대규모 언어 모델을 넘어서: 정신적 모델링, 시뮬레이션, 진화 및 해석 가능성을 위한 정신 세계 모델 프레임워크

주관적인 인지(subjective cognition)와 정신 상태가 어떻게 출현하고, 진화하며, 행동에 영향을 미치는지 이해하고 시뮬레이션하는 것은 인공지능을 더 깊은 사회적 인지 및 일반 지능(general intelligence)으로 발전시키는 데 필수적입니다. 기존의 대규모 언어 모델(LLMs)과 마음 이론(Theory of Mind, ToM) 방법들은 주로 언어적 정보로부터 정신 상태를 추론하며, 주관적인 세계 구성, 인지-심리적 상호작용, 동적 진화, 그리고 역사적 의존성을 위한 통합된 메커니즘이 부족합니다. 본 논문은 정신 세계 모델(Mental World Model, MWM)과 그 구현체인 다중 분기 정신 진화 아키텍처(Multi-Branch Mental Evolution Architecture, MMEA)를 소개하며, 이는 주관적인 세계를 명시적으로 구성하고, 인지와 정신 상태 간의 상호작용을 모델링하며, 역사적 경험에 의해 형성되는 연속적인 정신 진화를 시뮬레이션합니다. DynToM과 RecToM에서 MMEA는 각각 96.48%와 94.00%의 정확도를 달성하여, 선도적인 LLMs 및 전문 ToM 방법들을 능가했습니다. 추가 실험들은 정신 상태 및 행동 예측, 장문 시퀀스 예측, 그리고 암묵적 정신 상태 추론에서 각각 28.7, 39.3, 16.6 퍼센트 포인트의 개선을 입증했습니다. 이러한 결과는 MMEA가 연속적인 정신 모델링을 위한 해석 가능한 프레임워크를 제공하며, AI가 표면적인 의미론적 표현(semantic representations)을 넘어 언어적 정보로부터 개인의 근본적인 정신 상태를 추론하고 그들의 내부 인지 과정과 시간 경과에 따른 진화를 동적으로 시뮬레이션할 수 있게 함을 보여줍니다. 또한 MWM은 인과 추론, 개인화된 AI, 지속적인 인간-AI 상호작용, 그리고 미래의 범용 인공지능(Artificial General Intelligence, AGI) 발전을 위한 유망한 기반을 제공합니다.