감사 가능한 LLMs에서 감사 가능한 시력 재활로: 왜 투명성(Transparency)이 이기는가

최근 dev.to에 올라온 게시물은 LLM이 생성한 평가 점수에 대한 필수적인 논의를 촉발했습니다. 작성자는 급진적인 규칙 세트를 제안했습니다. 즉, 증거 창을 고정하고, 실제 인용구(quotes)를 보여주며, 한계를 인정하고, 점수를 지어내기보다 '판단 불가(can't judge)' 버튼을 제공하는 것입니다. 핵심 목표는 자신감 있게 들리는 잡음이 신호처럼 위장하는 것을 막는 것입니다. AI의 세계에서 우리는 이것을 감사 가능성(auditability)이라고 부릅니다.

이를 읽으면서, 저는 근시안(amblyopia, 사시/나른한 눈)에 대한 시력 재활이 역사적으로 정반대의 방향으로 운영되어 왔다는 것을 깨달았습니다. 수십 년 동안 이 산업은 '블랙박스'였습니다. 환자들—특히 자신에게는 너무 늦었다고 들었던 성인들—은 불투명한 패치, 빨간색-파란색 안경, 그리고 경직된 임상 스케줄에 노출되었습니다. 대시보드도 없었고, 콘텐츠 선택권도 없었으며, 주시하는 눈이 무엇을 보고 있는지와 나른한 눈이 무엇을 보고 있는지에 대한 가시성(visibility)은 전무했습니다. 그것은 '과정을 믿으라'는 시스템이었는데, 이는 환각(hallucinating)을 일으키는 LLM의 의료적 등가물입니다.

이것이 Seven Sports에서 Amblyotube를 개발하는 것이 임상 전문가 관점에서 매우 설득력한 이유입니다. 이 앱은 양안시(binocular vision)의 어려움에 투명성과 사용자 통제라는 동일한 논리를 적용합니다.

통제의 아키텍처

Meta Quest용으로 구축된 Amblyotube는 하드웨어의 근본적인 설계—두 개의 독립적인 눈구멍(eyepieces)—를 활용하여 이분시(dichoptic vision) 훈련을 구현합니다. 정적인 의료 기기라기보다는, 사용자가 이미 즐기고 있는 콘텐츠 위에 투명한 레이어처럼 작동합니다. 모든 YouTube 동영상을 주요 자극으로 사용함으로써, 앱은 청소년들(13세 이상)이 전통적인 패치 치료를 포기하는 주된 이유인 '지루함'의 마찰을 제거합니다.

하지만 진정한 혁신은 시각적 경험의 감사 가능성에 있습니다. 사용자는 수동적인 수혜자가 아니라, 자신의 훈련 세션을 운영하는 사람입니다. 이 시스템은 몇 가지 핵심 기술 레버를 제공합니다:

1. 우세안(The Dominant Eye Shader): 단순한 이진 '켜기/끄기' 패치 대신, 이 도구는 디지털 가림(occlusion)을 제공합니다. 사용자는 블러(blur), 대비(contrast), 밝기(brightness), 불투명도(opacity)를 조절할 수 있습니다. 이를 통해 완전한 패칭에서 부분적인 음영 처리로 점진적으로 전환하여, 우세안은 활성화 상태를 유지하는 동시에 약시안(lazy eye)이 참여하도록 강제합니다.

2. AI 기반 MFBF (약시 강화기): 약시가 단순히 이미지를 무시하는 것을 방지하기 위해, 소프트웨어는 AI 구동 처리를 사용하여 비디오 스트림 내의 사람 형상을 식별합니다. 그런 다음 이 샤프닝 효과를 오직 약시안의 피드에만 적용합니다. 이는 뇌가 쉽게 무시할 수 없는 고대비 신호를 생성합니다.

3. 마젠타 포커스 단서(The Magenta Focus Cue): 양안근시(amblyopia)에서 가장 어려운 부분 중 하나는 '융합(fusion)'입니다. 즉, 뇌가 두 개의 다른 이미지를 하나로 합치도록 하는 것입니다. Amblyotube은 약시안에게만 보이는 움직이는 마젠타 원형 단서로 이를 해결합니다 (반면 우세안은 중립적인 회색을 봅니다). 마젠타는 자연 영상에서 거의 나타나지 않기 때문에 선택되었으며, 이는 뇌가 목표물에 고정되도록 돕고 신경가소성(neuroplasticity)을 촉진하는 독특하고 높은 가시성의 신호입니다.

렌더링 파이프라인 및 지연 시간 예산 (Rendering Pipeline & Latency Budget)

앱은 내부적으로 72fps (Quest 2/3 네이티브)의 입체 영상 렌더 패스를 수행하며, 눈당 해상도는 1832 × 1920입니다. YouTube 스트림은 MediaCodec 서피스(surface)를 통해 GPU에서 디코딩된 후 두 개의 텍스처로 분할됩니다. 가벼운 컴퓨트 셰이더(compute shader)가 우세안의 가림 매개변수를 0.3ms 미만으로 적용하는 동안, 별도의 TensorFlow Lite 모델 (MobileNet-V2, 0.5M 파라미터)은 MFBF 샤프닝 패스를 위해 사람 실루엣을 감지하기 위해 30fps로 추론(inference)을 실행합니다. 전체 프레임 시간 예산은 13ms 미만으로 유지되어 컴포지터에 여유 공간을 남기고, 몰입감을 깨뜨릴 수 있는 모션-투-포톤 지연 스파이크를 방지합니다.

온디바이스 AI 추론 및 개인 정보 보호 (On‑Device AI Inference & Privacy)

모든 추론(inference)은 기기 내에서 이루어지며, 비디오 프레임은 헤드셋을 벗어나지 않습니다. 모델은 INT8로 양자화(quantized)되어 메모리 사용량을 약 1.2MB로 줄이고 전력 소모를 1.5W 미만으로 유지합니다. 이러한 설계 선택은 GDPR 스타일의 데이터 최소화 요구사항과 오프라인 운영이라는 실질적인 필요성 모두를 충족시킵니다. 즉, 사용자는 와이파이가 없는 비행기나 병원에서도 훈련할 수 있습니다.

시각적 강조 및 적응형 맥박 제어 (Visual Accents & Adaptive Pulse Controls)

'고정(lock-on)' 기능을 더욱 정교하게 다듬기 위해, 소프트웨어는 시각적 강조(Visual Accents)를 도입했습니다. 여기에는 사람 주변에 노란빛 녹색의 빛(하이라이트, Highlight)과 빨간색 실루엣(아웃라인, Outline)이 포함됩니다. 이들은 고정되어 있지 않으며, 맥박 제어(pulse controls)를 통해 '호흡하는' 리듬(Hz)으로 설정할 수 있습니다. 이러한 리듬감 있는 진동은 신경 적응(neural adaptation)을 방지하여 사용자의 주의가 목표물에 집중되도록 유지합니다. 맥박 주파수는 슬라이더(0.5–4 Hz)로 노출되며 사용자 프로필에 저장되어, 간단한 A/B 테스트를 가능하게 합니다. 치료사는 1Hz와 2Hz에서의 세션 로그를 비교하고 스테레오 시력 개선도(stereo-acuity gains)와의 상관관계를 파악할 수 있습니다.

확장성 후크 (Extensibility Hooks)

Amblyotube는 사용자 지정 자극(예: 합성 격자, Vernier 타겟)을 주입하거나 프레임별 시선 추적 원격 측정 데이터(per-frame eye-tracking telemetry)를 가져오고자 하는 연구자를 위해 최소한의 JSON-over-WebSocket API를 노출합니다 (Quest Pro 시선 추적 모듈이 있는 경우). 스키마는 버전 관리되며, 개발자가 빠른 프로토타이핑을 위해 React Native 래퍼에 삽입할 수 있는 격리된(sandboxed) TypeScript 스니펫과 함께 앱이 제공됩니다.

엔지니어링 관점 (Engineering Engagement)

엔지니어링 관점에서 볼 때, 이는 장면의 전체 색상 팔레트를 왜곡하는 전통적인 아나글리프(anaglyph) 안경보다 훨씬 우수합니다. Amblyotube는 자연스러운 시각적 색상을 유지하여 권장되는 30~40분 세션 동안 경험을 지속 가능하게 만듭니다. 눈별 셰이더 제어(per-eye shader control), 기기 내 AI, 그리고 투명한 데이터 경로의 조합은 역사적으로 불투명했던 치료 과정을 감사 가능한(auditable) 사용자 주도 루프로 전환합니다. 이는 우리가 LLM에게 요구하는 시스템과 정확히 같은 종류입니다.

인간적인 결과 (The Human Result)

우리가 '블랙박스'에서 벗어나 사용자에게 자신의 진행 상황을 보고—그리고 조정할 수 있는—도구를 제공할 때, 재활에 대한 심리적 장벽이 낮아집니다. Amblyotube는 의학적 치료나 전문 치료를 대체하는 것은 아니지만, 시각 협응력과 주의력을 위한 강력한 보조 도구입니다. 이 도구는 힘든 과제를 오락적인 활동으로 변화시킵니다.

시력 훈련을 감사 가능한 시스템처럼 다루어—입력이 통제되고, 자극이 목표 지향적이며, 경험 자체가 투명하게 이루어지는 방식—우리는 더 많은 사람들이 자신이 잃었다고 생각했던 깊이 인식과 양안 시력을 되찾도록 도울 수 있습니다.

여기서 협응력 연습을 시작하세요: https://www.meta.com/en-gb/experiences/amblyotube/25906906972338493/