우리가 웹페이지에서 정보를 찾을 때 흔히 사용하는 Ctrl+F(찾기) 기능은 특정 단어를 찾아주는 데는 유용하지만, 그 단어의 의미나 맥락을 이해하고 질문에 대한 '답변'을 찾아주지는 못했습니다. 예를 들어, '브라우저인 척하기'라고 검색해도 실제 문서에 '--user-agent'라는 표현이 있다면 아무것도 찾을 수 없었죠. 이러한 한계를 극복하기 위해 오스카 몰나르(Oscar Molnar)는 단순한 단어 검색을 넘어 '답변'을 찾아주는 AI 기반의 새로운 검색 바 'Hunch'를 개발했습니다.
Hunch의 핵심은 최근 공개된 'Jev'라는 독특한 AI 모델에 있습니다. Jev는 기존 대규모 언어모델(LLM)처럼 텍스트를 생성하지 않지만, 방대한 지식 기반을 바탕으로 높은 지능을 가지고 질문에 대한 분류 및 판단을 수행합니다. 마치 과거의 '핫도그 분류기'처럼 특정 질문에 대해 '예/아니오' 또는 여러 선택지 중 하나를 확률과 함께 제시하는 방식입니다. Jev는 '상태(State)', '유형(Type)', '질문(Question)', '기준(Criteria)'의 네 가지 요소를 입력받아 작동하며, 예를 들어 코드 조각을 '상태'로 주고 '이 코드가 효율적인가?'라는 '질문'에 대해 '예/아니오' '유형'으로 답하며, '아니오'일 경우 '깊이 중첩된 루프가 있다'는 '기준'을 제시하는 식입니다.
이러한 Jev의 능력은 개발 문서, 법률 문서, 복잡한 학술 자료 등 방대한 텍스트에서 특정 개념이나 문제에 대한 해답을 빠르고 정확하게 찾아야 하는 사용자들에게 매우 유용할 것으로 보입니다. 기존 검색 방식으로는 찾기 어려웠던 맥락적 정보를 AI가 이해하고 분석하여 제시함으로써, 정보 탐색의 효율성을 극대화할 수 있습니다. Hunch와 Jev는 단순한 키워드 매칭을 넘어 사용자의 의도를 파악하고 지능적인 답변을 제공하는 새로운 검색 패러다임을 제시하며, 정보 과부하 시대에 더욱 정교한 정보 접근 방식을 가능하게 할 것입니다.