본 논문은 신뢰할 수 있는 AI의 핵심 요소인 확률론적 계산이 데이터 접근 효율성을 저하시키고 시스템을 엔트로피 한정 운영으로 이끌 수 있음을 지적합니다. 이를 해결하기 위해 결정론적 데이터 접근을 확률적 샘플링의 특수한 경우로 통합하는 통일된 데이터 접근 관점을 제시하며, 이를 기반으로 메모리 수준의 평가 기준을 정의합니다. 이 기준을 통해 기존 아키텍처의 한계를 분석하고, 샘플링과 메모리 접근을 통합하는 새로운 확률론적 컴퓨트-인-메모리 접근 방식을 탐구합니다.
