Minotaur의 제작자 에드워드 초크(Edward Chalk)는 언어 모델이나 GPU 없이도 추론을 수행하는 AI 구조를 소개했다. 제작자 측 설명에 따르면 Minotaur는 시스템을 구조화해 데이터를 학습하거나 명시된 설명을 바탕으로 추론하며, 답을 낸 과정과 인증 정보를 기록한다. 다만 제시된 성능 결과는 제작자 측이 설계한 테스트에 근거한다.
Minotaur는 ELC라는 구조로 시스템을 표현한다. ELC는 에너지(Energy), 제어(Control), 논리(Logic)의 세 역할로 시스템을 나누며, 각 요소의 작동을 ‘통과하는 몫’과 ‘막히는 몫’으로 나타낸다. 제작자 측은 이 구조를 이용해 연역·귀납·가설 추론, 고장 진단, 관찰과 개입의 구분, 실험 선택, 믿음 수정, 질문 순서에 따라 기억이 달라지는 상황을 하나의 연산으로 다룬다고 설명한다.
구조에는 두 부분이 있다. ELC 쪽은 시스템을 네트워크로 표현하고, 질문에 따라 일부 요소를 고정하거나 값을 강제하고 나머지는 미지수로 둔 뒤 네트워크가 안정될 때까지 계산한다. 정확 계산 쪽은 모든 경우를 열거하고 산술을 수행하며 결과를 검사한다. 두 부분 사이의 정보 이동은 DECLARE, LEARN, OBSERVE, SUPPOSE, INTERVENE, ASK, READ, REQUEST라는 지정된 경로로 기록된다. 제작자 측은 이 기록이 추론 과정과 답의 인증서 역할을 한다고 주장한다.
초크는 조명 회로 고장 진단, 온실 관수 제어기의 관찰과 개입 구분, 보일러 진단, 질문으로 목격자의 기억이 바뀌는 경찰 면담, 생산라인 데이터 학습 등을 사례로 들었다. 경찰 면담 테스트에서는 질문 순서에 따라 답이 달라지는 15개 문항에서 Minotaur가 15개를 맞혔고, 고정된 사실만 전제로 추론한 방식은 하나도 맞히지 못했다고 밝혔다. 생산라인 테스트에서는 새 라인 10개에서 고장 원인을 모두 찾아냈으며, 고장 이후 동작 예측 오차는 0.002~0.023이었다.
제작자 측은 테스트 전에 통과 기준을 정했고, 정답은 Minotaur 코드와 별도로 작성된 검사기로 채점했다고 설명한다. 보일러와 경찰 면담 문제는 Minotaur 코드를 보지 않은 AI 에이전트가 작성했으며, 비교 대상 언어 모델에는 같은 시스템 설명을 평문으로 제공했다고 한다. 경찰 면담 테스트에서 언어 모델은 전체 30문항 중 30문항을 맞혔지만, 질문 순서가 답에 영향을 주는 15문항만 보면 15문항 중 0문항을 맞혔다. 다만 생산라인과 포장 공정 연계 비교에서 언어 모델은 각각 3개 사례만 평가됐고, 포장 공정 비교는 이전 버전의 테스트에서 수행됐다.
이 결과는 Minotaur 제작자 측이 제시한 자체 테스트이며, 독립적인 검증 결과로 확인된 것은 아니다. 글은 기존 방식과 달리 Minotaur가 데이터에서 시스템의 역할을 학습할 수 있다고 주장하지만, 설명된 테스트에서 사용한 데이터와 조건에 한정해 결과를 읽어야 한다. ELC 어댑터와 ELC 신경망은 특허 출원 중이라고 밝혔다.
구조와 수학적 설명은 MINOS 페이지에서 확인할 수 있다. 관련 논문은 An Operational Representation of Systems: A Worked Construction in Lattice Gauge Theory이며, 앞선 글 Introducing Minotaur: A GPU’less AI Architecture은 실제 규정 자료를 다룬 ELC 어댑터 테스트를 소개한다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요