지식경영과 사례기반 추론

Knowledge Management and Case-Based Reasoning : a Perfect Match?
by Ian Watson in 2001

A Knowledge Framework
information을 data-information-knowledge 의 하이라키의 관점으로만 보는 것은 세 요소들 간 관계의 복잡성을 지나치게 단순화 한것이다.

information과 knowledge는 밀접히 연결되어있을 뿐 아니라 ‘다이나믹하고 상호적인 관계’에 있다

지식은 event나 사물을 해석하는 새로운 시각을 제공해준다.
정보는 새로운 지식의 개발을 촉진하고,
지식은 더 많은 정보의 생산을 촉진한다.

이에 Boisot은 자료, 정보, 지식의 관계를 아래와 같이 표현

여기서 주목해야 할 것은 피드백 요소가 지식과 정보 간의 선순환하는 다이나믹하고 상호적인 관계를 나타낸다는 것이다.

3. CBR is a methodology for KM
지식경영의 필요요소는 지식의 수집(acquisition), 분석(analysis), 보존(preservation), 사용(use)

CBR(사례기반 추론)의 정의는 과거의 문제를 사용하거나 적용시켜 문제를 해결하는 것이다.
A Case-based reasoner solves problems by using or adapting sulutions to old problems (Reisbeck & Schank 1989)

Ian Watson은 CBR이 ‘무엇’을 하는 건지에 대해서는 언급을 하지만 ‘어떻게’ 하는지를 언급하지 않기 때문에 인공지능 테크놀로지가 아니라 방법론이라고 함.

CBR의 원칙은 6가지 활동이 포함된 cycle로 정의된다.

1. Retrieve 문제를 표현하기 위해 유사한 사례를 검색한다
2. Reuse 유사한 사례에 의해 제안된 솔루션을 재사용한다
3. Revise 새로운 문제에 맞게 기존의 솔루션을 교정한다
4. Review 새로운 사례로서 보존할 가치가 있는지를 비교한다
5. Retain 새로운 사례를 저장한다
6. Refine 필요에 따라 사례기반 인덱스 와 가중치를 조정한다

Boisot 이 제시한 데이터, 정보, 지식의 관계에 CBR Cycle을 겹쳐보면 아래와 같이 볼 수 있다

즉, 지식경영 시스템과 사례기반추론의 방법론이 거의 유사하다는 것.

4. Multiple Knowledge Sources

전통적 CBR은 단일 사례에 맞는 문제를 풀기 위해 사용한 반면
지식경영 시스템은 여러 이종의 소스를 가지고 있다.
따라서 기존의 CBR 시스템을 그대로 적용시켜선 안된다.

Brown(1995)은 다중의 분산된 이종의 소스로 부터 지식을 추출하고 이를 “Virtual cases’로 임시저장하는 솔루션 제안

Dubitsky(1999)는 지식경영 문제를 풀기위한 다중의 이종의 사례 기반을 포함하는 CBR-warehouse의 아키텍처를 제시. 이 시스템에서 semantic differences between base-bases 를 극복하기 위해 ontology를 사용

eGain은 하나의 인터페이스를 통해 다중의 지식 소스에 대한 억세스를 seamless 하게 할 수 있는  eGain Knowledge Gateway라는 제품을 개발.