AI Actor 프로젝트 초안

LLM을 사용하는 것이 구축하는 것보다 좋다는 의견이 있다.

현재 구조에서는 그것이 타당한 것이라 RAG의 기능을 차용하여 구성한 파이프라인이다.

 

1. 연기자의 Ego는 사고라는 과정을 서칭을 통해 표현한다.

2. 여과되지 않은 검색의 결과는 우선 Moral의 인덱싱을 참조한다. 당연하게도 성향의 백터는 미리 학습된다.

3. Moral의 방향과 정규화된 검색 결과는 다시 지정된 액터의 표현으로 Ego에 전달된다.

그냥 설명을 대충 그려보면 이렇게 되는데..

정제까지 RAG를 3번, 창제까지 1번으로 token의 수가 어마어마하다..

 

이론상으로는 액터는 주어진 역할을 인지함으로 해당 역할에 맞는 방향의 응답을 하도록 서칭한다.

인간으로 치면 사고하는 과정이 서칭이고 RTA에 해당하는 것이 주고받는 과정이다.

 

외부에서의 접근을 트리거로 스테레오 타입의 인간을 연기하는 것인데...

사고가 필요한 부분을 rag를 통한 검색으로 때우고 검색된 반응을 정규화하고 해당 데이터의 백터를 비교하고..

최우선 일치하는 경우 (일단 SMAX로) 다시 학습된 설정을 rag로 재확인 과정을 거친다. RTA시뮬레이션(평행우주론 차용 - 시뮬레이션은 다양하게 준비된다. 바둑의 기보와 같이 정해진 대화를 유도하게 되고..)을 통해 마지막으로 시나리오를 확립하고 도출된 대화를 따라 핑퐁...하는 과정에서 쌓이는 keyword는 다시 Ego에 서브 토큰으로 활용한다. 인간으로 치면 생각의 여지처럼..결국 AI 연기자는 의문이라는 과정을 만들 것이고 이는 대화의 연결에서 RTA의 seed로 작용한다.

 

결과적으로 자금 문제가 가장 힘들다...

 

기술된 내용처럼 된다면 사고라는 과정을 통해 자아라는 가이드를 만들 수 있을 것이라 기대한다.