LLM Wiki와 본유적 부하

Contents
Nicolas Poussin,
Nicolas Poussin, "Blind Orion Searching for the Rising Sun", 1658

LLM Wiki 가 유행하고 있는데, 사용에서 가장 크게 우려되는 부분은 PKM 사용시 본유적 부하 를 줄이는데에 있다.

ChatGPT 유행 초창기에 뭔가 쌔한 느낌이 들어서 AI에게 절대로 의존해서는 안 되는 능력 – 요약 메일 레터를 쓴 적이 있었다. 그런데 조금 더 일반화를 해보자면 본유적 부하를 줄이는 문제가 있는 것으로 보인다.

이 글에서 타게팅 하는 llm wiki 는 AI Agent 의 장기 메모리 측면에서 쓰이는 LLM Wiki 가 아니라 사람들이 옵시디언과 함께 결합하면서 PKM 을 LLM Wiki 로 사용하는 것에 대해 말한다. 명칭하자면 바이브 노팅 을 할 때의 문제점이다.

PKM 에서의 본유적 부하

PKM 사용 시에 발생하는 본유적 부하가 있다. 이 본유적 부하는 제거해서는 별로 사용자에게 이로울 것이 없다. 특정 AI 사용 패턴은 사용자에게서 본유적 부하를 줄인다.

이는 스쿼트를 하는데 내가 밑에서 바벨을 들고 있다가 코치가 아래에서 위까지 바벨을 다 올려주고 내가 다시 바벨을 짊어지는 꼴과 같다. 과정 자체가 중요한데 과정만 빼고 결과만 얻으려는 형태다. 요즘 사람들이 운동을 안 하고 마운자로, 위고비를 맞는다는데 이런 느낌이 들어 거부감이 든다.

PKM 사용 시에 발생하는 본유적 부하의 종류는 다음이 있다.

첫 번째로는 링크다. PKM 사용 시에 링크를 빼놓을 수 없다. 노트와 노트를 연결하는 과정은 중요한 본유적 부하다. 이는 인지 심리학에서 정교화랑 정확히 일치하기 때문이다. " 이 노트랑 어떤게 연관있을까?" 라는 질문은 기존에 내 노트를 장기기억에서 끄집어내면서 부호화 과정도 일으키면서 현재 작성하는 노트를 더 탄탄하게 기억하게 할 수 있다. 또한 다른 맥락의 노트가 연결되면서 스키마를 형성하는 것도 PKM 사용 시 통찰을 얻는 중요한 과정이다.

그런데 AI 의 추천대로만 노트를 연결하면 본유적 부하를 줄인다. 이 과정 자체는 쉽고 빠르기에 상호 연결된 노트 네트워크를 만들기는 쉽다. 인터넷에 자랑할만한 그래프 뷰 만들기는 쉽다. 그러나 내 머릿 속에선 해당 개념들이 실제로 연결되지는 않았기에 인터넷에 있는 자료랑 다를 바가 없어진다. 내 노트지만 정말 내 노트는 아니게 되는 것이다.

두 번째로는 핵심 개념 추출이다. 어쩌면 요약이라고도 볼 수 있다. 이 부분에 대해선 AI에게 절대로 의존해서는 안 되는 능력 – 요약 을 참고해도 좋을 것 같다.

대처법

첫 번째 대처법으로는 바람직한 어려움 받아들이기다. 마인드 셋 관점에서의 접근인데 PKM 사용 시에 어렵고 짜증나게 느껴지는 부분을 피하지 말고 받아들이자라는 거다. 노트를 작성하고 관리하는 과정은 분명히 인지 부하가 큰 과정이다. 그런데 이 고통을 피하고자 AI 에게 의존하면 사실상 쓸모없는 PKM 을 만들게 된다. 그래서 먼저 관리시에 고통은 피할 수 없다는 것을 인정하자. (물론 그렇다고 외재적 인지 부하 를 받아들이자는 건 아니다.)

두 번째 대처법으로는 연결 노트를 계속 파고 들어가보면서 노트를 내비게이션 하기다. PKM 이 세컨드 브레인처럼 사용되기 위해서는 실제 나의 뇌, 퍼스트 브레인의 add-on 형태가 되어야 한다. 그런데 PKM 이 내 뇌랑 괴리가 커질수록 쓸모없는 세컨드 브레인이 되어버린다.

어떤 부분에서 괴리를 줄일 수 있을지 보기 위해선 확장된 마음 가설 에서 요소들을 가져오고자 한다. 외부 도구가 내 마음의 확장처럼 되려면 (1) 언제든 접근 가능하고 (2) 신뢰되어야 한다. 나는 이 ' 언제든 접근 ' 이 단순히 스마트폰을 상시 휴대하여 옵시디언을 킬 수 있는 것을 넘어서 원하는 노트에 언제든 빠르게 접근 가능하다는 것으로 본다. AI 든 내가 직접이든 만든 노트를 자주 보는 것은 원하는 노트 접근에 더 빠르게 접근 가능하게한다. 그 과정에서 노트 찾기 숙련도가 늘기도 하며, 노트 구조를 찾기 쉽게 바꾸기도 하기 때문이다. 그리고 노트를 보는 것은 유창성을 증가시켜 신뢰 자체를 증가한다. 1

세 번째로는 Progressive Summarization 이다. 편의상 AI 로 노트를 만드는 과정은 앞으로도 아예 안 쓰기는 어렵다. 다만 만들어 낸 후에는 Progressive summarization 통해서 본유적 부하를 만들어낼 수 있다. 요약 시에는 단순히 필요없는 문장을 지우는 형태가 되어서는 안 된다. 내 말로 다시 paraphrasing 해야한다. 예컨대 한 문단을 지워버리고 해당 문단의 핵심을 한 문장으로 내가 작성하는 것이다.

Footnotes

  1. 흔히 텍스트를 자주 읽기만 하면 유창성이 증가하지만 실제 이해는 증가하지 않는 문제가 있다. 그러나 여기서는 오히려 유창성 증가로 신뢰를 확보하는 이점을 갖고자 한다.

Graph
Graph