대규모 언어 모델의 강력한 추론 능력과 지식 그래프의 명시적 팩트 검증 능력을 결합하는 방법론. 각각의 약점을 서로 보완하여 신뢰할 수 있고 강력한 AI 시스템 구축.
LLM의 강점 & 약점:
- 강점: 자연스러운 언어 이해, 복잡한 패턴 인식, 창의적 추론
- 약점: 환각, 구식 정보, 투명성 부족
KG의 강점 & 약점:
- 강점: 명시적 사실, 검증 가능한 관계, 투명성
- 약점: 새로운 패턴 인식 어려움, 업데이트 느림
시너지 효과:
- LLM의 추론 + KG의 검증 = 신뢰도 높은 지능형 시스템
- 각 단계마다 그래프 내 근거로 지지되는 추론
- 해석 가능하면서도 강력한 추론
구현 예시:
- 그래프 기반 추론 엔진
- RAG (Retrieval Augmented Generation) with KG
- Neuro-symbolic AI
관련: Graph-Based-Reasoning, Knowledge-Graph, Trustworthy-Reasoning, Interpretable-Reasoning