제임스 자딘(James Jardine)이 학습(training), 토큰(token), 신경망(neural network) 없이 신호 데이터를 분석하는 혁신적인 엔진 '부두 AOI(Voodoo AOI)'를 공개했습니다. 이 엔진은 '토폴로지 붕괴(topological collapse)'라는 독특한 방식으로 신호 내의 구조를 읽어내며, 양자 샘플러가 없어도 로컬 시뮬레이티드 어닐링(simulated annealing)으로 작동해 별도의 계정이나 키 없이도 노트북에서 오프라인으로 실행할 수 있습니다.
부두 AOI는 세 가지 주요 데모를 통해 그 가능성을 입증했습니다. 첫째, MRI k-공간의 샘플링이 부족할수록 이미지의 루프 토폴로지(Betti-1)가 단조롭게 감소하는 것을 보여주며, 참조 이미지나 학습 없이 MRI 품질을 평가할 수 있음을 입증했습니다. 둘째, 중력파 관측소 라이고(LIGO)의 유사한 글리치(glitch) 유형인 '블립(Blip)'과 '코이 피시(Koi Fish)'를 기존 진폭으로는 구별하기 어려웠던 것과 달리, 토폴로지 분석을 통해 0.84의 높은 AUC(Area Under the Curve)로 성공적으로 분류했습니다. 셋째, NASA PCoE의 배터리 용량 저하를 토폴로지가 강하게 추적(상관계수 r ≈ -0.7 ~ -0.9)하여 설명적인 유효성을 보였으나, 미래 용량 예측에는 한계가 있음을 솔직하게 밝히기도 했습니다.
이 엔진은 엔트로피 게이팅(entropy gating), 파노/옥토니언 투영(Fano/octonion projection), 조던-섀도우 분해(Jordan-Shadow decomposition) 등 복잡한 수학적 개념을 기반으로 하는 96차원 옥토니언 붕괴(octonion-collapse) 유기체입니다. 기존 대규모 언어모델(LLM)이나 딥러닝 방식과 달리 학습 데이터나 토큰화 과정이 필요 없어, 데이터 편향이나 모델 복잡성 문제를 회피할 수 있다는 점에서 의미가 큽니다. AGPLv3 라이선스로 공개되어 누구나 자유롭게 사용, 수정, 재배포할 수 있으며, 상업적 사용을 위한 별도 라이선스도 제공됩니다. 이는 기존 AI 기술의 한계를 넘어서는 새로운 신호 분석 패러다임을 제시하며, 측정하기 어려웠던 가치를 발견하는 데 기여할 잠재력을 가지고 있습니다.