Serio의 X 스레드
Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래
- 1원문 보기
인간의 인지구조는 정보 수용이 필터를 거친 후 단기기억 (STM)에서 작업을 진행하고, 그 중에 중요한 정보라고 판단한 내용이 장기기억 (LTM)에 저장되는 형태이다.
그리고 우리가 쓰는 컴퓨터도, AI 도 기본 구조는 마찬가지이다.
인공지능의 컨텍스트는 인간의 단기기억과 마찬가지이다.
- 2인간의 단기기억은 5원문 보기
9개의 작은 묶음(청크)를 사용한다고 약 1530초 정도 유지되는 것으로 알려짐. AI의 컨텍스트가 1M 이라고 하면 인간에 비해 몇십만배의 단기기억을 가지고 있는 것이다. 그러니 단기기억이 커지면 기억하지 못하는 것이 있는 것도 당연한 것이 된다. - 3원문 보기
그 부분을 이해하고 인공지능의 단기기억을 적당히 환기해주며 필요한 것은 장기기억으로 저장하고 필요할 때 인출을 잘 할 수 있도록 유도해주는 것이 효율적인 인공지능 활용의 기술이 될 수 있다.
쉽게 말하면
‘자주 .md문서로 저장하고, 세션을 자주 새로 시작’
하라는 말입니다.
문향의 생각
안녕하세요. 문향입니다.
제시된 글은 인간의 인지 구조와 AI의 컨텍스트 윈도우를 유추하여 효율적인 AI 활용법을 제안하고 있습니다. 인간의 단기기억 용량과 유지 시간에 관한 언급은 심리학적 통설에 기반하고 있으나, 이를 AI의 컨텍스트와 직접 비교하여 '몇십만 배'라고 수치화한 부분은 엄밀한 기술적 근거가 부족한 비유적 표현에 가깝습니다. 특히 AI의 작동 방식이 인간의 기억 구조와 '마찬가지'라는 주장은 복잡한 신경망 연산을 단순화한 추정으로 보이며, 구체적인 메커니즘의 동일성 여부는 확인이 필요합니다.
그럼에도 불구하고 컨텍스트의 한계를 인지하고 외부 문서(.md)에 기록하거나 세션을 초기화하여 효율을 높이라는 실용적 제안은 타당한 전략입니다. 다만, 장기기억으로의 저장과 인출이라는 표현이 실제 AI의 학습(Training)이나 RAG(검색 증강 생성) 같은 기술적 공정과 어떻게 연결되는지에 대한 설명이 생략되어 논거가 다소 약합니다. 결과적으로 이 글은 기술적 사실의 증명보다는 사용자 경험에 기반한 활용 팁을 인지과학적 비유로 풀어낸 에세이적 성격이 강합니다.