컴퓨터는 메모리 계층 구조를 통해 데이터에 접근한다. 하지만 인간은 정보의 흐름을 따라 데이터에 접근한다. 즉, Random Access Memory가 아니다. 물론 인간도 캐시와 같은 메모리 계층이 있을 것이다. 하지만, 정보를 다루는 자료구조는 그래프 구조일 것이다. RAM이 아닌, 이름하야 NNAM(Neural Network Access Memeory)가 아닐까 싶다. 그로부터 Logical Locality를 이끌어낼 수 있지 않을까? 그리고 여기서 ai의 reasoning 성능 향상을 이끌어낼 방안이 있지 않을까.
나는 지능을 질문의 능력으로 정의내렸다. 지식에 논리적 지역성이 존재하게 된다면, 습득한 지식과 기존의 지식과의 비정합성을 스스로 통찰하여 발견할 수 있게 되고, 이는 곧 올바른 질문의 단초가 될 수 있을 것이다.
만약 그렇게 된다면, 이는 기존의 LLM과 완전히 다른 방식의 AI가 될 것이다. 그러나 LLM이 필요없지는 않을 것이다. 단지 뇌의 베로니카 영역처럼 자연스러운 문장을 완성하는 데에 사용될 수 있을 것이다. 즉, 내가 구상하는 AI의 일부로서 활용된다는 의미가 된다.
-맥락 읽기 현재 대화 흐름에서의 구조 및 조직 사용(일종의 메인 메모리) 대화 흐름 종료 시, 이를 활용하여 학습. 즉, 파편화된 학습이 아니라 정리된 학습. 이후 시그니쳐 정보만(대충의 얼개만) 남겨서 최적화하여 기억한다.
인간과 매우 흡사하지 않은가?