How Does Knowledge Become a System? From Classification to Architecture

 

Countless books, diagrams, maps, and luminous pathways gradually connect into a single living structure, revealing how separate pieces of knowledge become an organized architecture.

How Does Knowledge Become a System? From Classification to Architecture

Knowledge becomes truly powerful not when it is merely accumulated, but when relationships transform scattered information into an organized system.

Why Is Collecting Information Not Enough?

Digital technologies have greatly increased the production, storage, and circulation of information. Books, articles, videos, databases, measurements, and conversations continually add new material to shared records. For many people with digital access, information can now be retrieved across greater distances and at greater speed, although access remains unequal.

The availability of information does not by itself guarantee knowledge or understanding. The meanings of ‘information’ and ‘knowledge’ differ across philosophy, information science, and ordinary language, but a useful distinction can still be made. Information can be stored or transmitted, whereas using it as knowledge requires interpretation, context, justification, and an understanding of its relevance.

A large collection of statements can remain difficult to use when their sources, meanings, and relationships are unclear. Memorizing additional details may enlarge recall without improving explanation. Quantity can support understanding, but it cannot substitute for the work of organizing, comparing, and evaluating what has been collected.

A library provides a simple analogy. If its books lack catalog records, subject terms, locations, and relations to other works, their contents still exist, but finding and interpreting them becomes difficult. Organization does not create the contents, yet it changes what readers can retrieve and connect.

The first step toward deeper understanding is therefore not always the acquisition of more material. It may be the examination of how existing claims relate to evidence, concepts, questions, and one another.

Why Do Humans Classify Knowledge?

Categorization is a basic cognitive activity, while formal classification is also a historical and institutional practice. People treat distinguishable objects or events as equivalent for particular purposes, and scholarly traditions develop more explicit systems for arranging organisms, texts, diseases, languages, substances, and other subjects.

Classification can reduce cognitive and practical complexity. A category allows people to respond to multiple instances without treating every case as entirely new. Research on categorization connects this function with cognitive economy, but categories are also shaped by the structures people perceive, the purposes they pursue, and the cultures and theories within which they work.

Scientific disciplines provide one form of knowledge organization. Biology, physics, history, and philosophy use different combinations of questions, concepts, evidence, and methods. Within them, subfields develop through discoveries, disputes, institutions, technologies, and divisions of scholarly labor. These boundaries are historically produced rather than simply discovered in nature.

Classification supports communication, retrieval, and cumulative inquiry. Shared terms and categories allow researchers to compare findings and locate relevant work. Each generation inherits not only documents and claims but also catalogues, taxonomies, indexes, disciplinary boundaries, and standards through which those materials are interpreted.

Classification is not neutral, however. A classification system emphasizes some similarities and differences while obscuring others. Categories can enable research and administration, but they can also exclude cases, preserve outdated assumptions, or give institutional force to contested distinctions. Classification must therefore be evaluated as well as used.

Classification can make information learnable, retrievable, and communicable. It does not by itself guarantee that the resulting order is true, fair, or adequate for every purpose.

When Does Classification Become Architecture?

Classification groups or orders items according to specified principles. Other forms of knowledge organization, including thesauri, ontologies, citation networks, and knowledge graphs, also represent semantic, hierarchical, evidential, or associative relations. These relations allow users to move beyond locating an item toward examining how it connects with other items.

In this essay, ‘knowledge architecture’ refers to a broader interpretive framework rather than one universally established technical discipline. It means the deliberate construction and examination of relations among concepts, evidence, methods, disciplines, and purposes. It includes classification but is not limited to classification.

A list can identify what has been collected, while a relational structure can show hierarchy, dependence, sequence, contradiction, similarity, or causal claims. These relations are not interchangeable. A citation link does not necessarily indicate agreement, and a statistical association does not by itself establish causation. Architecture requires relations to be typed and interpreted rather than merely displayed.

A city offers a limited analogy. Streets, buildings, transport, utilities, and public spaces have different functions, and their relationships shape how people can move and act. Yet cities are not wholly designed as unified systems; they combine planning with historical accumulation, conflict, repair, and adaptation. Knowledge systems develop through a similarly mixed process.

Connections across fields can produce important results. Mathematical methods have transformed physical inquiry, evolutionary ideas have influenced areas of economics, psychological research has informed educational practice, and computing has created new methods across the sciences and humanities. Such transfers succeed when concepts and methods are adapted carefully rather than imported through superficial resemblance.

Knowledge architecture therefore does more than place information into containers. It asks which relations are supported, which boundaries are useful, where concepts conflict, and how a change in one part of a system affects interpretation elsewhere.

Can Artificial Intelligence Build Knowledge Architecture?

Artificial intelligence can assist with large-scale information organization. Machine-learning and language-processing systems can extract candidate entities and relations, cluster documents, analyze citation networks, construct knowledge graphs, and recommend materials that share detectable patterns.

These capabilities do not amount to the automatic discovery of valid knowledge. Extracted relations may be incomplete, ambiguous, biased, or false. A predicted link in a knowledge graph is a candidate relation whose reliability depends on data quality, modeling choices, evaluation, and, where necessary, empirical or scholarly verification.

Meaningful architecture requires purposes and standards. Researchers and institutions must decide what domain is being represented, which sources are admissible, what kinds of relations are distinguished, how disagreement is recorded, and what degree of evidence is required. These decisions cannot be replaced by processing speed alone.

The division between human judgment and machine scale is useful but incomplete. Human communities also organize information at large scales through libraries, disciplines, standards, and collaborative research. Artificial intelligence can also propose structures and priorities within the objectives it has been given. Responsibility for selecting purposes, validating results, and managing consequences nevertheless remains with human actors and institutions.

Human expertise and computational tools can complement one another when their roles and limitations are explicit. Machines can expand search and pattern detection; people can evaluate meaning, evidence, historical context, and practical consequence. Neither contribution guarantees a coherent knowledge system without procedures for criticism and revision.

Knowledge may become more powerful not when every available statement is collected, but when relevant relations are discovered or constructed, clearly represented, tested against evidence, and revised when they fail. The larger structure is not always waiting intact to be uncovered. It is partly discovered in the world and partly built through disciplined inquiry.

References

Bowker, G. C., & Star, S. L. (1999). ‘Sorting Things Out: Classification and Its Consequences’. MIT Press.

Floridi, L. (2011). ‘The Philosophy of Information’. Oxford University Press.

Hjørland, B. (2003). ‘Fundamentals of Knowledge Organization’. Knowledge Organization, 30(2), 87–111.

Hjørland, B. (2013). ‘Theories of Knowledge Organization—Theories of Knowledge’. Knowledge Organization, 40(3), 169–181.

Hogan, A., Blomqvist, E., Cochez, M., D’Amato, C., de Melo, G., Gutiérrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., Neumaier, S., Ngomo, A.-C. N., Polleres, A., Rashid, S. M., Rula, A., Schmelzeisen, L., Sequeda, J., Staab, S., & Zimmermann, A. (2021). ‘Knowledge Graphs’. ACM Computing Surveys, 54(4), Article 71. DOI: 10.1145/3447772

Peng, C., Xia, F., Naseriparsa, M., & Osborne, F. (2023). ‘Knowledge Graphs: Opportunities and Challenges’. Artificial Intelligence Review, 56, 13071–13102. DOI: 10.1007/s10462-023-10465-9

Rosch, E. (1978). ‘Principles of Categorization’. In E. Rosch & B. B. Lloyd (Eds.), ‘Cognition and Categorization’ (pp. 27–48). Lawrence Erlbaum Associates.

Simon, H. A. (1996). ‘The Sciences of the Artificial’ (3rd ed.). MIT Press.

Verma, S., Sharan, A., & Haarslev, V. (2023). ‘Scholarly Knowledge Graphs Through Structuring Scholarly Communication: A Review’. Complex & Intelligent Systems, 9, 1059–1095. DOI: 10.1007/s40747-022-00806-6

수많은 책과 도표, 지도, 빛나는 연결선이 하나의 거대한 구조로 이어지며 흩어진 지식이 체계적인 아키텍처로 변화하는 모습을 보여 줍니다.

지식은 어떻게 체계가 되는가? 분류에서 아키텍처까지

지식은 단순히 축적될 때가 아니라, 관계가 흩어진 정보를 조직된 체계로 바꿀 때 진정한 힘을 얻습니다.

정보를 수집하는 것만으로는 왜 충분하지 않을까?

디지털 기술은 정보의 생산과 저장 및 유통을 크게 확대했습니다. 책과 논문, 영상, 데이터베이스, 측정 자료, 대화는 공유된 기록에 새로운 자료를 계속 추가합니다. 디지털 환경에 접근할 수 있는 많은 사람은 과거보다 더 먼 곳의 정보를 더 빠르게 찾을 수 있지만, 정보 접근의 격차는 여전히 존재합니다.

정보를 이용할 수 있다는 사실만으로 지식이나 이해가 보장되지는 않습니다. ‘정보’와 ‘지식’의 의미는 철학과 정보과학, 일상 언어에서 서로 다르지만, 유용한 구분은 가능합니다. 정보는 저장되거나 전달될 수 있지만, 그것을 지식으로 사용하려면 해석과 맥락, 정당화, 관련성에 관한 이해가 필요합니다.

많은 문장을 수집했더라도 출처와 의미 및 상호 관계가 불분명하면 사용하기 어려울 수 있습니다. 세부 사항을 더 많이 암기하면 기억하는 양은 늘어날 수 있지만 설명이 깊어지는 것은 아닙니다. 양은 이해를 뒷받침할 수 있지만, 수집한 내용을 조직하고 비교하고 평가하는 작업을 대신할 수 없습니다.

도서관은 이를 설명하는 간단한 비유입니다. 책에 목록 기록과 주제어, 위치 정보, 다른 저작과의 관계가 없다면 내용은 여전히 존재하지만 그것을 찾고 해석하기는 어려워집니다. 조직이 책의 내용을 만들어 내는 것은 아니지만, 독자가 무엇을 찾고 연결할 수 있는지를 바꿉니다.

따라서 더 깊은 이해를 위한 첫 단계가 언제나 자료를 더 많이 확보하는 것은 아닙니다. 기존의 주장이 증거와 개념, 질문, 다른 주장에 어떻게 연결되는지 검토하는 일이 먼저일 수 있습니다.

인간은 왜 지식을 분류할까?

범주화는 기본적인 인지 활동이며, 형식적인 분류는 역사적·제도적 실천이기도 합니다. 사람들은 특정한 목적을 위해 서로 구별되는 대상이나 사건을 같은 것으로 취급하며, 학문 전통은 생물과 문헌, 질병, 언어, 물질 등을 배열하기 위한 더 명시적인 체계를 발전시킵니다.

분류는 인지적·실무적 복잡성을 줄일 수 있습니다. 범주가 있으면 모든 사례를 전혀 새로운 것으로 다루지 않고 여러 사례에 대응할 수 있습니다. 범주화 연구는 이러한 기능을 인지적 경제성과 연결하지만, 범주는 사람들이 지각하는 구조와 추구하는 목적, 활동하는 문화와 이론의 영향도 받습니다.

학문 분야는 지식 조직의 한 형태입니다. 생물학과 물리학, 역사학, 철학은 질문과 개념, 증거, 방법을 서로 다른 방식으로 결합합니다. 각 분야의 세부 영역은 발견과 논쟁, 제도, 기술, 학문적 노동 분업을 통해 발전합니다. 이러한 경계는 자연에서 그대로 발견되는 것이 아니라 역사적으로 형성됩니다.

분류는 의사소통과 검색 및 누적적인 탐구를 지원합니다. 공유된 용어와 범주는 연구자가 연구 결과를 비교하고 관련 문헌을 찾게 합니다. 각 세대는 문헌과 주장뿐 아니라 그것을 해석하는 목록과 분류 체계, 색인, 학문 경계, 기준도 물려받습니다.

그러나 분류는 중립적이지 않습니다. 분류 체계는 어떤 유사점과 차이점은 강조하고 다른 것은 가립니다. 범주는 연구와 행정을 가능하게 하지만, 일부 사례를 배제하거나 오래된 전제를 보존하거나 논쟁적인 구분에 제도적 힘을 부여할 수도 있습니다. 따라서 분류는 사용되는 동시에 평가되어야 합니다.

분류는 정보를 학습하고 검색하고 전달할 수 있게 합니다. 그러나 분류를 통해 만들어진 질서가 모든 목적에 참되고 공정하며 적절하다는 사실까지 보장하지는 않습니다.

분류는 언제 아키텍처가 될까?

분류는 명시된 원리에 따라 대상을 묶거나 배열합니다. 시소러스와 온톨로지, 인용 네트워크, 지식 그래프 등의 다른 지식 조직 형식은 의미적·위계적·증거적·연상적 관계도 나타냅니다. 이러한 관계를 통해 이용자는 대상을 찾는 일을 넘어 그것이 다른 대상과 어떻게 연결되는지를 살펴볼 수 있습니다.

이 글에서 ‘지식 아키텍처’는 보편적으로 확립된 하나의 기술 분야가 아니라 더 넓은 해석적 틀을 뜻합니다. 개념과 증거, 방법, 학문 분야, 목적 사이의 관계를 의도적으로 구성하고 검토하는 작업입니다. 분류를 포함하지만 분류에 한정되지는 않습니다.

목록은 무엇이 수집되었는지를 보여줄 수 있고, 관계 구조는 위계와 의존성, 순서, 모순, 유사성, 인과 주장을 보여줄 수 있습니다. 그러나 이러한 관계는 서로 바꿔 쓸 수 없습니다. 인용 관계가 반드시 동의를 뜻하지 않으며, 통계적 연관성이 그 자체로 인과관계를 입증하지도 않습니다. 아키텍처에서는 관계를 단순히 표시하는 데 그치지 않고 관계의 종류를 구분하고 해석해야 합니다.

도시는 이를 설명하는 제한적인 비유를 제공합니다. 도로와 건물, 교통, 기반 시설, 공공 공간은 서로 다른 기능을 하며, 그 관계는 사람들이 이동하고 행동할 수 있는 방식을 형성합니다. 그러나 도시 전체가 하나의 통일된 체계로 설계되는 것은 아닙니다. 도시에는 계획과 역사적 축적, 갈등, 보수, 적응이 함께 존재합니다. 지식 체계도 이와 유사한 혼합 과정을 거쳐 발전합니다.

학문 분야 사이의 연결은 중요한 성과를 만들 수 있습니다. 수학적 방법은 물리적 탐구를 변화시켰고, 진화론적 사상은 경제학의 일부 영역에 영향을 주었으며, 심리학 연구는 교육 실천에 활용되었습니다. 컴퓨팅은 과학과 인문학 전반에 새로운 방법을 만들었습니다. 이러한 이전은 표면적인 유사성에 기대지 않고 개념과 방법을 신중하게 조정할 때 성공합니다.

그러므로 지식 아키텍처는 정보를 여러 용기에 넣는 데 그치지 않습니다. 어떤 관계가 근거를 갖추었는지, 어떤 경계가 유용한지, 개념이 어디에서 충돌하는지, 체계의 한 부분이 바뀌면 다른 부분의 해석이 어떻게 달라지는지를 묻습니다.

인공지능은 지식 아키텍처를 구축할 수 있을까?

인공지능은 대규모 정보 조직을 지원할 수 있습니다. 기계학습과 언어처리 시스템은 문서에서 개체와 관계의 후보를 추출하고, 문헌을 군집화하고, 인용 네트워크를 분석하고, 지식 그래프를 구성하며, 탐지된 유형을 공유하는 자료를 추천할 수 있습니다.

이러한 능력이 타당한 지식의 자동적인 발견을 의미하지는 않습니다. 추출된 관계는 불완전하거나 모호하거나 편향되거나 거짓일 수 있습니다. 지식 그래프가 예측한 연결은 관계의 후보이며, 그 신뢰성은 자료의 품질과 모형 선택, 평가, 필요한 경우 경험적·학술적 검증에 달려 있습니다.

의미 있는 아키텍처에는 목적과 기준이 필요합니다. 연구자와 기관은 어떤 영역을 표상할지, 어떤 출처를 인정할지, 어떤 종류의 관계를 구분할지, 의견 불일치를 어떻게 기록할지, 어느 수준의 증거를 요구할지를 결정해야 합니다. 처리 속도만으로 이러한 결정을 대신할 수는 없습니다.

인간의 판단과 기계의 규모를 구분하는 방식은 유용하지만 완전하지 않습니다. 인간 공동체도 도서관과 학문 분야, 표준, 공동 연구를 통해 대규모로 정보를 조직합니다. 인공지능도 부여받은 목표 안에서 구조와 우선순위를 제안할 수 있습니다. 그러나 목적을 선택하고 결과를 검증하며 그 결과를 관리할 책임은 인간 행위자와 제도에 남습니다.

역할과 한계를 분명히 할 때 인간의 전문성과 계산 도구는 서로를 보완할 수 있습니다. 기계는 검색과 유형 탐지의 범위를 넓힐 수 있고, 인간은 의미와 증거, 역사적 맥락, 실제 결과를 평가할 수 있습니다. 비판과 수정의 절차가 없다면 어느 한쪽의 기여도 일관된 지식 체계를 보장하지 않습니다.

지식은 이용 가능한 모든 문장을 수집할 때보다 관련된 관계를 발견하거나 구성하고, 그 관계를 명확히 나타내며, 증거로 검증하고, 실패할 때 수정할 때 더 큰 힘을 얻을 수 있습니다. 더 큰 구조가 언제나 완성된 상태로 발견을 기다리는 것은 아닙니다. 그 일부는 세계에서 발견되고, 일부는 규율 있는 탐구를 통해 만들어집니다.

참고문헌

제프리 C. 보커·수전 리 스타. ‘분류하기: 분류와 그 결과’. MIT 출판부, 1999년. 질병과 직업 및 인종 등의 분류 체계가 정보를 정리하는 데 그치지 않고 사회적 판단과 제도 및 인간관계에 영향을 미치는 방식을 분석한 연구서입니다.

루치아노 플로리디. ‘정보철학’. 옥스퍼드대학교출판부, 2011년. 정보의 의미와 진실성, 자료와 지식의 관계, 정보기술이 제기하는 철학적 문제를 체계적으로 다룬 연구서입니다.

비르거 회를란. ‘지식 조직의 기초’. ‘지식 조직’ 제30권 제2호, 2003년, 87–111쪽. 지식 조직을 개념과 개념 체계 및 이론의 조직과 학문 분야의 사회적 조직이라는 측면에서 분석한 논문입니다.

비르거 회를란. ‘지식 조직 이론과 지식 이론’. ‘지식 조직’ 제40권 제3호, 2013년, 169–181쪽. 분류 체계가 지식과 실재에 관한 이론적 전제를 포함하며 중립적인 배열에 그치지 않는다는 점을 논한 논문입니다.

에이든 호건 외. ‘지식 그래프’. ‘ACM 컴퓨팅 서베이’ 제54권 제4호, 2021년, 제71번 논문. 지식 그래프의 개념과 구성 방식, 의미관계, 추론, 자료 통합 및 활용을 종합적으로 검토한 논문입니다. DOI: 10.1145/3447772

청셩 펑 외. ‘지식 그래프의 기회와 과제’. ‘인공지능 리뷰’ 제56권, 2023년, 13071–13102쪽. 지식 그래프의 구성과 추론 및 인공지능 활용 가능성과 함께 불완전성과 오류 및 검증 문제를 검토한 논문입니다. DOI: 10.1007/s10462-023-10465-9

엘리너 로시. ‘범주화의 원리’. 엘리너 로시·바버라 B. 로이드 편집, ‘인지와 범주화’ 수록, 27–48쪽. 로런스 얼바움 어소시에이츠, 1978년. 인간의 범주화가 인지적 경제성과 지각된 세계의 구조에 연결되는 방식을 설명한 고전적 연구입니다.

허버트 A. 사이먼. ‘인공물의 과학’. 제3판. MIT 출판부, 1996년. 인간이 목적에 맞추어 복잡한 인공 체계와 조직 구조를 설계하고 이해하는 방식을 다룬 연구서입니다.

사우라브 베르마·아디티 샤란·볼커 하르슬레우. ‘학술 커뮤니케이션의 구조화를 통한 학술 지식 그래프: 검토 연구’. ‘복잡·지능 시스템’ 제9권, 2023년, 1059–1095쪽. 학술 문헌에서 개체와 관계를 추출하여 지식 그래프를 구성하고 활용하는 방법과 그 한계를 검토한 논문입니다. DOI: 10.1007/s40747-022-00806-6

Previous Episode - Why Don't Experts Understand One Another? Academic Specialization and the Challenge of Connecting Knowledge

Related Label - Knowledge Architecture

Next Episode - Umberto Eco's Foucault's Pendulum — Does Every Connection Create Meaning?