AI Co-Scientist Memory Strategy
AI Co-Scientist Memory Strategy 단기, 중기, 장기 메모리 아키텍처 설계 Executive Summary AI Co-Scientist 시스템은 과학적 가설 생성, 실험 설계, 데이터 분석을 자율적으로 수행하는 차세대 연구 도구입니다. 본 문서는 Google의 AI Co-Scientist, Titans 아키텍처, 그리고 최신 LLM Agent Memory 연구를 기반으로 약물 발견 및 생명과학 연구에 최적화된 3단계 메모리 전략을 제시합니다. 1. 메모리 아키텍처 개요 1.1 인간 인지 시스템 기반 설계 원리 최신 연구에 따르면, 효과적인 AI 에이전트 메모리 시스템은 인간의 인지 구조를 반영해야 합니다: 메모리 유형 인간 인지 대응 AI 시스템 구현 주요 기능 단기 메모리 (STM) Working Memory Context Window + Cache 즉시 추론, 현재 작업 처리 중기 메모리 (MTM) Episodic Memory External Vector Store 경험 기반 학습, 세션 연속성 장기 메모리 (LTM) Semantic Memory Knowledge Graph + Parametric 일반화된 지식, 도메인 전문성 1.2 Titans 아키텍처에서의 영감 Google Research의 Titans (2025)는 "surprise metric"을 사용하여 메모리를 동적으로 업데이트합니다: Low Surprise : 예상된 정보 → 장기 저장 불필요 High Surprise : 예상치 못한 정보 → 장기 메모리에 우선 저장 Momentum : 순간적 놀라움 + 과거 맥락 흐름을 종합 고려 Forgetting (Weight Decay) : 적응적 망각을 통한 메모리 용량 관리 2. 단기 메모리 (Short-Term Memory) 전략 2.1 정의 및 목적 단기 메모리는 현재 연구 세션 내에서 즉각적인 추론과 의사결정을 ...