
LLM 시대의 다음 과제는 '지능'이 아니라 '연결'이 아닐까 ― Cognitive OS Translation Middleware 구상
요약
AI가 생성한 정보를 사용자의 이해 방식에 맞춰 최적의 형식으로 변환해주는 'Cognitive OS Translation Middleware' 개념을 제안합니다. 정보의 내용보다 전달 방식과 연결 구조에 집중하여 인간과 AI 사이의 인지적 간극을 메우는 것을 목표로 합니다.
핵심 포인트
- 정보의 내용이 아닌 '어떻게 연결할 것인가'에 집중하는 미들웨어 설계
- 사용자의 상태에 따라 정보 제시 순서, 추상도, 정보량을 동적으로 조정
- 고정된 사용자 분류가 아닌 현재 조건에 유효한 연결 형식을 가설로 접근
- 인간과 AI 사이의 전제 지식 및 문맥 차이를 해소하는 연결층 구축
※본 모델은 인격 분류나 능력 평가를 목적으로 하는 것이 아닙니다.
AI와 인간 사이에서 정보가 어떻게 연결될지를 설계하기 위한 Middleware 구상입니다.
서론
생성형 AI의 발전으로 인해, LLM은 급속도로 고도화된 정보 생성 능력을 획득하고 있습니다.
하지만 실제로 AI를 이용하다 보면 또 다른 문제가 보이기 시작합니다.
그것은,
AI가 올바른 정보를 생성할 수 있는 것과, 인간에게 적절하게 전달되는 것은 별개의 문제이다
라는 점입니다.
같은 설명이라도 사람에 따라 이해하기 쉬운 형식은 다릅니다.
예를 들어,
원리부터 이해하고 싶은 사람
구체적인 사례부터 이해하고 싶은 사람
전체 구조를 파악한 뒤 진행하고 싶은 사람
시행착오를 거치며 이해하고 싶은 사람
이 있습니다.
문제는 정보량이 아니라,
정보가 연결되는 형식
에 있는 것이 아닐까.
그로부터, Cognitive OS Translation Middleware라는 설계 사상을 생각했습니다.
Cognitive OS Translation Middleware란
이 Middleware의 목적은 AI가 가진 지식을 새로 쓰는 것이 아닙니다.
변환 대상은,
「무엇을 전달할 것인가」
가 아니라,
「어떻게 연결할 것인가」
입니다.
예를 들어 같은 기술 설명이라도,
패턴 A
원리
↓
구조
↓
구체적 사례
↓
실행 방법
이 이해하기 쉬운 사람도 있고,
패턴 B
구체적 사례
↓
조작 방법
↓
일반화
↓
원리 이해
가 이해하기 쉬운 사람도 있습니다.
Translation Middleware에서는 이러한 정보 연결 형식을 조정합니다.
상정 아키텍처
현재는 다음과 같은 구성을 상정하고 있습니다.
Environment Input
↓
Cognitive OS Observation API
(상태 변화 관찰)
↓
Cognitive OS Hypothesis API
(상태 가설 생성)
↓
Cognitive OS Translation API
(정보 연결 형식 변환)
↓
LLM Output
↓
Feedback Loop
중요한 것은 인간을 고정적으로 분류하지 않는 것입니다.
예를 들어,
「이 사람은 ○○ 타입이다」
라고 판단하는 것이 아닙니다.
다루는 것은,
현재, 이 조건에서는 어떤 연결 형식이 유효한가
라는 가설입니다.
Translation API에서 조정하는 요소
현재 상정하고 있는 변환 대상은 다음과 같습니다.
정보 제시 순서
추상도
정보량
선택 방식
이유 제시 방법
행동 시작 방법
예를 들어,
「왜 필요한가」
부터 설명하는 것이 이해하기 쉬운 경우도 있고,
「먼저 무엇을 해야 하는가」
부터 설명하는 것이 이해하기 쉬운 경우도 있습니다.
중요한 것은,
어느 쪽이 옳은가가 아니라,
상대방과의 연결 조건에 따라 최적의 형식이 변화한다
는 점입니다.
현재 만들고자 하는 첫 번째 프로토타입
현재는 우선 Translation API 부분의 검증을 목표로 하고 있습니다.
첫 번째 검증 이미지:
사용자 입력
↓
상태 관찰
↓
이해 상태의 가설 생성
↓
설명 형식의 변환
↓
사용자 반응 확인
기존 LLM을 이용한 Middleware로서, 소규모 MVP를 구축할 예정입니다.
왜 이 메커니즘이 필요한가
현재의 AI 개발에서는,
모델 성능
지식량
추론 능력
이 크게 진보하고 있습니다.
반면,
「인간이 어떻게 이해하는가」
라는 연결 부분은 아직 충분히 설계되지 않았습니다.
인간과 AI 사이에는,
전제 지식의 차이
목적 이해의 차이
문맥 이해의 차이
가치 기준의 차이
가 있습니다.
이 차이를 메우기 위한 연결층이 필요하다고 생각합니다.
개발 협력자를 찾고 있습니다
현재 이 Middleware의 프로토타입 구현에 협력해 주실 AI 애플리케이션 개발자를 찾고 있습니다.
특히 관심을 가져주셨으면 하는 분:
LLM 애플리케이션 개발에 관심이 있는 분
AI Agent나 Human-AI Interaction에 관심이 있는 분
인지 과학이나 UX 설계에도 관심이 있는 분
새로운 AI 활용 방법을 함께 탐색하고 싶은 분
상정 기술 스택:
LLM API
Python
TypeScript
Backend 개발
Web 앱 개발
Cloud 환경
등.
관심을 가져주신 분들께
이제 막 시작된 프로젝트입니다.
완성된 답을 구현하는 단계가 아니라,
「인간과 AI가 어떻게 연결되어야 하는가」
를 함께 검증해 나가는 단계입니다.
만약,
「AI의 다음 과제는 인간과의 연결이 아닐까」
라는 문제의식에 흥미를 느끼시는 분이 계신다면, 꼭 함께 이야기를 나누고 싶습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기