그래프 기반 메모리
그래프 기반 메모리는 정보를 서로 연결된 노드와 관계로 저장하여, 상호작용 전반에 걸쳐 풍부한 맥락 이해와 지속적인 지식 유지를 가능하게 하는 AI 메모리 아키텍처입니다.
이해하기 그래프 기반 메모리
기존 AI 메모리는 단일 대화에 한정되는 단기 메모리이거나 단순한 키-값 쌍의 형태로 저장되어 있었습니다. 그래프 기반 메모리는 정보를 다양한 엔터티와 관계의 네트워크로 조직합니다. 예를 들어, 한 사람이 프로젝트와 연결되고, 프로젝트는 작업 및 미팅, 문서와 연결됩니다. 이러한 구조는 AI가 관계를 따라가며 풍부한 맥락을 구축할 수 있게 해줍니다. 사용자가 프로젝트를 언급하면 AI는 관련 작업, 이메일, 팀원, 예정된 마감일 등 모든 연관 정보를 즉시 파악할 수 있습니다. 그래프 기반 메모리는 시간의 흐름에 따른 관계의 변화까지 이해하는 ‘시간적 추론’도 가능하게 합니다.
GAIA 활용 방법 그래프 기반 메모리
GAIA는 당신의 디지털 라이프 모든 영역을 연결하는 그래프 기반의 메모리 시스템을 유지합니다. 프로젝트에 대해 이야기할 때 GAIA는 관련된 이메일, 작업, 캘린더 일정, 문서, 팀과의 상호작용까지 연결된 노드로 저장된 정보를 접근합니다. 즉 GAIA는 맥락을 깊이 있게 이해합니다. 예를 들어, 클라이언트로부터 받은 이메일이 다음 주 프로젝트 마감일 및 어제 생성한 작업과 연관되어 있음을 파악할 수 있습니다. 시간이 지남에 따라 GAIA는 이런 상호연결된 메모리를 통해 당신의 패턴과 선호도를 학습합니다.
관련 개념
지식 그래프
지식 그래프는 정보를 엔터티, 그 속성, 그리고 이들 간의 관계로 구조화하여, 기계가 연결된 정보를 이해하고 추론할 수 있게 하는 데이터 구조입니다.
벡터 임베딩
벡터 임베딩은 텍스트, 이미지 등 다양한 데이터를 의미를 반영한 수치로 표현하여, 기계가 정보 간 유사성과 관계를 이해할 수 있게 하는 기법입니다.
컨텍스트 인식
AI에서 컨텍스트 인식은 작업이나 상호작용을 둘러싼 전체 상황을 이해하는 능력을 의미합니다. 참여자, 이전에 일어난 일, 관련 프로젝트, 마감일, 사용자의 선호와 패턴 등이 포함됩니다.
의미 기반 검색
의미 기반 검색은 검색 쿼리의 의미와 의도를 이해하여, 단순히 키워드 일치가 아닌 개념 상의 연관성에 따라 결과를 제공하는 검색 기술입니다.
