LLM은 언어를 매우 자연스럽게 다룬다. 질문의 의도를 읽고, 맥락에 맞는 문장을 만들고, 서로 다른 분야의 개념을 연결한다. 그러나 LLM이 언어를 잘 다룬다는 사실이 곧 의미의 구조를 명확히 이해한다는 뜻은 아니다. 언어는 흐르고, 문맥은 바뀌며, 같은 단어도 상황에 따라 다른 무게를 가진다.
이 지점에서 지식 그래프가 중요해진다. 지식 그래프는 개념을 노드로, 개념 사이의 관계를 엣지로 표현한다. 단순히 “혼돈”, “질서”, “영웅”, “희생"이라는 단어를 따로 저장하는 것이 아니라, 혼돈은 극복의 대상이 될 수 있고, 영웅은 혼돈을 통과해 질서를 세우며, 희생은 그 전환의 비용이라는 식으로 관계를 명시한다.
언어는 흐르고, 관계는 남는다
인간은 단어 자체보다 단어 사이의 관계를 통해 생각한다. “질서"라는 말은 혼자 있을 때보다 “혼돈"과 대립할 때 더 선명해진다. “자유"도 “책임"과 연결될 때 깊어진다. “믿음"도 “불확실성”, “순종”, “소망"과 함께 놓일 때 그 의미가 입체화된다.
LLM은 이런 관계를 통계적으로 추정한다. 많은 텍스트 안에서 어떤 단어들이 함께 등장했는지, 어떤 문맥에서 어떤 답변이 자연스러운지 계산한다. 그래서 LLM은 유연하지만 때로는 불안정하다. 관계가 명시적으로 고정되어 있지 않기 때문에, 질문 방식이 바뀌면 같은 개념도 다른 방향으로 흘러갈 수 있다.
지식 그래프는 이 흐름에 뼈대를 제공한다. 개념 사이의 연결을 명시적으로 저장하면, LLM은 단순한 연상보다 더 견고한 구조 위에서 답변할 수 있다. “영웅은 왜 용과 싸우는가?“라는 질문에 대해 LLM은 문학적 답변을 생성할 수 있지만, 지식 그래프는 “용은 혼돈의 상징이고, 영웅은 혼돈을 통과해 질서를 회복하는 존재"라는 관계 구조를 근거로 제공할 수 있다.
의미의 지도
조던 피터슨이 말한 “의미의 지도"라는 표현은 지식 그래프와 잘 맞는다. 인간은 세계를 물리적 사물의 집합으로만 이해하지 않는다. 우리는 사물을 위험, 기회, 유혹, 소명, 책임, 희생 같은 의미의 좌표 위에 배치한다. 같은 바다도 누군가에게는 여행이고, 누군가에게는 생업이며, 누군가에게는 두려움이다.
그렇다면 AI가 인간의 언어를 더 깊이 이해하려면, 단어의 사전적 의미만이 아니라 인간이 세계에 부여하는 상징적 관계를 다뤄야 한다. 지식 그래프는 이 작업에 적합하다. 혼돈과 질서, 죄와 은혜, 자유와 책임, 고통과 성숙 같은 개념을 연결하면, AI는 단편적 설명을 넘어 구조적 설명을 시도할 수 있다.
물론 지식 그래프가 모든 것을 해결하지는 않는다. 인간의 의미 체계는 고정된 도표보다 훨씬 유동적이고, 한 개념은 문화와 역사와 개인의 경험에 따라 다른 색을 띤다. 그러나 그렇기 때문에 오히려 구조가 필요하다. 완전한 고정이 아니라, 대화를 위한 기준점이 필요하다.
LLM과 지식 그래프의 상호 보완
LLM의 장점은 자연스러운 언어 생성이다. 복잡한 개념을 쉽게 설명하고, 서로 다른 분야를 연결하며, 독자의 수준에 맞게 표현을 바꿀 수 있다. 반면 지식 그래프의 장점은 명시성이다. 어떤 개념이 무엇과 연결되는지, 그 관계가 어떤 방향인지, 어떤 근거 위에 놓이는지 보여준다.
두 기술은 서로의 약점을 보완한다. LLM만 있으면 유연하지만 흐릿해질 수 있고, 지식 그래프만 있으면 정확하지만 딱딱해질 수 있다. LLM은 지식 그래프의 구조를 자연어로 풀어내고, 지식 그래프는 LLM의 언어가 흩어지지 않도록 붙잡는다.
이 조합은 철학, 신학, 교육, 심리학에서 특히 유용하다. 이런 분야는 단순한 정보 검색보다 개념 사이의 관계가 중요하기 때문이다. “공의와 자비는 어떻게 함께 존재하는가?”, “자유와 순종은 모순인가?”, “고통은 왜 인간을 성숙하게 하는가?” 같은 질문은 단순한 사실 목록으로 답하기 어렵다. 관계를 봐야 한다.
AI에게 필요한 것은 더 많은 말이 아니라 더 나은 구조다
AI가 더 인간다운 답을 하기 위해 필요한 것은 단순히 더 많은 데이터가 아닐 수 있다. 오히려 더 나은 구조, 더 명시적인 관계, 더 정직한 의미의 지도가 필요하다. 인간은 세계를 관계 속에서 이해하고, 신앙과 철학은 그 관계의 가장 깊은 층을 묻는다.
지식 그래프는 LLM에게 그 관계의 뼈대를 제공할 수 있다. 그리고 LLM은 그 뼈대에 언어의 살을 붙일 수 있다. 의미는 단어 하나에 들어 있지 않다. 의미는 연결 속에서 생겨난다. AI가 의미를 다루려면, 결국 연결을 다루는 법을 배워야 한다.