당신에게 대화만으로 컴퓨터 코드를 작성하고, 버그를 수정하며, 소프트웨어를 구축할 수 있는 초지능 로봇 비서가 있다고 상상해 보세요. 이 로봇은 인터넷에 있는 거의 모든 것을 읽은 거대한 디지털 뇌와 같은 '대규모 언어 모델(LLM)'로 구동됩니다. 하지만 여기에는 함정이 있습니다. 이 뇌는 매우 거대하지만, 모든 특정 작업에 대한 모든 것을 알지는 못합니다. 이는 마치 운전 이론은 완벽하게 알고 있지만, 실제로 눈 쌓인 산에서 트럭을 몰아본 적은 없는 우수한 학생과 같습니다. 이를 돕기 위해, 우리는 로봇에게 '기술 책(skill book)'—막혔을 때 꺼내 쓸 수 있는 지침과 요령의 목록—을 제공합니다.

여기서 과학자들이 던지는 핵심 질문은 이것입니다: 어떻게 하면 로봇의 전체 뇌를 처음부터 다시 구축하지 않고도 시간이 흐름에 따라 더 나아지게 만들 수 있을까? 보통 로봇이 실수를 하면, 우리는 그 특정 실수 하나를 고치기 위한 새로운 기술을 가르칠 수도 있습니다. 하지만 만약 그 새로운 기술이 로봇이 이미 알고 있던 기존의 기술을 실수로 망가뜨린다면 어떻게 될까요? 혹은 로봇이 배운 기술이 한 프로젝트에서는 완벽하게 작동하지만, 다음 프로젝트에서는 처참하게 실패한다면 어떨까요? 이것이 바로 '기술 진화(skill evolution)'의 퍼즐입니다. 즉, 어떻게 하면 모든 기술이 잘 맞물려 돌아가는 기계처럼 조화를 이루면서도, 로-봇이 지속적으로 새로운 기술을 배우도록 도울 수 있을 것인가 하는 문제입니다.

문제점: 진공 상태에서의 학습

GSE(Globalized Skill Evolution, 전역적 기술 진화)를 만나보세요. 첸 양(Chen Yang)과 그 팀의 연구진이 제안한 이 새로운 프레임워크입니다. GSE가 왜 특별한지 이해하려면, 학생이 베이킹을 배우는 과정을 상상해 보세요. 만약 학생이 초콜릿 케이크를 태울 때마다 매번 새로운 레시피를 배우려고 시도한다면, 결국 주방에는 서로 충돌하는 지침들이 가득 차게 될 것입니다. 어떤 메모에는 "설탕을 넣으라"고 되어 있고, 다른 메모에는 "설탕을 넣지 마라"고 되어 있으며, 세 번째 메모에는 "화요일에만 굽는다"라고 적혀 있을 수도 있습니다. 만약 학생이 이 메모들을 그냥 서랍(기술 저장소)에 쌓아두기만 한다면, 결국 혼란에 빠져 엉망진데 된 케이크를 굽게 될 것입니다.

현재 대부분의 AI 에이전트 교육 방식은 정확히 이 지저도한 서랍처럼 작동합니다. AI가 작업에 실패하면, 그 특정 실패를 해결하기 위한 새로운 기술을 만들어냅니다. 하지만 이는 각 새로운 기술을 독립적인 업데이트로 취급합니다. "잠깐, 이 새로운 규칙이 어제 배운 규칙과 충돌하지 않나?"라거나 "이 새로운 요령이 단지 이 특정 케이크에만 적용되는 이상한 일회성 현상은 아닌가?"라고 묻지 않습니다. 그 결과, 로봇은 하나의 특정 버그를 고치는 데는 능숙해질지 모르지만, 기술 저장소가 모순과 과도하게 특화된 요령들로 가득 차면서 다른 모든 일에는 점점 더 서툴러지게 됩니다.

해결책: 마스터 플래너와 그룹 허그

연구진은 로봇의 기술을 위한 마스터 플래너이자 '그룹 허그(group hug, 집단 포옹)' 역할을 하는 GSE를 제안합니다. 단순히 새로운 메모를 서랍에 쏟아붓는 대신, GSE는 두 가지 영리한 도구를 사용하여 기술 라이브러리 전체를 조직합니다.

첫째, GSE는 **기술 관계 그래프(Skill Relation Graph, SRG)**를 구축합니다. 이것은 모든 기술을 다른 모든 기술과 연결하는 거대하고 살아있는 지도라고 생각하면 됩니다. 이 지도는 '기술 A'(예: 오븐 온도를 확인하는 것)가 '기술 B'(예: 오븐을 예열하는 것)에 의존한다는 것을 알고 있습니다. 만약 로봇이 온도를 확인하는 새로운 방법을 배운다면, 지도는 즉시 검사합니다. "잠깐, 이 새로운 방식이 예열 규칙을 깨뜨리는가?" 만약 그렇다면, GSE는 단순히 새 기술을 추가하는 데 그치지 않고, 지도를 업데이트하고 관련 기술들을 조정하여 모든 것이 여전히 조화를 이루도록 만듭니다. 이는 로봇의 지식을 무작위로 쌓인 사실의 더미가 아니라, 연결된 생태계로 취급하는 것입니다.

둘째, GSE는 **클러스터 기반 통합(Cluster-Based Consolidation)**을 사용합니다. 로봇이 100개의 서로 다른 버그를 고치려고 노력한다고 가정해 봅시다. 그중 10개의 버그는 로봇이 파일 존재 여부를 확인하는 것을 잊어버렸기 때문에 발생했습니다. 일반적인 시스템이라면 "파일 X를 확인하라", "파일 Y를 확인하라", "파일 Z를 확인하라"는 식의 서로 다른 메모 100개를 작성할 것입니다. 그러나 GSE는 이 100개의 메모를 살펴보고 패턴을 찾아낸 뒤 이렇게 말합니다. "아, 100개의 메모가 필요하지 않군요. 단 하나의 마스터 규칙, 즉 '파일을 열기 전에 항상 파일이 존재하는지 확인하라'는 규칙 하나만 있으면 됩니다." GSE는 유사한 실수들을 하나로 묶고 이를 하나의 강력하고 재사용 가능한 기술로 변환합니다. 이는 로봇이 모든 개별적인 실수에 대한 세부 사항을 일일이 암기하는 것을 방지하고, 일반적인 교훈을 배울 수 있도록 돕습니다.

마지막으로, 새로운 기술이 로봇의 영구 기억에 추가되기 전, GSE는 **리플레이 기반 검증(Replay-Driven Verification)**을 거칩니다. 이것은 마치 리허설과 같습니다. 로봇은 새로운 기술이 과거에 잘 수행했던 무언가를 실수로 망가뜨리지 않는지 확인하기 위해 과거의 문제들에 이 기술을 적용해 봅니다. 만약 새로운 기술이 '퇴보(regression)'를 일으킨다면, 그 기술은 탈락됩니다. 엄격한 테스트를 통과한 기술만이 남을 수 있습니다.

결과: 더 열심히가 아닌, 더 똑똑하게

연구진은 두 가지 실제 소프트웨어 엔지니어링 작업, 즉 버그를 찾기 위한 테스트 생성과 버그 보고서의 오탐(false alarm) 필터링에 대해 GSE를 테스트했습니다. 그들은 GSE를 기술이 없는 로봇, 인간이 작성한 기술을 가진 로봇, 그리고 다른 '학습' 방법을 사용하는 로봇들과 비교했습니다.

결과는 인상적이었습니다. 버그를 찾는 작업에서 GSE는 로봇이 훨씬 더 정확해지도록 도왔습니다. 예를 들어, 한 로봇(OpenHands)의 경우, GSE는 다른 방법들과 비교했을 때 실제 버그를 찾는 능력(재현율, recall)을 최대 **180.0%**까지 향ло 개선했으며, 동시에 정밀도(precision)를 **6.1%에서 34.1%**까지 높였습니다. 오탐을 필터링하는 작업에서도 정밀도는 15.4%에서 96.4%, 재현율은 **13.1%에서 19.8%**까지 향상되었습니다.

또한 연구진은 주요 기술 기업에서 사용되는 실제 산업용 로봇을 조사했습니다. 이 로봇은 이미 상당히 똑똑했음에도 불구하고, GSE를 추가하자 전체 성공 점수(F1-score)가 61.4% 향상되었습니다. 이는 GSE가 단순한 로봇을 위한 방법이 아니라, 고급 시스템에서도 작동한다는 것을 시사합니다.

이것이 의미하는 바

이 논문은 우리가 로봇의 뇌에 단순히 고립되고 국소적인 업데이트를 계속 추가할 수 있다는 생각에 명시적으로 반대합니다. 연구진은 전역적인 관점이 없다면 이러한 업데이트가 쌓여 결국 로봇을 더 나쁘게 만든다는 것을 보여줍니다. 또한 인간이 작성한 기술을 단순히 복사하는 것만으로는 충분하지 않은데, 그 이유는 인간이 발생 가능한 모든 미래의 버그에 대한 규칙을 작성할 수 없기 때문입니다.

GSE는 AI 에이전트의 미래가 단순히 진공 상태에서 더 똑똑해지는 것이 아니라, 자신의 학습을 어떻게 조직할지를 가르치는 것에 있다고 제안합니다. 기술들이 서로 어떻게 연관되어 있는지 지도로 그리고, 유사한 교훈들을 그룹화함으로써, 우리는 정신을 놓지 않고도 지속적으로 진화할 수 있는 로봇을 만들 수 있습니다. 연구진은 실제 코드와 산업 데이터를 통한 엄격한 테스트를 통해 이러한 개선 사항을 측정했으며, 이는 이 '전역적(globalized)' 접근 방식이 AI 에이전트를 진정으로 자율적이고 신뢰할 수 있게 만드는 데 있어 중요한 진전임을 시사합니다.