• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.79-88
• /
• 1999

전문가 시스템의 지식베이스 구축에 필요한 규칙추출에 관련되는 지식공학자의 인력 부족자 전문분야에 적합한 지식공학자 확보에 따른 비용 증가, 지식공학자 수행 프로세스의 비 정형화로 인하여 특정한 전문가 시스템의 개발 때마다 관련된 지식획득 과정의 어려움 발생, 전문가 시스템의 지식베이스 특성이 고려되지 않은 개발 과정 수행에 따른 비현실적인 지식베이스 구축 등의 현존 문제점은 효율적인 전문가 시스템 개발의 장애 요인이 되고 있다. 이 논문에서는 전문가 시스템 개발에 있어서 체계적인 규칙추출을 위하여 지식베이스 구축에 관한 분석단계까지를 5개 단계로 세분화하여 지식획득과정을 강화하였고, 각 단계별로 지식공학자가 수행해야 하는 프로세스와 각 프로세스별로 지식공학자가 실질적인 작업을 통해 결과를 산출하는 태스크를 정형화하였다. 규칙추출 프로세스/태스크를 체계적으로 정형화하는 것은 성공적인 전문가 시스템의 개발에 도움을 줄 것이며, 개발자가 지식공학자의 역할을 대행할 수 있으므로 지식공학자의 확보 문제를 해결할 수 있다. 또한, 전문가 시스템의 적용 분야에 대한 확대 효과가 기대된다.

• The Magazine of the IEIE
• /
• v.15 no.3
• /
• pp.43-50
• /
• 1988

대다수의 사람들이 갖고 있지 않은 특정분야-예를 들어 의학, 법률, 과학적 분석, 회로설계 등-의지식을 요하는 일은 이에 필요한 지식을 갖춘 전문가에 의해서만 가능하였으나 최근 컴퓨터 기술의 발달로 이런 일을 해주는 프로그램의 탄생을 보게 되었으며 이런 프로그램을 전문가 시스템이라고 하고 전문가 시스템을 구축하는 일을 지식공학(knowledge engineering)이라고 한다. 지식공학은 인공지능을 응용면에서 추구하는 바이며 지적기능을 프로그램화하는 과학이라 할 수 있다. 먼저 지식공학을 위한 컴퓨터 구조를 기술하기 전에 인공지능 응용 프로그램의 특징에 대해 언급하고자 한다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.137-143
• /
• 1999

전문가시스템은 지식베이스를 이용하여 지식을 추론하는 추론엔진과 해당분야의 전문지식이 쌓여있는 지식베이스로 구성되어진다. 전문가시스템연구에 있어서 지식베이스에 저장되는 지식획득과정의 규명이 가장 핵심적인 연구분야라고 할 수 있다. 전문지식은 일반적으로 지식공학자들이 전문가로부터 전문지식을 획득하여 구현하는 것이 가장 일반적인 방법으로서 많은 전문가시스템 개발방법 이론들은 지식획득과정에서 지식공학자들의 역할을 필수적인 것으로 이해하고 있다. 그러나 지식획득에 관한 광범위한 해결책은 여전히 제시되고 있지 못하며, 이러한 문제점은 전문가시스템의 상용화에 가장 큰 어려움으로 지적되고 있다. 최근에는 이러한 지식획득병목현상을 해결하기 위하여 상황인식론과 같은 지식에 대한 새로운 해석을 기반으로한 지식획득 방법 이론들이 소개되고 있다. Multiple Classification Ripple Down Rules이론은 1995년 소개된 이론으로서 지식의 획득과정을 지식의 유지보수라는 소프트웨어 공학적 개념에서 접근하고 있다. 지식의 획득과정에서 완전무결한 지식의 모델 찾기를 지양하고 지식이란 단계적 확장개념에서 진화한다고 이해한다. 즉 지식베이스의 구축 단계를 개발과 완료가 불가능하다는 관점에서 지식베이스는 끊임없이 유지보수가 필요한 대상으로 이해하고 이러한 유지보수를 가능하게 하는 방법론을 제시한다 MCRDR에서 가장 핵심적인 부분은 지식공학자의 역할을 최소화하고 시스템 내부에서 지식의 관리와 획득을 수행하여 전문가로 하여금 직접적인 지식 입력이 가능하도록 하는 부분이다. MCRDR이론의 경우 여러가지 연구실험을 통하여 실용성이 입증되었고 의료분야에서 상용화 시스템 개발 툴로서 사용되어져 왔다. 그러나 MCRDR이론이 적용된 전문가시스템 들의 경우 MCRDR이론을 기본으로한 개발 툴로서 개발된 시스템들이 아니고 해당분야에서 MCRDR이론을 적용한 엔진을 직접 설계 구현하여 온 것이 사실이다. KEE(Knowledge Engineer for Experts) 시스템은 최근 개발된 MCRDR기반 전문가시스템 개발 툴로서 본 논문에서는 이러한 분야별 전문가시스템 개발을 지양하고 MCRDR이론을 기반으로 한 범용성 있는 전문가시스템 개발 툴의 개발에 관한 연구를 소개한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.137-143
• /
• 1999

전문가시스템은 지식베이스를 이용하여 지식을 추론하는 추론엔진과 해당분야의 전문지식이 쌓여있는 지식베이스로 구성되어진다. 전문가시스템연구에 있어서 지식베이스에 저장되는 지식획득과 정의 규명이 가장 핵심적인 연구분야하고 할 수 있다. 전문지식은 일반적으로 지식공학자들이 전문가로부터 전문지식을 획득하여 구현하는 것이 가장 일반적인 방법으로서 많은 전문가시스템 개발방법 이론들은 지식획득과정에서 지식공학자들의 역할을 필수적인 것으로 이해하고 있다. 그러나 지식획득에 관한 광범위한 해결책은 여전히 제시되고 있지 못하며, 이러한 문제점은 전문가 시스템의 상용화에 가장 큰 어려움으로 지적되고 있다. 최근에는 이러한 지식획득병목현상을 해결하기 위하여 상황인식론과 같은 지식에 대한 새로운 해석을 기반으로한 지식획득 방법 이론들이 소개되고 있다. Multiple Classification Ripple Down Rules 이론은 1995년 소개된 이론으로서 지식의 획득과정을 지식의 유지보수라는 소프트웨어 공학적 개념에서 접근하고 있다. 지식의 획득과정에서 완전무결한 지식의 모델 찾기를 지양하고 지식이란 단계적 확장개념에서 진화한다고 이해한다. 즉 지식베이스의 구축 단계를 개발과 완료가 불가능하다는 관점에서 지식베이스 끊임없이 유지보수가 필요한 대상으로 이해하고 이러한 유지보수를 가능하게 하는 방법론을 제시한다. MCRDR에서 가장 핵심적인 부분은 지식공학자의 역할을 최소화하고 시스템 내부에서 지식의 관리와 획득을 수행하여 연구실험을 통하여 실용성이 입증되었고 의료분야에서 상용화 시스템 개발 툴로서 사용되어져 왔다. 그러나 MCRDR 이론이 적용된 전문가시스템들의 경우 MCRDR이론을 기본으로한 개발 툴로서 개발된 시스템들이 아니고 해당분야에서 MCRDR이론을 적용한 엔진을 직접 설계 구현하여 온 것이 사실이다. KEE(Knowledge Engineer for Experts) 시스템은 최근 개발된 MCRDR기반 전문가시스템 개발 툴로서 본 논문에서는 이러한 분야별 전문가시스템 개발을 지양하고 MCRDR 이론을 기반으로 한 범용성 있는 전문가시스템 개발 툴의 개발에 관한 연구를 소개한다.

• Journal of the Korean Society for information Management
• /
• v.10 no.2
• /
• pp.69-85
• /
• 1993

The purpose of this papel 1s to forecast the llbra~y as an ~ntelligent library and the librarian as a knowledgeeng~neer's type librar~an In the coming '"1st century, and then analyze the [ole and function of the library andIlbrarian. In order to make an intelhgent lib~ary and educate a knowledge eng~neer's type librar~an. the paper 1smade a study of the preparation to recelve the role and funct~on of knowledge engineering and knowledge englneerand IS presented plans for accepting it into the l~hralv and ~ntormation science.tion science.

• Korea Information Processing Society Review
• /
• v.11 no.2
• /
• pp.64-75
• /
• 2004

90년대부터 인공지능(Artificial Intelligence)의 지식공학(knowledge engineering) 분야에서 온톨로지(Ontology)가 지식의 공유(sharing)와 재사용(reuse)관점에서 활발하게 사용되기 시작했다. 현재 온톨로지는 이런 지식공학 외에 에이전트에 기반한 소프트웨어 공학이나 전자상거래 등 여러 분야에 널리 퍼져 사용되고 있다. 그러나 그 적용범위의 다양함과 실체의 불분명함으로 인해 그 사용이 혼란스러운 것도 사실이다.(중략)

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.310-312
• /
• 2003

샤모아 지식공학 시스템(Chamois Knowledge Engineering System)은 대용량의 데이터 소스로부터 의미 있는 지식을 추출하는 시스템이다. 이러한 지식공학 시스템에서 데이터 소스의 품질을 보장하는 일은 매우 중요하다. 본 논문에서는 샤모아 지식공학 시스템에서의 데이터 정제관련 컴포넌트의 구조 및 동작에 대해 기술한다. 또한 이들 컴포넌트들이 동작할 수 있는 컴포넌트 프레임웍의 기능 및 동작에 대해 기술한다. 구현한 데이터 정제 관련 컴포넌트는 컴포넌트 기반의 시스템에서 데이터의 정제를 통해 신뢰성 있는 데이터를 제공하고, 이를 통해 개발하고자 하는 시스템의 품질을 향상 시킬 수 있다.

• Journal of Engineering Education Research
• /
• v.11 no.1
• /
• pp.101-116
• /
• 2008

As industrial society has changed to knowledge-based society, the needs for the intellectual property education in the engineering school is emphasized. Therefore graduate engineering school in USA, Europe, and Japan has strengthened intellectual property education. The curriculum has expanded from intellectual property introduction to business development using patent technology, valuation of intellectual property, intellectual property strategy and management. However, the intellectual property education in engineering school in Korea is in early stage. This study has surveyed the intellectual property education in major engineering school in USA, Europe and Japan, and compared it with the education in Korean engineering school. Finally, some recommendations are provided based on this study.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.52-54
• /
• 2001

전문가시스템의 개발과정에서 가장 힘들고 많은 시간과 비용을 필요로 하는 단계는 전문가가 소유하고 있는 지식을 구조화하여 시스템에 이식하는 이른바 지식공학 과정이다.[1] 이러한 사정은 체력관리전문가시스템의 경우도 예외일 수 없다. 본 연구에서는 체력관리전문가시스템이 갖는 지식의 구조적인 특성을 파악한 후, 이 특성을 이용하여, 전문가시스템이나 지식공학에 관한 지식이나 경험이 없는 체력관리자들이 지식의 구축, 테스트, 수정을 어렵지 않게 수행할 수 있도록 하는 지식관리시스템을 개발하였다.

• Journal of the Korean Society for Precision Engineering
• /
• v.4 no.4
• /
• pp.6-12
• /
• 1987

지능화(Intelligence) 전반적인 경향 : 생산분야에 있어서의 지능화는 인공지능(AI)기법이 활용되면서 부터 관심을 모으게 되었다. AI기법이라고 하여도 그에 관련된 기술은 Software기술, 지식표현과 같은 기초기술 에서 부터, 지식공학, 화상인식 이해, 자연언어 이해, 음성이해 등의 응용기술에 이르기까지 다양한 분야를 포함하고 있다. 여기서는, 최근 실용화 면에서 주목을 받고 있는 지식공학의 실용 또는 그 응용시스템인 expert system(전문가시스템)에 주목하면서, 설계와 공정설계 중에 최근의 AI활용과 동향을 요약해 보기로 한다.