그 동안 온톨로지에 대해 꽤나 지루한 이야기를 해왔다. 온톨로지에 대한 관심이 대단치도 않은 이 때에 과연 필요한 일인가 생각해 보지만, 현재로써는 최고의 대안이라 생각하기에 계속해서 이어나가 보기로 한다.
온톨로지는 정보를 보다 쉽게, 편리하게 찾고자 하는 노력이다. 실로 그 내용은 복잡하기 그지 없지만, 궁극적인 목적은 하나다. 손쉬운 정보의 탐색. 그 동안은 이 손쉬운 정보의 탐색을 위한 온톨로지는 어떤 녀석인가를 알아보았다. 온톨로지를 보다 확실히 이해하기 위해서는 이 온톨로지가 어떤 바탕을 갖고 있는지 알아볼 필요가 있겠다.
1. 사실에서 지식에 이르기까지
우리는 살아가는 동안 많은 판단과 결정의 순간에 놓이게 된다. 자장면을 먹을까 짬뽕을 먹을까 고민하는 그 순간이 참으로 어렵고도 힘든 판단과 결정의 순간이 아닌가! 우리는 대부분 자연스럽게 판단하고 결정하게 되지만 고도화되고 복잡해진 현대 사회에서는 이런 판단과 결정이 어려워지게 되었다. 얼마 전까지만 해도 판단과 결정에 대한 지침서 따위가 많이 나왔었다. 이른바 Decision making에 대한 훌륭한 가이드 라인들이었다. 많은 가이드 라인들은 의사결정을 위한 기초작업으로 정보의 수집을 꼽고 있다. 그리고 또한 성공요인으로는 노하우를 이야기 한다. 또 어떤 책에서는 객관적인 사실과 데이터에 근거한 결정이 현명하다고 말한다. 도대체 정보와 노하우, 사실과 데이터는 뭐가 뭐고 어떤 차이가 있을까?
정보체계는 대개 ‘사실(fact) < 데이터(data) < 정보(information) < 지식(knowledge)’ 으로 나누어진다. 사전적으로 “실제로 있었던 일이나 현재에 있는 일”로 정의되는 사실은, 사과가 땅에 떨어졌다와 같이 그저 있는 그대로의 것이다. 그 자체로는 아무런 쓸모가 없다. 사실이 어떤 식으로든 쓸모가 있어지는 것, 즉 유용성을 부여 받거나 갖게 될 때 데이터가 된다. 사과가 땅에 떨어지는 것을 보고 왜 그럴까? 라는 고민을 같는 순간 사실은 데이터가 된다. 다시 말해 데이터는 유용성을 내포한 사실이다. 여기서 중요한 것은 사실과 데이터 모두 주관이 배제되어야 한다는 것이다. 철저하게 객관적이어야 한다.
객관적인 데이터의 집합은 새로운 데이터를 생산하게 된다. 초콜릿은 심박수를 빠르게 한다는 사실은 심장의 활발한 운동은 신진대사를 활발하게 한다는 사실과 만나 초콜릿은 신진대사를 활발하게 한다는 데이터가 생산되고 이 생산된 데이터는 정보가 된다. 정보와 정보가 만나면 보다 복잡한 사실, 즉 지식이 된다. 객관적 사실들에서 생산된 정보가 오랜 시간 축적되어 많은 사람들에게 공감을 얻고 비로소 보편적인 진리로 인정된 것을 지식이라 한다. 물론 개인적인 경험과 외부의 정보를 얻어 축적된 개인적인 지식, 즉 노하우(knowhow)의 경우도 있다. 정보와 지식 모두 복잡한 사실관계를 갖고 있지만 오랜 시간 그 사실성을 유지하여 보편적 진리로 인정을 받는가에 따라 정보와 지식으로 구별될 수 있다.
2. 정보와 온톨로지
그렇다면 도대체 정보체계와 온톨로지는 무슨 상관이란 말인가.
지금까지 살펴본 사실에서 지식에 이르는 정보체계에서 사실과 데이터만을 포함하여 제공한 시스템이 웹이라면 온톨로지는 데이터를 넘어 정보를 제공하는 시스템이라 할 수 있다. 지식은 인간의 영역이다. 일각에서는 지식의 영역까지 자동적으로 추론하여 제공할 수 있도록 하는 것이 온톨로지가 가야 할 길이라고 말하고 있지만 개인적으로 지식은 인간만이 다룰 수 있는 영역이라 생각한다. 각설하고, 사실, 데이터, 정보가 온톨로지에서 어떻게 다루어지는지 생각해보자. 아니, 그 전에 온라인에서 이들이 어떻게 다루어지는지 살펴보아야 할 것이다.
사실(fact)은 실제 온라인에서 중요한 것이 아니다. 그보다는 데이터가 보다 중요한 것이라 하겠다. 웹상에서의 다양한 수치, 단어들은 이러한 데이터에 속한다 할 수 있겠다. 웹에서는 정보를 다룰 수 없었다. 아니 기계는 그렇지 못했다. 기계는 단순히 입력이 있으면 그에 대한 출력만 할 뿐이었다. 어찌 보면 이 입력들이 사실이라 할 수도 있겠다. 즉, 어떤 책, 예를 들어 국내에서 출판된 햄릿에 대한 사실은 저자가 William Shakespeare 이고 한글로는 셰익스피어로 읽으며 260페이지에 두꺼운 커버를 갖고 있으며 2004년에 출판된 책이라는 것이다. 이러한 각각의 사실은 이 사실이 필요한 사람에게 데이터가 된다. 기존의 웹은 이 데이터를 단순히 나열하고 보여주기만 할 뿐이다. 좀 불편하다, 고 생각한 사람들이 이리저리 고민하다 보니 데이터를 오밀조밀 모아보자고 생각했다. 기계가 정보를 주지 못할지언정 흉내라도 내보자는 것이다.
데이터를 접하는 인간의 입장에서는 이 데이터들, 나열된 데이터들은 인간의 머릿속에서 정보가 된다. 책에 대해 이것저것을 알 수 있다. 웹에는 이 데이터들이 가득하나 그 실마리를 알지 못하면, 즉 햄릿이라는 단어를 알지 못하면, 데이터를 찾기 힘들다. 이 데이터가 적어도 인간의 머릿속에서 정보가 될 수 있도록 편의를 고려한 것이 검색이다. 그런데 또 문제가 있다. 검색을 위해서는 조건이 필요한 것이다.
초기 검색은 단순히 단어를 포함한 것, 즉 그 키워드만을 가진 것, 그 키워드 앞뒤에 다른 단어가 혹은 글자가 있어도 무방한 것, 그것을 찾을 수 있도록 했었다. 사실로써 데이터를 찾겠다는 것이다. 그런데 또 문제가 생겼다. 데이터가 늘어나니 결과로 나온 데이터 중에 원하는 데이터를 찾기가 힘들어 진 것이다. 전문가들은 조건을 다양하게 선택할 수 있도록 했다. 온라인 상의 정보, 웹 상의 정보가 어떻게 구성되어 있는지 분석했다. 대개 제목이 있고 본문이 있고 가끔은 글쓴이도 있다. 뭔가 특징이 있었다. 그 특징을 일반화하자, 전문가들의 생각은 그랬다. 제목에 키워드가 포함된 것, 내용에 키워드가 포함된 것, 글쓴이의 이름이 키워드와 같은 것, 그 것을 찾아라. 하지만 데이터가 늘어날 수록 특징도 다양해졌다. 문제는 계속 발생했다. 하지만 그 해결책은 쉽게 나왔다. 특징이 다양하다면 특징을 구분하고 특징에 따라 실마리를 달자. 분야나 장르에 따라 구별하고 거기에 맞는 데이터를 미리 넣어두자는 생각에서 디렉토리 검색이 고안되었다. 데이터가 이야기 하고자 하는 것을 단어로 표현해서 꼬리표를 달자는 생각에서 메타태그가 고안되었다. 웹에서 온톨로지, 현실적으로는 시맨틱으로 옮겨 갈 수록 사실은 꼬리표가 되었다.
온톨로지에서는 사실을 관계로 나타냈다. A는 B의 상위 개념이고 B가 C의 상위 개념이라면 A는 C의 상위 개념이다. A, B, C가 특징이라면 해당되는 데이터간의 관계를 추론해 볼 수 있다. 관계는 그저 있는 그대로이다. 객관적인 데이터가 객관적인 관계를 갖고 있다면 객관적인 정보가 생산된다. C에 대한 데이터를 찾을 때 A와 B 모두를 보여 줄 수 있다. 예를 들어 A는 대륙권인 아시아, B는 나라인 한국, C는 수도인 서울이라 할 때 C의 데이터 서울만으로 서울은 아시아 권에 위치한다는 추론된 데이터, 즉 정보를 생산할 수 있다.
온톨로지에서 정보체계는 사실에 근거한 데이터 간의 관계를 통해 추론된 데이터인 정보를 제공할 수 있는 기반을 마련해주고 있다. 즉, 정보를 쪼개고 쪼개서 그 구조를 기계가 처리할 수 있도록 토대를 만들어 준 것이다. 물론 이 과정에는 또 다른 노력들이 있었다.
3. 밑바닥의 시작
정보를 찾기 쉽게, 관리하기 쉽게 하기 위한 노력은 수세기 전부터 있어왔다. 최초의 도서관이라 할 수 있는 알렉산드리아 도서관에서는 도서관에 어떤 책들이 있는지 목록을 만들어 두었다. 듀이와 랑가나단은 지식을 특성에 따라 구분하고자 분류법을 고안하였다. 문서를, 책을 기계로 관리하게 된 이래 문서 또는 책을 직접 보지 않고도 그 문서 또는 책에 대해 간략하게 알 수 있는 특징들을 정리하는 메타데이터가 등장하였다. 그리고 마침내 기계가 데이터와 데이터 간의 관계를 통해 새로운 데이터를 제공하는 온톨로지가 등장하였다. 물론 개념뿐만 이지만. 대신 현실적 대안인 시맨틱 웹이 구현되었다.
이런 많은 노력들을 단 한번에 정리하기는 어렵다. 다음 포스팅에서는 우선 목록부터 차근차근 살펴보도록 하겠다.
