최근 대규모 언어모델(LLM)의 발전이 인공일반지능(AGI)에 대한 기대를 높이고 있지만, AGI 구현을 위해서는 인간의 명시적 기억(explicit memory)을 통합하는 것이 핵심이라는 주장이 나왔습니다. 박상준 연구원은 '해마 명시적 기억이 AGI의 초석'이라는 제목의 논문을 통해, 현재 LLM의 학습 메커니즘이 인간의 암묵적 기억(implicit memory)과 유사하며, 이로 인해 AGI에 필수적인 고차원적 인지 기능 구현에 한계가 있다고 지적했습니다.
논문은 장기 전략 계획, 메타인지(metacognition), 상징적 추론(symbolic reasoning) 등 AGI에 필요한 기능들이 인간의 해마(hippocampus) 기반 명시적 기억에 크게 의존한다고 설명합니다. 반면, LLM은 통계적 학습을 통해 암묵적 지식을 습득하는 방식이어서 이러한 고차원적 인지 능력을 스스로 발현하기 어렵다는 것이 핵심 주장입니다. 박 연구원은 신경과학적 발견을 토대로 인공 명시적 기억 시스템의 계산적 요구사항을 제시하며, 향후 연구의 방향성을 제안했습니다.
이러한 관점은 AGI 연구의 중요한 전환점이 될 수 있습니다. 단순히 모델의 크기를 키우거나 데이터 양을 늘리는 것만으로는 AGI에 도달하기 어렵다는 인식이 확산되는 가운데, 인간 인지 메커니즘에 대한 깊은 이해를 바탕으로 새로운 아키텍처를 모색해야 한다는 메시지를 던집니다. 명시적 기억 통합 연구는 LLM이 단순한 패턴 인식기를 넘어, 진정한 의미의 추론과 계획 능력을 갖춘 지능 시스템으로 발전하는 데 필수적인 토대가 될 것으로 기대됩니다.