Justin Kim

패스트캠퍼스 오프라인 강좌에서 S-P-O 분해 연습문제로 출제했던 시나리오의 풀이 노트를 공유합니다. 이 문제의 핵심은 두 가지입니다. 자연어 문장을 주어(Subject) - 술어(Predicate) - 목적어(Object) 트리플로 분해하기 관측 사실(Observation)과 가설(Hypothesis)을 명확히 분리하기 문제 페이지 아래는 당시 문제로 제시했던 페이지를 인라인 SVG로 재현한 것입니다. S-P-O 분해 시나리오: 전력 모듈-센서 노이즈 간섭(재현) 문서 메타,...

1. iCalendar: 시대를 초월한 캘린더 표준 iCalendar[1]는 1998년 처음 세상에 등장한 이래, 전 세계의 수많은 기기와 서비스에서 캘린더 정보를 교환하는 사실상의 표준(De facto standard)으로 자리 잡았습니다. 단순한 텍스트 기반의 포맷임에도 불구하고, Google Calendar, Apple Calendar, Microsoft Outlook 등 주요 서비스들이 이를 완벽하게 지원함으로써 플랫폼 간 상호운용성을 보장하는 핵심적인 역할을 수행해왔습니다....

지난 글 Askitect, 그리고 프롬프트 엔지니어링의 진화에서 저는 ‘질문하는 건축가(Askitect)’라는 개념을 통해, 단순히 답을 내놓는 AI가 아니라 사용자의 의도를 함께 설계해 나가는 상호작용의 중요성을 이야기했습니다. 추상적인 철학을 넘어, 실제 동작하는 시스템으로 만들기 위해서는 ‘유동적인 자연어(Natural Language)’와 ‘엄격한 논리(Logic)’ 사이를 연결하는 다리가 필요합니다. 이번 글에서는 그 다리의 설계도, 즉 Neuro-symbolic AI...

우리는 챗봇에게 ‘답변’을 기대합니다. 검색창에 질문을 입력하고 엔터를 누르는 순간, 우리는 명확하고 즉각적인 해답이 돌아오기를 기다립니다. 이러한 ‘답변하는 기계(Answering Machine)’라는 편향은 현재 AI 인터페이스의 지배적인 패러다임입니다. 하지만 아이러니하게도, 가장 훌륭한 대화는 정답을 제시할 때가 아니라 “좋은 질문”이 돌아올 때 시작됩니다. 1. 답하는 기계를 넘어서 (Beyond the Answering Machine) 현재의 거대언어모델(LLM)들은...

LLM은 틀린 답을 확신에 차서 내놓고, 학습 범위를 조금만 벗어나면 추론이 급격히 무너집니다. 이 문제를 계속 들여다보면서 내린 결론은, 지금의 뉴로 심볼릭(neuro-symbolic) AI에 확률과 메타인지가 빠져 있다는 것입니다. 뉴로 심볼릭 AI는 기호주의(규칙 기반 추론)와 연결주의(데이터 기반 학습)를 한 시스템에 엮으려는 시도입니다. 이 글에서는 그 결합이 왜 그것만으로 부족한지, 그리고 부족한...