그러나 그 거친 여정이 실패로만 남은 것은 아니었다. 나에게는 'T2Editor'라는, dsclub 역사상 가장 값진 결실이 남아있기 때문이다.

과거에는 영향력이 다소 미미했던 T2 서비스들을, 이제는 'T2Editor'라는 접근성 높은 플랫폼과 밀접하게 연결하는 실험을 이어가고 있다. 이 과정을 통해 나는 새로운 가능성을 보았다. dsclub의 지향점을 막연한 커뮤니티가 아닌, 실질적인 작업 환경을 제공하는 '도구 서비스'로 전환하는 것이다. 그리고 이를 T2Editor와 같은 배포 소프트웨어와 유기적으로 결합해 나간다면, dsclub은 비로소 단단한 상업적 성공을 이뤄낼 수 있으리라는 믿음을 얻게 되었다.

특히 협업 플러그인과 동영상 플러그인의 개발은 큰 전환점이 되어주었다. 이를 통해 T2 서비스를 단순히 커뮤니티에만 의존하는 공간이 아닌, 자생력을 갖춘 독립적인 플랫폼으로 도약시킬 수 있겠다는 선명한 실마리를 얻게 되었다.

이를 위해 나는 아직 사방으로 흩어져 있는 T2 서비스들을 하나로 모아 중앙 집중화하고 통합하려 한다. 파편화된 서비스들을 단일한 생태계로 묶어 유저의 사용 경험을 비약적으로 향상시키고, 합리적인 가격의 B2C 및 B2B 구독 서비스를 도입하는 것이 그 첫걸음이 될 것이다. 이러한 변화는 오랜 시간 자금난과 적자에 시달려온 dsclub을 다시금 일으켜 세우는 동력이자, 'T2Editor'를 비롯한 배포 소프트웨어들의 서비스 질을 한 차원 더 높은 곳으로 끌어올릴 든든한 주춧돌이 되어줄 것이라 확신한다.

우리가 생각할 때​ 자가 회기 방식처럼 천천히 생각하는가? 몸을 움직일 때(ex. 피아노를 연주할 때) 생각 후에 행동하는가? 즉석에서 붕어빵 틀로 찍어내듯, 찰흙 덩어리를 테이블에 탁 내려놓고 세부적으로 다듬 듯, 한 번에 대략적인 작업 목표를 세우고 실행 이후 추론하면서 전체적인 틀에서 세부적인 사고로 보완해나가며 작업을 이어나간다. 이처럼 사람의 사고와 작업 진행의 유기적인 조화에 초점을 맞춰, 전체적인 답변의 골격을 먼저 생성한 후 다듬어가는 방식을 제안한다.

1. 잠재 공간 계획: 텍스트를 한 자 한 자 생성하기 전에, 저차원의 잠재 공간에서 답변의 전체적인 구조를 디퓨전 모델을 통해 생성한다.​

2. 반복적 정제:

노이즈 상태의 '거친 생각'에서 시작해, 반복적으로 노이즈를 제거하며 작업을 시작, 이 후 작업 중간 중간마다 해당 소규모 작업에서 디퓨전 모델을 통해 만든 저차원적인 답을 자가 회기 방식을 통해 고차원적인 답변으로 구체화한다. 이를 통해 연산량은 줄이면서 정확도를 확보한다.

3. 기대 효과 및 차별점

​비결정적 유연성: 한 단계씩 고정된 답을 내는 게 아니라, 전체적인 분포에서 최적의 길을 찾으므로 훨씬 인간의 사고와 유사한 유연성을 가진다.

연산 효율화: 생각의 뼈대를 잡을 때는 가벼운 디퓨전 모델을 쓰고, 마지막 디테일만 LLM이 다듬게 하여 전체적인 컴퓨팅 자원(KV 캐시 점유 등)을 획기적으로 낮출 수 있다.

실시간 수정 가능: 생성 과정 중간에 사용자의 피드백이나 추가 정보를 주입하기가 기존 방식보다 훨씬 용이하다.​​

후담으로 필자는 인간의 사고가 시각과도 매우 밀접하다고 주장하고싶다. 이는 논리적인 작업이 아니라, 신체를 움직여 활동하는 작업, 더 나아가 우리가 이 세계를 이해하는 데에 있어서 보통의 인간이라면 '중력'이라는 단어를 떠올릴 때 텍스트적인 개념의 이해('질량을 가진 물체에 대해 더 큰 질량을 가진 물체가 있을 경우 질량이 상대적으로 적은 물체는 자신보다 질량이 더 큰 물체로 다가간다.')가 아닌, 사과가 땅으로 떨어지는 이미지적인 사고로 스스로의 움직임과 섭리를 이해할 것이다. 또한 인간은 추상적인 개념을 다루는 것보다 시각적으로 직관적인 개념을 더 잘 받아들인다. 따라서 시각과 언어모델을 동시 학습한 vlm 또는 경제적인 llm 위에 vision 기능을 추가한 복합 모델보다, vision적인 학습을 먼저한 후 텍스트학습과 vision 학습을 병행하는 것이 종국에는 가장 고차원적이며 고지능적인, 동시에 컴퓨팅 자원을 덜 소모하는 완성형 인공지능에 다가가는 핵심 키가 될 것이다.