NKTg AI가 기존 대규모 언어모델(LLM)의 한계를 극복하기 위해 텍스트를 생성하기 전에 먼저 '디코딩'하는 새로운 접근 방식을 선보였습니다. 이 시스템은 텍스트의 '의미 에너지(semantic energy)'를 물리 알고리즘으로 측정하여 핵심 내용(Core Content)을 추출한 후, 이를 바탕으로 LLM이 자연어를 생성하도록 설계되었습니다. 이는 LLM이 원문을 주관적으로 재해석하여 새로운 내용을 생성하는 방식과 근본적으로 다릅니다.
NKTg AI는 텍스트를 증폭(AMP), 감쇠(DAMP), 안정(STABLE) 세 가지 구조적 유전 코드로 분석합니다. AMP는 행동, 주장, 결과 등 에너지가 증가하는 부분을 나타내고, DAMP는 조건, 맥락, 위험 등 에너지가 감소하는 부분을 의미합니다. 이를 통해 텍스트의 핵심 논리적 유전 코드를 파악하며, '핵심 내용'은 실행 가능한 행동 밀도가 가장 높고 구체적인 결과를 담은 문장으로 정의됩니다. 이 핵심 내용은 원문에서 그대로 추출되며, 주관적인 해석이나 변경이 없습니다. 또한, 이 시스템은 웹어셈블리(WebAssembly) 기술을 활용하여 모든 처리가 사용자 브라우저 내에서 이루어지므로, 데이터가 외부 서버로 전송될 위험이 없어 절대적인 데이터 보안과 최소한의 지연 시간(latency)을 보장합니다.
이러한 접근 방식은 정보 과부하 시대에 전문가와 일반 사용자 모두에게 중요한 가치를 제공합니다. 관리자나 전문가들은 텍스트의 정량화된 AMP/DAMP 비율과 핵심 내용을 통해 신속하게 의사결정을 내릴 수 있으며, 일반 사용자들은 방대한 텍스트를 빠르게 이해하고 객관적으로 비교할 수 있습니다. 특히 NKTg AI는 '처리 두뇌(Processing Brain)'와 '실행 인터페이스(Execution Interface)'를 분리하여, NKTg AI가 핵심 내용을 추출하고 LLM Local이 이를 자연어로 변환하는 기능 분리 아키텍처를 채택했습니다. 이는 기존 LLM의 주관적 추론 한계를 극복하고, 정보 처리의 정확성과 객관성을 극대화하려는 시도로 평가됩니다.