|| Recollect — 지식의 회복 또는 회상, 마음이나 기억으로 되돌리는 것
이제 AI와의 대화는 흔해진 시대.
사람과의 대화를 기억하는 것 처럼 AI와의 대화는 어떻게 기억하시나요?
매번 새로운 대화를 열어 처음부터 다시 대화를 시작하시나요?
저도 요새 수십 개의 AI 세션을 동시에 여러 프로젝트에 걸쳐 돌립니다. 일부러 작업을 잘게 쪼개서 새 세션을 열기도 하고, 일부러 대화를 compact(압축)도 해보고요.
이러다 보니 30분만 지나면 내가 무슨 얘기를 했었는지 잊어먹습니다. 그리고 이전에 대화했던 세션들을 하나씩 누르면서 사막에서 바늘 찾기를 시작합니다.
사진: Unsplash의 Kelly Sikkema
이건 저만 겪는 상황은 아닌 것 같아요. 사실 이 고민은 저희 팀도 티타임마다 꺼내는 주제고요 — 업계 쪽에서도 비슷한 움직임이 눈에 띄더라고요.
OpenClaw가 세상에 나온 이후로 일상적인 데이터들이 컨텍스트로 넘쳐흐르는 시대가 됐어요. “얼마나 담을 수 있는가”는 더 이상 큰 병목이 아니게 됐고, 대신 “쌓인 걸 다시 어떻게 꺼내는가”라는 기억의 문제가 새롭게 떠오르더라고요.
얼마 전 Andrej Karpathy도 텍스트 파일 하나로 화제가 되었습니다 — llm-wiki.md. 원문 소스(raw source) / LLM이 정리한 위키 / 스키마, 이렇게 세 층으로 된 개인 지식 베이스를 그리고, ingest / query / lint 세 가지 연산으로 굴리자는 구상이었어요.
Garry Tan의 GBrain(github.com/garrytan/gbrain)도 같은 결핍을 건드리는 것 같아요 — "미팅·이메일·트윗·캘린더·음성·원본 아이디어 전부를 검색 가능한 지식 베이스로 흘려보내고, 에이전트가 응답 전후로 읽고 쓰게 한다"고요.
어떤 분들은 Obsidian, 노션, 리니어에 컨텍스트를 쌓고 AI로 꺼내 쓰기도 합니다.
이런 RAG 방식들은 본질적으로 리소스에 대한 시멘틱 서치입니다. 필요한 “리소스”를 꺼내주는 거예요.
하지만 저는 좀 생각을 전환해 봤어요.
이런 주제에 대해 동료와 자주 생각을 나누곤 합니다. “요즘 AI 쓰면서 뭐가 가장 병목이었는지…” 라는 한 질문을 들고 서로 자주 둘러앉거든요. 이 날은 1:1 티타임에서 시작된 대화였는데, 이야기가 자연스럽게 이 장면으로 흘렀어요.
“오늘 티타임 어디서 할까요?” “아, 거기 어떠세요? 그 주황색 간판, 대로변에 있는데, 예전에 자주 오렌지 커피가 신기해서 먹었던 그곳이요.”
사실 “해머스미스 커피”라는 가게 이름 하나만 떠올리면 될 일이거든요. 근데 요즘엔 대명사 대신에 주변에서 기억된 레퍼런스들을 엮어서 말을 구성하는 일이 많아진 것 같아요. AI와 대화하는 데 적응하면서 인간의 기억 소환 방식도 바뀌고 있는 것 같기도 하고요.
요즘 이런 현상을 잘 설명하는 단어를 찾는 재미에 푹 빠져 있습니다. 철학에서는 이 현상을 Salience(현저성)라고 부르더라고요. 특정 속성·장면·맥락이 튀어나와 회상의 다리가 되는 것. 주황색 간판, 대로변, 오렌지 커피 — 이것들은 “가게 이름”이라는 리소스 대신 꺼낸 레퍼런스 포인트라 볼 수 있습니다.
그 티타임에서 동료가 재밌는 연구 이야기를 하나 들려줬어요.
David Snowdon이 Notre Dame 교단 수녀 678명을 30년 넘게 추적한 Nun Study인데요. 수녀들이 20대 초반에 쓴 짧은 자서전 하나에서 읽어낸 언어 지표가 60년 뒤 알츠하이머 진단 여부와 놀라울 만큼 강하게 상관이 있었다고 해요.
지표는 Idea Density(관념 밀도) — 10단어 안에 명제(동사·형용사·부사구·전치사구)가 얼마나 촘촘히 엮이는지였어요.
낮은 밀도 하위 집단: 약 80%가 알츠하이머 발병
높은 밀도 하위 집단: 약 10%만 발병
“오늘 빨간 코트를 봤다”와 “오늘 빨간 코트를 봤는데, 다섯 살 때 내가 입었던 그 코트가 떠올라서 좋았다.” 후자는 하나의 장면에 여러 레퍼런스와 감정을 겹쳐 기록하잖아요. Snowdon이 관찰한 건, 이런 식으로 조밀하게
기억에 대해서
생성 일시
2026/04/24 02:06
최종 편집 일시
2026/04/24 02:06
태그
딜라이트룸
파일과 미디어