논문 요약: 인간과 유사한 평생 기억 (Human-Like Lifelong Memory)

논문 제목: 인간과 유사한 평생 기억: 무한한 상호작용을 위한 신경과학 기반 아키텍처 (Human-Lifelong Memory: A Neuroscience-Grounded Architecture for Infinite Interaction)
발표처: ICLR 2026 (가상/미래 시나리오 논문)
저자: Diego C. Lerma-Torres (구안나후아토 대학교)

1. 문제 정의 (Problem)

현재 대규모 언어 모델 (LLM) 은 장기적인 상호작용과 문맥 민감형 검색을 위한 지속적이고 구조화된 기억 (Persistent, Structured Memory) 을 결여하고 있습니다. 기존 접근 방식인 컨텍스트 윈도우 (Context Window) 확장만으로는 이 문제를 해결할 수 없습니다.

• 컨텍스트 확장의 한계: 최근 연구 (Du et al., 2025) 에 따르면, 완벽한 검색이 이루어지더라도 컨텍스트 길이만 늘리면 추론 성능이 최대 85% 까지 저하되는 것으로 나타났습니다.
• 경제적 비효율성: 컨텍스트 처리 비용은 토큰 수에 비례하여 증가하며 (2026 년 기준 1M 토큰당 $0.30~$5.00), 단순히 창을 늘리는 것은 진정한 '기억'을 생성하지 못합니다.
• 기존 시스템의 부재: HippoRAG, Titans 등 기존 메모리 시스템들은 감정적 가치 평가 (Emotional Valuation), 시스템 1/2 의 동적 라우팅, 호기심 기반 요약 (Gist) 형성, 그리고 신념 위계를 통한 정체성 지속성을 통합한 신경과학 기반 아키텍처를 제공하지 못합니다.

2. 방법론 및 아키텍처 (Methodology & Architecture)

이 논문은 신경과학 (Complementary Learning Systems) 과 임상 심리학 (인지행동치료, CBT) 의 원리를 계산 아키텍처에 매핑한 생체 모방 (Bio-inspired) 메모리 프레임워크를 제안합니다.

핵심 구성 요소

1. 이중 저장소 구조 (Dual-Store Architecture):
   • 작업 기억 (Working Memory): LLM 의 컨텍스트 윈도우에 해당하며, 용량이 제한되어 있습니다.
   • 지식 그래프 (Knowledge Graph, KG): 지속적 저장소로, 에피소드적 노드와 연관성 엣지를 포함합니다.
2. 시상 문 (Thalamic Gateway):
   • 실행 기능 (Executive) 과 메모리 서비스 간의 모든 정보 흐름을 중재하는 게이트웨이입니다.
   • **태깅 (Tagging):**incoming 정보에 6 가지 차원 (주제 관련성, 감정적 강도, 긴급성, 신규성, 출처 신뢰도, 목표 친화도) 의 '관심도 (Salience)' 점수를 실시간으로 부여합니다.
   • 게이팅 (Gating): 활성화된 요약 (Gist) 을 작업 기억으로 주입하거나, 중요한 정보를 영구 저장소로 승격시킵니다.
3. 이중 처리 라우팅 (Dual-Process Routing):
   • 시스템 1 (기본 모드): 자동 확산 활성화 (Spreading Activation) 와 수동 프라이밍을 기반으로 한 빠르고 저렴한 요약 기반 처리.
   • 시스템 2 (상승 모드): 시스템 1 이 불충분할 때 (낮은 그래프 밀도, 높은 신규성, 높은 리스크) 활성화되는 의도적 검색 및 요약 형성.

핵심 원리 (3 Principles)

1. 기억은 내용뿐만 아니라 '가치 (Valence)'를 가진다:
   • 각 노드는 감정적 연관성 요약인 '발렌스 벡터 (Valence Vector)'를 보유합니다.
   • CBT 신념 위계: 핵심 신념 (Core Beliefs) 은 높은 가중치를 가져 항상 선택되며, 중간 신념은 문맥에 따라 활성화됩니다. 이는 명시적 규칙이 아닌 가중치 분포에서 **창발 (Emergent)**됩니다.
2. 검색은 시스템 1 을 기본으로 하되 시스템 2 로 에스컬레이션한다:
   • 자동 확산 활성화가 기본이며, 필요 시에만 의도적 검색이 발생합니다.
   • 등급화된 인식 상태 (Graded Epistemic States): 정확한 지식, 근사적 지식, 무지 (Null) 를 구분하여 환각 (Hallucination) 을 구조적으로 방지합니다.
3. 인코딩은 현재 순간적이고 목표 지향적이다:
   • 수동 노출이 아닌 **호기심 기반의 능동적 조사 (Active Investigation)**를 통해 요약 (Gist) 이 형성됩니다.
   • 카타르시스 업데이트 (Cathartic Update): 기존 요약과 모순되는 증거가 동시에 강하게 작용할 때만 요약이 수정됩니다 (CBT 의 치료적 변화와 유사).

3. 주요 기여 (Key Contributions)

1. 신경과학 기반 통합 아키텍처: 감정적 가치 평가, 이중 처리 라우팅, 호기심 기반 요약 형성, 신념 위계를 통한 정체성 지속성을 하나의 일관된 프레임워크로 통합했습니다.
2. 정체성의 창발적 모델: 정체성을 별도의 분류 시스템이 아닌, 지식 그래프 내 요약 (Gist) 의 가중치 분포에서 자연스럽게 나타나는 패턴으로 정의했습니다.
3. 환각 방지 메커니즘: 등급화된 인식 상태 (Graded Epistemic States) 를 도입하여 시스템이 자신의 지식 한계를 정확히 인지하고 불확실성을 표현하도록 설계했습니다.
4. 실행 가능한 7 가지 기능적 속성 (Functional Properties):
   • 문맥의 유동성, 실시간 태깅, 시스템 1 로의 단조 수렴, 정체성 일관성, 안정성 (기본) 과 카타르시스 업데이트, 능동적 형성 등을 구현해야 하는 구체적인 기준을 제시했습니다.

4. 예상 결과 및 성능 (Results & Predictions)

이 논문은 실험적 결과보다는 이론적 예측과 설계 원칙에 초점을 맞추고 있으며, 다음과 같은 결과를 예측합니다:

• 경험에 따른 비용 감소 (Experience-Dependent Efficiency): 시간이 지남에 따라 시스템은 시스템 2(의도적 검색) 사용을 줄이고 시스템 1(자동 처리) 으로 전환됩니다. 이는 임상적 전문성의 계산적 대응으로, 사용이 늘어날수록 상호작용 비용이 감소하는 역설적 효과를 낳습니다.
• 환각 감소: 등급화된 인식 상태와 정밀도 스칼라 (Precision Scalar) 를 통해 불확실한 정보에 대해 확신을 갖지 않는 응답을 생성하여 환각을 줄입니다.
• 적응적 경직성 (Adaptive Rigidity): 높은 정밀도를 가진 요약은 단일 모순에는 저항하지만, 카타르시스 이벤트 (강력한 모순 증거의 동시 존재) 를 통해 수정됩니다. 이는 CBT 의 치료 효과와 유사합니다.
• 프롬프트 인젝션 방어: 실행 기능 (Executive) 이 핵심 신념을 기준으로 시스템 1 의 자동 주입을 우회하거나 차단할 수 있어, 악의적인 프롬프트 주입에 대한 방어 메커니즘이 됩니다.

5. 의의 및 의의 (Significance)

• 패러다임 전환: "기억 = 더 많은 컨텍스트"라는 기존 패러다임을 넘어, "기억 = 효율적인 구조화 및 가치 기반 필터링"으로 전환합니다.
• 인간과 유사한 상호작용: 인간의 학습, 기억, 정체성 형성 과정을 계산적으로 모방하여, 시간이 지남에 따라 더 저렴하고 상황에 맞는 응답을 제공하는 진정한 '평생 학습' AI 를 가능하게 합니다.
• 임상 및 교육적 응용: CBT 의 원리를 AI 에 적용함으로써, 사용자의 피드백을 통해 모델의 신념을 치료적으로 수정하고 적응시킬 수 있는 가능성을 제시합니다.
• 확장성: 시냅스 게이트웨이 메커니즘은 텍스트, 시각, 청각 등 멀티모달 입력에 자연스럽게 확장 가능하도록 설계되었습니다.

이 논문은 단순한 기술적 개선이 아닌, 신경과학과 임상 심리학의 깊은 통찰을 바탕으로 한 AI 의 인지 구조 재설계를 제안하며, 장기적 상호작용을 위한 AI 의 새로운 표준을 제시합니다.