lgit는 신경망으로 코드를 기억하는 버전 관리 실험이다

lgit는 실험용 버전 관리 도구입니다. 파일을 신경망(neural network)에 학습시킨 뒤 다시 불러올 때 그 기억으로 복원합니다. 기존 Git을 대체하려는 제품이 아니라, 복원 과정에서 생기는 오류를 살펴보는 프로젝트입니다. 저는 파일 내용이 원본 그대로 보관되지 않고 신경망의 기억에서 다시 만들어진다는 발상이 오래 남습니다.

코드 저장소 도구가 검색과 검토를 돕는 가운데, lgit는 파일 내용을 되찾는 기본 약속 자체를 신경망으로 실험합니다. 대형 저장소의 코드와 호출 관계를 찾는 Eulix와 역할은 다르지만, 저장소를 다루는 도구의 범위가 넓어지는 흐름을 함께 보여 줍니다.

반가운 대목은 복원 오류를 줄이는 별도 모델까지 시험했다는 점입니다. 2,574바이트(byte) 게임 코드에서 기본 모델의 정확도(accuracy)는 95.8%였습니다. 별도 모델은 틀린 108바이트 가운데 98개를 고쳐 정확도를 99.6%까지 높였습니다. 수정 모델은 새 오류를 만들지 않았고, 80% 넘게 확신할 때만 고쳤습니다.

같은 게임 파일은 자동 설정에서 1.1초 만에 100% 정확도로 복원됐습니다. 다만 저장 모델은 원본 데이터보다 항상 컸습니다. 62바이트 원본을 완벽히 기억하려면 약 53KB가 필요했습니다. 이는 원본의 약 850배이며, gzip 압축은 같은 파일을 원래 크기의 약 40%까지 줄였습니다. 저는 이 숫자들이 저장 효율보다 복원 과정의 오류를 살피려는 실험이라는 점을 더 또렷하게 한다고 느낍니다.

중요하지 않은 작은 파일 하나를 복사해 lgit에 저장한 뒤 다시 불러와 원본과 바이트 단위로 비교하십시오. 한 바이트라도 다르면 달라진 위치와 저장 모델의 크기를 원본 크기와 함께 기록해 두십시오. 두 결과를 보면 복원 정확도와 공간 비용을 함께 확인할 수 있습니다.

마지막으로 파일을 복원한 뒤 원본과 직접 대조한 것은 언제였습니까?