톨로지·Datalog가 결합된 하이브리드 아키텍처 — LLM이 문서에서 지식을 추출하고, 사람이 검토·승인하며, 결정론적 Datalog 추론 엔진이 모순과 정책 위반을 검증하는 구조 — 를 원리부터 다루고, 이 전 과정을 오픈소스 도구(factlog) 데모와 실습으로 직접 체험합니다. 참가자는 출처로 뒷받침되는 검증 가능한 지식베이스를 완성하고, 이를 조직의 온톨로지 기반 지식체계로 확장하는 설계 패턴을 습득합니다.
워크숍 전체를 관통하는 신뢰 파이프라인. Chunk 기반 RAG의 한계를 넘어, 모든 답변이 출처와 검증 단계를 갖도록 설계합니다.
커리큘럼 구성
강의 목표
LLM 추출과 결정론적 Datalog 검증을 결합한 하이브리드 지식체계의 원리를 이해하고, 조직의 지식 자산을 온톨로지 기반 지식베이스로 구조화하는 실무 설계 역량을 갖춥니다.
강의 요약
문서 → 후보 사실 → 사람의 검토 → 승인된 사실 → 엔진 검증 → 답변으로 이어지는 신뢰 파이프라인을 다룹니다. Datalog 로직 체크로 모순·정책 위반을 잡아내는 검증 가능한 지식체계를 데모(factlog)와 실습으로 체험합니다.
- Hallucination과 Chunk 기반 RAG의 한계
- 온톨로지·지식그래프·Datalog 기초
- LLM은 추출만, 결론은 결정론 엔진이 — 신뢰 경계(candidate/accepted) 설계
- 데모: 오픈소스 도구 factlog로 보는 검증 파이프라인 전체 흐름
- 추출 → 사람의 검토·승인 → Datalog 로직 검증 → 출처 추적 실습
- factlog 실습 환경에서 전 과정 완주
- 보고서·회의록·사내 위키를 지식베이스로 구조화하기
- 정책 규칙 작성과 모순 탐지
- 참가자 질의응답
- 로드맵과 추가 학습 리소스 안내
실습 참여를 위해 개인 노트북 지참이 필수입니다. Python 3 및 Claude Code 사전 설치를 권장합니다.
연사 소개
김정석은 인공지능 전공으로 박사 학위를 취득했으며, 20년 이상의 시스템 아키텍처 설계 및 프로젝트 매니지먼트 경력을 보유하고 있다. 뉴로심볼릭 AI 기반 의사결정 지원 시스템을 개발하는 클레버플랜트의 대표로서 온톨로지와 지능형 솔루션의 융합을 통한 비즈니스 가치 창출을 주도하고 있다. 글로벌 IT 컨설팅 그룹과 대기업(SK텔레콤, LG전자)에서 온톨로지 기반 데이터 분석, 표준화 전략 수립, 오픈소스 스택 설계 등 AI 기술을 실무 환경에 적용해 왔으며, 지식공학(Knowledge Engineering) 분야의 교육자로서 온톨로지 실무 강의를 진행하고 있다.
지식체계, 이론이 아니라 실습으로 완성하세요
정원 제한이 있는 Hands-on 워크숍입니다. 노트북을 지참하고 함께해 주세요.
워크숍 등록하기
뉴스레터를 바로 신청하고
2025년 AI Summit Seoul
정보를 가장 빨리 받아 보세요!
글로벌 AI 소식 및 관련 이벤트를 전해드립니다.