Revolutionizing
Mathematical Learning
with AI
Ontology Based Generative AI Model
Ontology-based OS : ONTOLOS
수학적 개념과 구조를 체계화한 Ontology-based OS → OntolOS
교육적 정교함과 실시간 대응력을 갖춘 에이전트와 모델들을 개발합니다.
섬재 엔지니어링 우수성은 MIT CSAIL과 공동연구 중인 ONTOLOS 시스템에 기반을 두고 있습니다. 이 시스템은 AI가 전통적인 교육 자료를 형태소 수준에서 분해·분석할 수 있도록 하며, 정교한 맞춤형 학습 및 피드백을 가능하게 합니다.
ONTOLOS
Structure
Layer 1 :
Data & Logic
Acquisition
Acquisition
교육 도메인에서 필요한 데이터와 도메인 전문가들의 사고 과정(Logic)을 수집하는 단계
데이터
- 교육 도메인의 콘텐츠(문항, 해설, 강의, 퀴즈 등)와 개념 리스트를 포함한 Raw Data.
도메인 로직
- 도메인 전문가들의 ‘강의 설명, 문제풀이 방법, 자료 제작법, 학생 평가법’ 등의 논리적 사고 과정(Logic).
Layer 2 :
Ontologization
수집된 데이터의 관계를 정의하고, 체계적으로 연결하여 유기적인 Data Eco-system을 구축하는 단계
지식 그래프
- 수학적 개념을 체계적이고 위계적으로 정리한 Graph 구조.
- 다른 데이터의 관계를 정의하는 기반 역할.
정제된 데이터
- 섹션 1의 Raw Data를 컴퓨팅 처리가능한 형태로 변환한 후, Knowledge Graph의 정보를 적절하게 태깅한 데이터들의 모음.
링크
- Data Hub 내 데이터들을 사용 목적에 맞게 유기적으로 연결한 선(Line).
Layer 3 :
Agentic AI Integration
온톨로지를 활용해 다양한 문제에 대한 솔루션을 제공하는 AI Agents들을 설계하고 통합하는 단계
ConCreat Agent
- 학생에게 필요한 학습 콘텐츠를 새롭게 생성하는 AI Agent.
튜터링 Agent
- 다양한 상황에서 학생에게 필요한 정보를 제공하고, 유동적으로 대응하는 선생님 역할의 AI Agent.
학습관리 Agent
- 학생의 학습 기록을 분석해 진단하고, 평가와 방향성을 제시하는 학습 관리 AI Agent.
ONTOLOS
Core
Ontologization
Ontologization
STEP 1
데이터 구조화
도메인 전문가와 AI Ontology 전문가들이 Knowledge Graph를 설계하여 수학적 개념 사이의 관계성을 체계적으로 정의.
STEP 2
알고리즘 개발
콘텐츠 데이터별로 사용성에 필요한 개념 정보를 Tagging.
STEP 3
모델 개발
3. Tagging된 정보를 기반으로 데이터 간의 관계를 Linking.
Agentic AI
Integration
STEP 1
분석
도메인 전문가의 사고 과정을 분석
STEP 2
파이프라인 디자인
각 단계에 적합한 AI 모델, 알고리즘, 기술을 찾아 Agentic AI 파이프라인 설계.
STEP 3
온톨로지 바인딩
파이프라인 각 요소가 필요한 정보를 실시간으로 가져갈 수 있도록, Agentic AI와 Ontology를 Binding.