에이전트를 위한 자기 개선 메모리

AI 분야에서 에이전트를 작업자로 간주하는 것은 대중적인 사고 모델입니다. 새로운 역량은 "최근 대학 졸업자"나 "2년 차 분석가"와 같을 수 있습니다. 이것이 AI 역량을 생각하는 가장 좋은 방법은 아니지만, 업무 중인 AI의 중요한 개념을 잘 보여줍니다. 작업자를 고용할 때마다 그들이 일을 통해 배우고 성장하기를 기대하는 것과 같습니다.

AI 에이전트도 마찬가지여야 합니다. 이는 AI에서 "메모리"가 실제로 무엇을 의미하는지에 대해 더 면밀히 살펴볼 필요가 있음을 시사합니다.

Brain 도입

오늘 우리는 AI 메모리에 대한 완전히 새로운 접근 방식을 시작합니다. 이를 Brain이라고 부릅니다.

Brain은 스스로 개선되는 메모리 시스템입니다. 이 시스템은 Computer가 수행하는 작업의 컨텍스트 그래프를 구축합니다. 야간과 같이 설정된 간격으로 Brain은 컨텍스트 그래프를 검토하고 작업을 더 잘 수행하는 방법을 스스로 학습합니다.

작업을 더 많이 수행할수록 Brain은 사용자의 Computer를 더욱 효율적이고 우수하게 만듭니다.

더 나은 AI 메모리 모델

AI 메모리에는 두 가지 중요한 축이 있습니다. 첫 번째는 메모리의 내용이며, 두 번째는 메모리의 목적입니다.

전통적으로 AI 메모리는 사용자 본인에 관한 것이었습니다. 사용자의 선호도, 취향, 작업 스타일, 연락처, 역할 등이 이에 해당합니다. Brain은 AI 에이전트를 위한 훨씬 더 효과적인 모델을 개척합니다. Brain은 에이전트가 무엇을 했는지 기억합니다. 무엇이 성공했고 무엇이 실패했는지, 작업에 어떤 수정이 이루어졌는지 기억합니다. 이를 통해 더 나은 작업을 수행하는 법을 학습합니다.

둘째, 사용자에 대한 AI 메모리는 사용자가 AI 에이전트와 더 긴밀하게 연결되어 있다고 느끼도록 돕는 목적을 가집니다. Brain과 같은 작업 메모리는 에이전트가 업무를 더 잘 수행하도록 돕는 목적을 가집니다. 이것이 메모리의 가장 중요한 목적입니다.

종합하면, 이러한 메모리 접근 방식은 시간이 지남에 따라 Computer의 성능을 향상합니다. 매일 Brain이 탑재된 Computer는 새로운 작업을 시작할 때 더 나은 출발점을 갖습니다. 이는 Brain이 과거 세션, 성공 및 실패 사례를 기반으로 사용자가 달성하고자 하는 목표를 반영한 최신 지도를 생성하기 때문입니다.

즉, Computer는 더 빠르게 답변을 얻고, 가장 신뢰할 수 있는 소스에 접근하며, 시간과 토큰 낭비를 방지할 수 있습니다.

재귀적 자기 개선

Brain은 사용자가 Computer를 사용할수록 더 개선됩니다. 에이전트는 최고의 결과를 도출하는 프로젝트, 커넥터, 아티팩트 및 기타 소스를 학습함에 따라 컨텍스트를 업데이트하는 데 더욱 효과적이 됩니다.

또한 에이전트는 실수를 통해 학습하며, 사용자가 수정을 가했거나 소스가 막다른 길이었을 때를 기억합니다. 그 결과 작업 턴수와 모델 호출 횟수가 줄어들고 더 나은 결과물이 도출됩니다.

이러한 피드백 루프가 Brain을 지속해서 스스로 개선하게 만드는 요소입니다.

사용자에게 에이전트는 작업을 수행하는 데 필요한 컨텍스트를 이해하는 능력이 향상됩니다. 또한 현재의 토큰 사용량은 향후 더욱 효율적인 토큰 사용을 위한 투자가 됩니다.

컨텍스트 그래프

Brain은 Computer를 위한 살아있는 컨텍스트 그래프를 형성합니다. 추적 가능한 그래프를 생성하여 Computer가 사용자의 세계를 이해하고, 그들의 작업으로부터 학습하며, 이를 향후 작업에 적용할 수 있도록 돕습니다.

컨텍스트 레이어는 에이전트 샌드박스에 자동으로 로드되는 LLM 위키의 형태를 취합니다. 사용자의 LLM 위키 페이지는 사용자의 세계를 구성하는 아이디어, 사람, 프로젝트 및 기타 요소를 반영하며, 이를 통해 Computer는 방대한 개인 정보의 웹을 탐색할 수 있습니다.

위키는 Brain 시스템에 의해 야간에 점진적으로 업데이트되며, 사용자의 세션과 커넥터 결과, 소스 문서의 변경 사항, 수행된 수정 사항을 종합합니다.

지속해서 새로 고쳐지는 이러한 컨텍스트는 Computer에 무엇을 해야 하고, 어디를 살펴보아야 하며, 사용자에게 어떻게 결과물을 전달해야 할지에 대한 더 강력한 신호를 제공합니다.

성능 향상

확대

초기 측정 결과에 따르면 Brain은 Computer가 이전에 경험한 작업에 대해 답변 정확도를 25% 향상하는 것으로 나타났습니다. 또한 재현율은 16% 증가했습니다.

동일한 결과에서 Brain은 과거 컨텍스트가 필요한 작업의 비용을 13% 절감하는 것으로 나타났습니다. 또한 Brain을 더 오래 사용하는 사람일수록 에이전트가 그들의 세계를 학습함에 따라 결과는 더욱 향상됩니다.

Brain은 Perplexity가 생성하는 다른 결과물과 마찬가지로 작업 과정을 보여줍니다. 모든 메모리 항목은 해당 정보가 유래된 세션, 파일 또는 소스로 다시 연결됩니다.

선제적 AI 강화

지속적인 학습을 통해서만 Computer는 사용자와 기업이 요구하는 선제적 AI가 될 수 있습니다. 에이전트는 작업을 학습하고 기억하며 이를 더 잘 수행하는 방법을 익힙니다.

프런티어 AI는 조직 내 AI를 위해 직접 구축하는 개별 시스템입니다. 에이전트가 우리가 수행하는 작업으로부터 능동적으로 학습할 때, 에이전트는 우리가 요청하지 않은 기회를 식별하거나 누구도 눈치채지 못한 문제를 사전에 경고할 수 있습니다.

이번 버전의 Brain은 시작에 불과합니다. 조만간 새로운 기능을 발표할 예정입니다.

Brain은 오늘부터 Max 및 Enterprise Max 구독자를 대상으로 Research Preview로 제공됩니다.