본 논문은 현재의 확률적 신경망 기반 AI 시스템(예: 대규모 언어 모델)이 환각, 예측 불가능성, 인간 의사결정과의 불일치 등의 문제를 겪는다는 점을 지적합니다. 이러한 문제는 생물학적 신경망에 대한 과도하게 단순화된 모델인 확률적 신경망에 과도하게 의존하고, 신뢰할 수 있는 의사결정에서 절차적 추론(사고 연쇄)의 역할을 간과하기 때문에 발생합니다. 본 연구는 유체 지능(유연한 생성)과 결정화된 지능(구조화된 지식)이라는 인간 인지의 이중성에서 영감을 얻어, 확률적 생성(LLM)과 화이트 박스 절차적 추론(사고 연쇄)을 통합하는 이중 채널 지능 아키텍처를 제안합니다. 이를 통해 해석 가능하고, 지속적으로 학습 가능하며, 인간과 조화되는 AI 시스템을 구축하고자 합니다. 구체적으로, 사고 연쇄를 프로그래밍 가능한 결정화된 지능 운반체로 재정의하고, 다회전 상호 작용 프레임워크를 통해 동적 지식 발전과 의사결정 검증을 가능하게 합니다. 또한, 임무 중심의 모듈식 네트워크 설계를 도입하여 무작위 생성과 절차적 제어 간의 기능적 경계를 명확히 구분하여 수직 영역 애플리케이션에서 신뢰성을 향상시킵니다. 마지막으로, 다회전 상호 작용이 지능 출현에 필요한 조건이며, 대화 깊이가 시스템의 인간 정렬 정도와 양의 상관관계를 갖는다는 것을 보여줍니다. 이 연구는 신뢰할 수 있는 AI 배포를 위한 새로운 패러다임을 확립할 뿐만 아니라 차세대 인간-AI 협업 시스템에 대한 이론적 토대를 제공합니다.
