Company
체계는 스스로 자라고, 인사이트는 정밀해집니다.
이름의 유래
kernalic이라는 이름은 딥러닝의 kernel에서 모티브를 얻었습니다. 합성곱 신경망의 kernel은 feature extractor로서 원본 데이터에서 유의미한 특징(feature)을 뽑아냅니다. kernalic은 'kernel처럼(kernel-like)' — 흩어진 데이터에서 의미 있는 구조와 관계를 뽑아내는 회사가 되겠다는 뜻을 담았습니다. 이 이름은 우리가 쓰는 방법의 이름이기도 합니다 — 사람이 큰 틀을 세우면 데이터 전체가 스스로 관계를 정리하고 생성하며 관계망을 쌓는 커널 온톨로지.
우리가 하는 일
kernalic은 데이터에 체계를 세우는 소프트웨어 기업입니다. 특정 산업에 매이지 않고, 정형이든 비정형이든 데이터가 얽혀 있는 도메인이라면 어디든 그 관계를 체계로 정리해 제품으로 만듭니다. 여러 도메인 가운데 지금 제품으로 나와 있는 것은 지식재산입니다. 표준특허(SEP) 해당성을 판단하는 SEPPi가 이 원칙 위에서 움직이고 있고, 특허 청구항과 실제 제품을 이어 침해를 분석하고 선행기술·무효 근거까지 찾는 IPSnap은 같은 원칙 위에서 개발될 예정입니다.
지향점
데이터는 이미 넘치도록 쌓여 있습니다. 문제는 양이 아니라, 그 더미 속에서 무엇이 무엇과 이어지는지 보이지 않는다는 것입니다. 우리는 어지럽게 쌓인 데이터 속에서 관계를 찾아내고, 그 관계를 체계로 세우는 방향으로 나아갑니다. 관계가 체계로 정리되면 AI는 그 관계망 위에서 근거를 갖고 추론하고, 스스로 관계망의 정밀도를 높여 갑니다. 앞으로도 새로운 조직과 도메인을 만날 때마다 그 안에 숨은 체계를 찾아 커널을 새로 정의하고, 커널 온톨로지로 넓혀가는 방식을 이어갈 것입니다.