의미를 저장하는 공간에서, 의미를 설계하는 공간으로 앞선 마인드셋 엔진은 사용자의 상태를 추론하고, 그 상태가 어떻게 변화할지를 시뮬레이션하는 단계까지 확장되었습니다. 이제 시스템은 단순히 “무엇을 좋아하는가”를 넘어서, “지금 어떤 상태에 있고 앞으로 어떤 방향으로 변할 것인가”를 이해할 수 있게 됩니다. 하지만 여기서 또 하나의 중요한 문제가 남습니다. 이렇게 추론된 상태와 의미를 어디에,…

행동을 읽는 AI를 넘어, 상태를 이해하는 AI로 지금까지의 많은 인공지능 시스템은 인간을 행동의 집합으로 이해해 왔습니다. 무엇을 클릭했는지, 얼마나 머물렀는지, 어떤 콘텐츠를 선택했는지와 같은 관측 가능한 반응을 중심으로 사용자를 해석해 온 것입니다. 이러한 방식은 단기 반응을 예측하는 데에는 유효하지만, 인간을 실제로 이해하는 데에는 분명한 한계가 있습니다. 사람은 클릭 하나로 설명되는…

추천과 생성의 한계를 넘어, 세계를 이해하는 방식의 전환 지금까지 인공지능의 발전은 더 많은 데이터와 더 큰 모델을 통해 이루어졌습니다. 추천 시스템과 생성 모델 역시 이러한 흐름 속에서 발전해 왔습니다. 그러나 실제 서비스 환경에서는 반복적인 한계가 나타났습니다. 추천은 단기 반응을 맞히는 데는 성공했지만 사용자의 장기적인 상태 변화를 이해하지 못했고, 생성 모델은…

추천과 생성이 자꾸 실패하는 진짜 이유 이번 내용은 기존 추천 시스템과 생성형 AI가 왜 계속 비슷한 한계에 부딪히는지를 구조적으로 풀어보는 이야기입니다. 기술이 부족해서가 아니라, 애초에 문제를 바라보는 관점 자체가 어긋나 있었기 때문이라는 점을 설명하는 내용입니다. 요즘의 추천 시스템과 생성형 AI는 데이터도 충분하고 모델도 강력합니다. 그럼에도 불구하고 사용자 경험은 쉽게 좋아지지…

시간은 데이터가 아니라 구조 인간의 행동과 언어와 선택은 단일 순간의 사건이 아닙니다. 그것들은 항상 시간 위에 펼쳐진 흐름으로 존재합니다. 우리가 어떤 말을 이해할 때도, 어떤 행동의 의도를 해석할 때도, 우리는 그 이전에 무엇이 있었는지와 이후에 무엇이 기대되는지를 함께 고려합니다. 같은 말이라도 언제 나왔는지에 따라 의미가 달라지고, 같은 행동이라도 이전의 선택…

안녕하세요. 오늘은 “GPR(Generative Pre-trained Recommender, 생성형 사전 학습 추천기)”과 “RSSM(Recurrent State Space Model, 순환 상태 공간 모델)”을 이해하기 위한, 일종의 최소 문법을 세팅하기 위한 글을 썼습니다. 기술이 고도화될수록 사람들은 자주 “AI가 데이터를 학습한다”라고 말하지만, 이 문장은 설명을 시작하는 말처럼 보이면서도 실제로는 생각을 멈추게 만드는 말이 되곤 합니다. 애딥의 관점에서 중요한…

증강 AI 애딥 GPR 마인드셋 엔진과 보이지 않는 세계의 설계도를 펴내며 이번에 발간한 『증강 AI 애딥 GPR 마인드셋 엔진과 보이지 않는 세계의 설계도』는 하나의 기술 문서이기 이전에, 애딥이 지난 시간 동안 무엇을 고민해 왔고 어떤 질문을 중심에 두고 기술을 설계해 왔는지를 정리한 기록입니다. 기능 설명이나 제품 소개를 목적으로 하지 않고,…

안녕하세요. 오늘은 추천 시스템의 패러다임을 바꾸고 있는 Addeep의 차세대 아키텍처, World Model 기반 강화학습(RL) 시스템에 대해 심층적으로 다루어보고자 합니다. 기존의 추천 시스템이 ‘지금 당장의 클릭’에 집중했다면, Addeep은 ‘사용자의 장기적인 만족과 생애 가치(LTV)’ 를 설계하는 지능형 에이전트로 진화하고 있습니다. 그 핵심 원리와 구조를 정리해 드립니다. 1. Addeep 강화학습의 3단계 구조: 결정부터…