Dynamic Concept Graph(DCG) 제안

현재의 **LLM(대규모 언어 모델)**은 패턴 완성에는 뛰어나지만, 물리적 속성, 인과 관계, 맥락적 관계를 포함하는 안정적인 **월드 모델(World Model)**을 구축하는 데 한계가 있습니다.

이를 해결하기 위해 제안된 **Dynamic Concept Graph(DCG)**는 다음과 같은 특징을 가진 하이브리드 인지 아키텍처입니다:

• **신경망 표현 학습(Neural Representation Learning)**과 **기호적 지식 구조(Symbolic Knowledge Structures)**의 결합
• 멀티모달 인지 및 유추 추론(Analogical Reasoning) 기능 통합
• 기존 파운데이션 모델을 대체하는 것이 아닌, 지속적으로 진화하는 의미론적 기질(Semantic Substrate) 역할 수행

DCG는 AI가 낯선 물체를 접했을 때 기존 지식과의 유사성을 바탕으로 가설을 세우고, 물리적 특성과 용도 등을 구조화된 관계로 파악할 수 있도록 하여 지속 가능한 멀티모달 월드 모델 구축을 목표로 합니다.