TagsAI Memory: What’s the Difference Between ‘Knowledge’ and ‘Experience’?
AI의 기억: ‘지식’과 ‘경험’은 어떻게 다른가?
1. 도입: 인공지능도 우리처럼 ‘추억’할 수 있을까?
우리가 친구와 대화할 때, 단순히 “사과는 과일이다”라는 지식만 전달하지 않습니다. “지난주 일요일에 너랑 공원에서 먹었던 사과 진짜 달았지?”라며 특정 시간과 장소에서의 경험을 공유하곤 하죠. 인공지능(AI)은 방대한 데이터를 학습해 똑똑해졌지만, 과연 우리처럼 특정 시점의 사건을 ‘추억’하고 그 맥락을 이해할 수 있을까요?
사실 AI에게 ‘아는 것(Knowing)’은 쉽지만, 우리처럼 ‘기억하는 것(Remembering)’은 매우 어려운 과제입니다.
Q: AI에게 “캠핑이 뭐야?”라고 묻는 것과 “내가 지난번에 누구랑 캠핑 갔었지?”라고 묻는 것은 어떤 차이가 있을까요?
A: 전자는 AI가 가진 ‘백과사전적 지식’을 묻는 것이고, 후자는 AI에게 ‘개인적인 경험(에피소드)’이라는 시간 여행을 요구하는 것입니다.
학습 목표
- AI의 의미론적 기억과 에피소드 기억의 결정적 차이를 이해합니다.
- Melanie의 사례를 통해 ‘정신적 시간 여행’과 시공간적 추론의 원리를 파악합니다.
- REMem 프레임워크가 어떻게 지식에 ‘경험’의 날개를 달아주는지 살펴봅니다.
그렇다면 우리가 흔히 말하는 AI의 지능에서 지식과 진짜 ‘경험’ 사이에는 어떤 차이가 있는지 구체적으로 살펴볼까요?
2. 의미론적 기억(Semantic Memory): AI의 거대한 ‘백과사전’
의미론적 기억은 세상에 대한 일반적인 사실, 개념, 그리고 지식을 의미합니다. 현재 우리가 사용하는 대부분의 대형 언어 모델(LLM)은 이 방식에 의존합니다.
이 지식은 모델의 가중치(Weights)라는 형태로 저장됩니다. 수많은 텍스트를 읽으며 “프랑스의 수도는 파리다”라는 사실을 내면화한 것이죠. 하지만 여기에는 치명적인 약점이 있습니다. 바로 ‘탈맥락적(de-contextualized)’이라는 점입니다. 정보는 풍부하지만, 그 정보가 ‘언제, 어디서, 누구와’ 발생했는지에 대한 구체적인 연결 고리가 없습니다.
[의미론적 기억의 주요 특징]
- 정적 지식: 학습(Pre-training)이 끝난 후 모델 내부에 고정된 일반적인 사실입니다.
- 시공간 정보 부재: 지식이 발생한 구체적인 시점이나 장소에 대한 기억이 없습니다.
- 개인적 맥락 결여: “누가 이 정보를 말했는가” 혹은 “나와 어떤 대화를 나눴는가”와 같은 상호작용의 역사가 빠져 있습니다.
지식은 풍부하지만 ‘나의 이야기’가 빠진 이 백과사전에 ‘시간과 공간’이라는 날개를 달아주면 어떻게 될까요?
3. 에피소드 기억(Episodic Memory): AI가 경험하는 ‘정신적 시간 여행’
에피소드 기억은 특정 시간과 장소에서 일어난 구체적인 사건에 대한 기억입니다. 심리학에서는 이를 ‘정신적 시간 여행(Mental time travel)’이라고 부릅니다. 과거의 어느 한 점으로 돌아가 그 당시의 상황을 순서(Order), 지속 시간(Duration), 인과 관계(Causality)와 함께 다시 경험하는 것이죠.
REMem 연구에 등장하는 사용자 ‘Melanie’의 사례를 통해 에피소드 기억을 시각화해 봅시다.
[Melanie의 에피소드 타임라인]
- 2023년 6월 27일: 가족들과 산으로 캠핑을 떠남. “정말 즐거운 시간이었어!”
- 2023년 7월 3일: 도자기 수업에 등록함. “나에게는 치료(Therapy) 같은 시간이야.”
- 2023년 8월 28일: 아이들을 데리고 공원에 방문함. 아이들이 즐겁게 뛰어놀음.
단순히 “Melanie는 캠핑과 도자기를 좋아한다”는 사실을 아는 것은 어렵지 않습니다. 하지만 진정한 에피소드 지능은 다음과 같은 복잡한 시공간 추론을 수행할 때 빛을 발합니다.
“Melanie가 도자기 수업을 신청하고 나서, 아이들을 공원에 데려가기까지 며칠이 지났나요?”
- 정답: 56일 (7월 3일 ~ 8월 28일 계산)
- 해설: 이 질문에 답하려면 AI는 단순히 단어를 찾는 게 아니라, 타임라인 위에서 두 사건 사이의 ‘시간적 거리’를 계산해야 합니다. 이것이 바로 단순 검색(Retrieval)과 추론(Reasoning)의 차이입니다.
이제 이 두 기억의 결정적인 차이점을 한눈에 비교해 보겠습니다.
4. 핵심 대조: 일반 지식 vs 구체적 경험
비교 항목 의미론적 기억 (Semantic) 에피소드 기억 (Episodic) 성격 일반적인 사실 및 개념 지식 개인적이고 구체적인 사건 경험 인간 비유 방대한 백과사전 (Library) 나만의 개인 일기장 (Diary) 시간/공간 정보 없음 (정적이고 고정됨) 있음 (시공간 축에 고정됨) 주요 질문 예시 “캠핑이 무엇인가요?” “Melanie는 언제 공원에 갔나요?” AI 적용 방식 사전 학습된 모델 가중치 REMem의 하이브리드 메모리 그래프 데이터 형태 모델 내부의 수치화된 패턴 Gists(요약문)와 Facts(삼중주)
그렇다면 왜 최신 AI 연구는 이 ‘에피소드 기억’을 구현하기 위해 REMem과 같은 구조를 택했을까요?
5. REMem의 마법: 시공간적 문맥이 필요한 이유
최신 프레임워크인 REMem은 AI가 단순히 글자를 읽는 것을 넘어, 사람처럼 사건을 구조화하여 기억하도록 돕습니다. 핵심은 두 가지 데이터를 결합한 하이브리드 메모리 그래프에 있습니다.
- Gists (요약): “Alice가 1월 17일에 피터에게 소 3마리를 샀다”와 같은 인간이 이해하기 쉬운 서사적 이야기입니다.
- Facts (구조화된 사실): 이를 다시 (Alice - 구매했다 - 소 3마리)와 같이 삼중주(Triple) 형태로 쪼개어 그래프로 연결합니다.
REMem은 이 구조를 통해 기존 AI보다 에피소드 추론 능력을 13.4%, 상세 내용 회상 능력을 3.4% 향상시켰습니다. 이를 가능하게 하는 2단계 지능형 처리 과정은 다음과 같습니다.
[REMem의 지능형 추론 과정]
- 인덱싱 (Indexing): 입력된 대화에서 Gist와 Fact를 추출하고, 모든 정보를 타임라인 위에 배치합니다. 이때 상대적인 날짜(예: ‘어제’)를 절대적인 날짜로 정확히 변환하여 저장합니다.
- 에이전틱 추론 (Agentic Inference): AI가 마치 탐정처럼 스스로 도구를 선택해 메모리를 탐색합니다.
- semantic_retrieve: 의미적으로 유사한 기억을 찾을 때 사용합니다.
- lexical_retrieve: 특정 날짜나 고유 명사 같은 정확한 키워드가 필요할 때 사용합니다.
결국 REMem을 탑재한 AI는 “언제?”, “누구와?”라는 조건을 걸어 과거의 기억을 정확히 필터링하고, 여러 사건 사이의 관계를 파악하는 ‘진정한 지능형 에이전트’가 됩니다.
6. 마무리: 학습자를 위한 핵심 요약
지금까지 AI가 단순한 지식을 넘어 ‘경험’을 기억하는 방식에 대해 알아보았습니다.
[핵심 요약]
- 의미론적 기억은 AI의 내부에 저장된 ‘백과사전’이며, 구체적인 시간과 장소의 맥락이 부족합니다.
- 에피소드 기억은 시공간 축에 고정된 ‘개인 일기장’으로, 사건의 순서와 인과관계를 이해하는 핵심입니다.
- REMem은 Gists(서사)와 Facts(구조)를 결합한 그래프와 탐정 같은 에이전틱 도구를 통해 AI가 복잡한 과거를 추론할 수 있게 합니다.
어려운 개념이었지만, AI가 “어제 우리가 나눈 대화”를 소중한 추억처럼 기억하기 위해 어떤 기술적 노력을 하고 있는지 이해하는 데 도움이 되었기를 바랍니다. 여러분의 호기심이 AI와 더 깊고 의미 있는 대화를 나누는 밑거름이 될 거예요!