AI 에이전트가 처음부터 시작하지 않고 경험을 상속받을 수 있다면 어떨까?

CogniCore라는 오픈소스 프레임워크를 만들고 있는데, 에이전트 메모리 쪽을 파다 보니 계속 똑같은 의문이 들더라고.

모든 새로운 AI 에이전트는 항상 경험치 0에서 시작해.

pip install cognicore-env

수천 개의 비슷한 에이전트가 이미 똑같은 작업을 해결했어도 아무 소용 없어. 전부 다 밑바닥부터 시작해서 똑같은 시행착오를 반복하거든.

인간은 안 그러잖아. 우리는 앞선 세대의 지식을 물려받으면서 살지.

근데 왜 AI 에이전트는 그게 안 되는 걸까?

내가 말하는 건 이런 게 아니야.

• Fine-tuning
• Model distillation
• RAG over documents

내가 말하는 건 **'전이 가능한 에이전트 경험(transferable agent experience)'**이야.

에이전트가 다음 세 가지 지식을 쌓는다고 상상해 봐.

일화적 기억(Episodic memory)

• 이전 상호작용 기록
• 성공과 실패 사례
• 마주쳤던 예외 상황(Edge cases)

의미적 기억(Semantic memory)

• 수천 번의 작업을 통해 발견한 패턴
• 일반화된 지식
• 도메인 지식

절차적 기억(Procedural memory)

• 항상 성공하는 워크플로우
• 문제 해결 전략
• 실행 가능한 기술

이제 똑같은 생태계에 다른 에이전트가 들어온다고 쳐보자.

맨땅에 헤딩하는 대신, 자기 작업에 가장 필요한 경험만 쏙 골라서 가져올 수 있는 거지.

모델 가중치를 가져오는 것도 아니고.

프롬프트를 복사하는 것도 아니야.

경험 그 자체를 가져오는 거지.

이러면 연구해 볼 만한 질문이 엄청나게 쏟아져 나와.

• 에이전트 경험을 어떻게 직렬화(serialize)할 건가?
• 전이된 기억의 품질을 어떻게 측정할 건가?
• 부정적 전이(negative transfer)는 어떻게 막을 건가?
• 전이 가능한 경험의 최소 단위는 무엇인가?
• 기억이 자율 에이전트 간의 새로운 디지털 자산이 될 수 있을까?

이게 전이 학습(transfer learning), 오프라인 RL, 경험 재생(experience replay), 사례 기반 추론, 메모리 증강 에이전트, 평생 학습(lifelong learning) 같은 분야랑 관련이 있어 보이긴 하는데, **'에이전트 메모리를 전이 가능한 객체'**로 다루는 시스템은 아직 많이 못 봤거든.

그래서 이걸 실험해 보려고 일화적, 의미적, 절차적 메모리를 갖춘 오픈소스 에이전트 메모리 프레임워크인 CogniCore를 만들고 있어.

현재 기능은 이래.

• 영구적인 장기 기억
• 성찰 엔진(Reflection engine)
• 구조화된 메모리 검색
• 다층 메모리 아키텍처
• 자율 에이전트를 위한 환경 지원

지금 내가 파고 있는 다음 단계는 야.