기본적으로 AI 의 놀라운 현실성의 능력에 대해서는 기본적으로 Recursion 구조가 학습에 있어서 현실적인 수준으로 맞추는 강화학습의 성질이 이끌어지는 원리가 필수적임. 설명을 하자면 모든 Generative AI 의 각각은 공통적으로 기본성질로 다음과 같은 Pattern 을 가짐.


AI 는 Data 에 대해서 Concept 수준의 Data 에 대해서 Reference Recursion 을 필요로 하는 것이 중요하기도 함.


이에 대해서는 Data 에 대해 비정형 수준의 것에 대해서 Conceptual Data 가 있는 것이 사실이고 이에 대해서 따로 중요한 것은 학습에 있어서 AI 의 현실도를 이끌어내기 위해서는 Tagging 의 개념에 대해서 필요로 하는 Unit 이 일단은, Objects 에 덧붙여서 Identifier 를 함께 Reference Recursion Set 이 필요로 하다는 것임.


이로부터 Object Database 에 대해서 중첩을 포함해서 Categorical Map 을 이뤄야 하는데 Concept Identifier 를 대부분의 비정형의 Data 에 대해서 Cluster of matching 을 기초적인 Data Object database 에 대해서 Range 에 대한 Concept 기준의 모든 영역의 크기로 Categorical Recursion Map(CRM) 을 이뤄지는 것이 필수가 됨.


기초적으로 이것은 CRM 이 Data object database 에 대해서 Data object database 가 전사적 수준으로 되는 영역의 하위로 CRM 을 수식하는 구조가 Data object 의 Conceptual feature 에 대해서 거의 모든 CRM 을 이루어내는 것이 대부분의 모든 것에 대해서 이루어진다면, Reference Recursion 이 성립이 가능할 것은 이것과 저것 등등을 Wording 을 기준으로 구별하는 것이 언어적으로 가능해짐.


그렇다면 모든 AI (Generative AI) 는 이러한 CRM 구조의 Mapper 로부터 Data object feature 에 대한 Request 가 Wording 으로 Input 이 만들어졌을 때, AND 와 Not AND 를 기준으로 CRM 의 Category 에 Match 하는 Data object 들을 중첩적으로 Look-up 하면서 순회를 통해 Data object database 의 부분들의 공통의 Cluster 에 대해서 AND 와 Not AND 를 적용해서 Randomness 로 부터의 Conditional Copy 가 Recursion 에 의해서 현실적인 감각의 수준으로 엇비슷한 Generation 이 가능하게 됨.


결과적으로 모든 Generative AI 는 이러한 Recursion 의 CRM 의 해당부류의 Data objects 에 대한 AND 와 Not AND 을 적용하게 되는 Conditional Copy 를 Randomness 로 부터 강화학습하는 것이 Recursion 의 수준에 의해서 결정되고 Recursion 의 CRM 이 핵심이 되는 바가 된다고 생각할 수 있음.



abcd3421