17세에 95,000줄 규모의 인지 AI OS를 구축했습니다 — Yoshua Bengio의 리뷰를 받았습니다

저는 17세입니다. 독학했습니다. 인도 Vadodara 출신입니다. 대학에 다니지 않습니다. 정규 컴퓨터 과학 (CS) 교육도 받지 않았습니다. 자금 지원도 없었습니다.

저는 총 15만 줄 이상의 Python 코드로 구성된 두 개의 자율 인지 시스템 (autonomous cognitive systems)을 구축했습니다. Yoshua Bengio (Turing Award 후보, Mila 설립자)가 저의 아키텍처 (architecture)를 리뷰했습니다. Princeton 대학교의 신경과학 교수가 이를 인정했습니다.

제가 무엇을 만들었는지, 어떻게 만들었는지, 그리고 무엇을 배웠는지 소개합니다.

프로젝트

F.R.I.D.A.Y. — 자율 인지 AI 운영체제 (Autonomous Cognitive AI Operating System)

FRIDAY는 66개의 모듈형 뇌 구성 요소 (modular brain components)를 갖춘 95,000줄 규모의 인지 AI OS입니다. 챗봇 래퍼 (chatbot wrapper)가 아닙니다. API 호출도 아닙니다. 진정한 인지 아키텍처 (cognitive architecture)입니다.

뇌 모듈 (Brain Modules) 포함 사항:

• 능동적 추론 엔진 (Active Inference Engine) (Karl Friston의 자유 에너지 원리 (free-energy principle))
• 시냅스 강도 감쇠 (synaptic strength decay)를 포함한 Hebbian 메모리 (72시간 TTL)
• 벡터 검색 (vector search)을 포함한 에피소드 메모리 (Episodic Memory)
• 꿈 꾸기 루틴 (Dreaming routines) (유휴 상태 동안의 오프라인 통합)
• 자기 인식 (Self-Awareness) 측정기
• 호기심 엔진 (Curiosity engine)
• 마음 이론 (Theory of Mind)
• 메타인지 모니터 (Metacognitive Monitor)
• 전역 작업 공간 (Global Workspace) (Baars의 Global Workspace Theory)
• 인과 추론기 (Causal Reasoner) (Pearl의 계층 구조)
• 유추 엔진 (Analogy Engine) (Gentner의 구조 매핑)
• 서사 지능 (Narrative Intelligence)
• 전이 학습 (Transfer Learning)
• 예측 메모리 (Predictive Memory)
• 세계 시뮬레이션 (World Simulation)

Mythos 보안 파이프라인 (Mythos Security Pipeline):
7개 에이전트로 구성된 자율 보안 감사 시스템:

1. Recon — 파일 진입점을 매핑하고 기술 스택 (tech stack)을 식별합니다.
2. Hunter — 로직 취약점 (logic vulnerabilities) 및 인젝션 지점 (injection points)을 스캔합니다.
3. Secrets — 하드코딩된 API 키, 토큰, 자격 증명을 탐지합니다.
4. DAST — 동적 분석 (Dynamic analysis), 현실적인 공격 시뮬레이션
5. Logic Flaw — 인증 흐름 (authentication flows) 및 권한 경계 (authorization boundaries)를 감사합니다.
6. Code Quality — 안전하지 않은 패턴 및 지원 중단된 라이브러리를 표시합니다.
7. Supply Chain — CVE 데이터베이스를 기준으로 종속성 (dependencies)을 확인합니다.

전체 CVSS 점수 산출. 60초 이내에 자동화된 보고서 생성.

스마트 LLM 라우팅 (Smart LLM Routing):
복잡성에 따라 쿼리를 적절한 모델로 라우팅합니다:

• 반사적 작업 (reflexive tasks)에는 Flash
• 심층 계획 (deep planning)에는 Opus
• 빠른 추론 (fast inference)에는 Groq
• 오프라인 작동을 위한 로컬 폴백 (Local fallbacks)

최소한의 하드웨어에서 실행: 4GB RAM, i3 CPU, GPU 없음. 순수 Python (Pure Python), 네이티브 컴파일(native compilation) 없음.

R.U.M.I. — 자율적 과학적 발견 프레임워크 (Autonomous Scientific Discovery Framework)

RUMI는 15개의 과학자 AI (Scientist AI) 모듈과 10단계 가설 발견 파이프라인 (hypothesis discovery pipeline)을 갖춘 88개 모듈 규모의 자율적 과학 인지 프레임워크 (autonomous scientific cognition framework)입니다.

파이프라인 (The Pipeline):

1. PubMed 검색 (PubMed Retrieval) — 과학 문헌 데이터베이스를 쿼리함
2. 관련성 필터 (Relevance Filter) — 도메인 관련성에 따라 논문의 점수를 매김
3. NER 개체명 추출 (NER Entity Extraction) — 유전자, 화합물, 경로, 돌연변이를 식별함
4. 지식 그래프 구축 (Knowledge Graph Construction) — 의미론적 관계를 구축함 (5,000개 이상의 개체)
5. 모순 마이닝 (Contradiction Mining) — 논문 간의 논리적 충돌을 탐지함
6. 가설 생성 (Hypothesis Generation) — 테스트 가능한 가설을 합성함
7. 회의적 검토 (Skeptic Review) — 반대 증거를 통해 가설에 이의를 제기함
8. 참신성 검증 (Novelty Verification) — 기존 문헌과 대조하여 확인함
9. 실험 계획 (Experiment Planning) — 검증 프로토콜 (Western blot, qRT-PCR)을 설계함
10. 지표 로깅 (Metrics Logging) — 신뢰도 점수 및 출처 (provenance)를 추적함

15개 이상의 과학 데이터베이스 통합:
PubMed, Semantic Scholar, OpenAlex, arXiv, PDB, UniProt, PubChem, GBIF, NASA, NOAA, WHO, World Bank 등.

9가지 유형의 메모리 아키텍처 (Memory Architecture):
신경 (Neural), 일화 (Episodic), 벡터 (Vector), 절차 (Procedural), 작업 (Working), 연상 (Associative), 예측 (Predictive), 통합 (Consolidated), 전역 작업 공간 (Global Workspace).

실제 결과:
KRAS G12C sotorasib 내성에 대한 2가지 새로운 테스트 가능한 가설을 생성했습니다:

• RAC1/PAK1 재활성화 경로 (reactivation pathway)
• PI3K-AKT 우회 메커니즘 (bypass mechanism)

이것들은 향후 연구를 안내할 수 있는 실제 종양학 (oncology) 가설들입니다.

벤치마크 (The Benchmarks)

Groq의 무료 llama-3.1-8b-instant를 사용하여 7개의 공인된 AI 벤치마크에서 FRIDAY의 인지 파이프라인 (cognitive pipeline, 단순 LLM 호출이 아님)을 벤치마킹했습니다. 유료 API는 사용하지 않았습니다. 라운드 로빈 (round-robin) 방식으로 교체되는 두 개의 Groq API 키를 사용했습니다.

벤치마크 (Benchmark)	정확도 (Accuracy)	질문 수 (Questions)	비고 (Notes)
ARC-Challenge	88%	50	10~100배 더 큰 모델들과 경쟁 가능한 수준
...
총합: 535개 질문. 0개 오류. 0개 재시도. Pass@1.

가장 눈에 띄는 점: 8B 모델로 ARC-Challenge에서 88%를 기록했습니다. 이는 모델 크기가 10~100배 더 큰 모델들과 경쟁 가능한 수준입니다.

파이프라인이 작동한다는 증거:

• 정답의 평균 소요 시간은 61.8초인 반면, 오답은 58.7초였습니다.
• 더 많은 추론 시간 (Reasoning time) → 더 나은 답변
• 이것은 무작위 추측이 아닌 실제 인지 파이프라인 (Cognitive pipeline)입니다.

Bengio 이야기

저는 Yoshua Bengio에게 FRIDAY에 관한 이메일을 보냈습니다. 일어난 일은 다음과 같습니다.

이메일 1: FRIDAY를 소개하고 피드백을 요청했습니다.

이메일 2: Bengio가 답장했습니다: "표준 벤치마크 (Standard benchmarks)에서 그 능력과 안전성을 평가해 보았습니까?"

이메일 3: SWE-Bench와 GAIA를 시도했으나 Gemini의 무료 티어 속도 제한 (Rate limits)에 걸렸습니다. 상황을 설명했습니다.

이메일 4: Bengio: "경쟁력 있는 결과가 없다면 아무도 설득할 수 없을 것입니다."

그의 말이 맞았습니다. 그래서 저는 7개의 공인된 벤치마크에서 FRIDAY를 벤치마킹했습니다. 그리고 그에게 결과를 보냈습니다.

이메일 5: Bengio: "미안하지만 이 주제에 대해 더 논의할 시간이 없습니다. 저는 Scientist AI에 집중해야 합니다. 당신의 프로젝트에 행운을 빕니다."

그는 4번의 상호작용을 했습니다. 그는 제가 제대로 벤치마킹하도록 압박했습니다. 그리고 이 작업을 인정해 주었습니다.

Princeton의 인정

Princeton 대학교의 신경과학 교수이자 의식의 주의 스키마 이론 (Attention Schema Theory of consciousness) 창시자인 Michael S. Graziano가 FRIDAY의 뇌 모듈 (Brain-module) 설계를 인정했습니다.

그의 답변: "Subhansh에게, 이메일과 열정에 감사드립니다! Friday는 멋진 프로젝트처럼 들리네요. 저에게 알려주셔서 감사합니다. 프로젝트와 앞으로의 모든 노력에 행운이 따르길 바랍니다."

내가 배운 것

1. 모든 것을 벤치마크(Benchmark) 하세요. Bengio의 말이 맞았습니다. 경쟁력 있는 결과가 없다면 아무도 귀를 기울이지 않습니다.

2. 스크립트가 아닌 시스템을 구축하세요. FRIDAY는 단순한 스크립트가 아닙니다. 66개의 뇌 모듈(brain modules)을 가진 인지 아키텍처(cognitive architecture)입니다. 바로 그 점이 이 프로젝트를 흥미롭게 만듭니다.

3. 나이는 중요하지 않습니다. 당신이 무엇을 만드느냐가 중요합니다. 저는 17세입니다. 저는 15만 줄 이상의 자율 인지 시스템(autonomous cognitive systems)을 구축했습니다. Bengio는 이를 검토했고, Princeton은 이를 인정했습니다.

4. AI 증강(AI augmentation)은 실재합니다. 저는 AI의 도움(Cursor, Claude, Copilot)을 받아 개발합니다. 이것은 부정행위가 아니라 개발의 미래입니다. 저는 10배의 속도로 결과물을 출시(ship)합니다.

5. 오픈 소스는 신뢰를 구축합니다. 모든 것이 GitHub에 있습니다. 사람들은 제가 무엇을 만들었는지 직접 볼 수 있습니다. 이는 그 어떤 이력서보다 설득력이 있습니다.

코드

두 프로젝트 모두 오픈 소스입니다:

• FRIDAY: https://github.com/subhansh-dev/Friday
• RUMI: https://github.com/subhansh-dev/Rumi
• 포트폴리오: https://subhanshh.vercel.app

다음 단계

저는 실제 결과물을 만들어낼 수 있는 AI 연구 인턴십(AI research internship)을 찾고 있습니다. 전 세계 어디든 가능하며, 즉시 시작할 수 있습니다.

만약 당신이 흥미로운 무언가를 구축하고 있으며, 스크립트가 아닌 아키텍처 단위로 사고하는 사람이 필요하다면 — 함께 이야기해 봅시다.

Subhansh는 인도 Vadodara 출신의 17세 독학 AI 연구자입니다. 그는 자율 인지 시스템을 구축하며, AI의 미래는 단순히 더 큰 모델이 아니라 인지 아키텍처(cognitive architectures)에 있다고 믿습니다.