Is Knowledge Preserved, or Recreated?

The Possibility of a Living Knowledge Space That Began with 1,224 Records

https://www.youtube.com/watch?v=x7Dr-R7HVec
https://kitscript.com/pickme/

One day, I happened to check how many posts had accumulated on Patreon, and the number was 1,224. I had never planned to build a massive knowledge base. These posts had simply grown out of thoughts that came to me while making something, questions raised by the news, and subjects that seemed far apart from one another, such as games and artificial intelligence, business and creativity, aquariums and convenience food. Yet after more than a year and a half, those individual pieces of writing had quietly become a database showing what one person had observed, responded to, and repeatedly questioned over time.

A collection like this cannot be produced in a short period simply by deciding to make one. If someone were asked to come up with 1,224 good ideas right now, almost no one could do it. Thoughts are not finished products that appear immediately on command. Everyday experiences, failures, observations, and conversations accumulate in the mind, and at some point they connect in unexpected ways. A single post may look like an isolated fragment that happened to occur, but once hundreds or thousands of such fragments gather, recurring interests and patterns of thought begin to emerge. The subjects may range across AI, games, music, hospitals, food, ecosystems, and crisis management, yet beneath them the same concerns may return again and again: execution, tools, sustainability, connection, efficiency, and risk.

The idea of seeing knowledge as a trail of connections is not new. In 1945, as the Second World War was coming to an end, Vannevar Bush proposed the Memex in As We May Think, an imaginary device that would store a person’s books, records, and communications while linking related items through “associative trails.” He believed that human thought did not proceed like a library classification system, descending one branch at a time, but moved through association from one idea to another. A Memex user would not merely retrieve information but could also preserve the paths they had discovered and share them with others.

The so-called “Mother of All Demos,” presented by Douglas Engelbart in 1968, grew from a similar concern. The demonstration introduced not only the mouse but also windows, hyperlinks, collaborative editing, video conferencing, and version control. Engelbart’s deeper interest, however, was not in individual conveniences but in augmenting human thinking and cooperation through computers. Today, we use most of those technologies in ordinary life, yet it is difficult to say that they have necessarily led to deeper thought or better collective problem solving.

As knowledge became easier to access through the internet, search engines, wikis, note-taking apps, and generative AI, the speed of retrieval increased beyond anything earlier generations could have imagined. Yet the faster knowledge became, the more it tended to be compressed into a single answer. Long articles are summarized, multiple perspectives are reduced to key sentences, and users ask a question, receive the most plausible answer, and end the search. This is efficient, but it can also remove the intermediate process through which understanding is formed. If a curator told a visitor entering a museum, “You only need to look at this one work to understand the entire exhibition,” the visitor would certainly save time, but would lose the experience of pausing before an unfamiliar work, discovering an unexpected relationship, and moving somewhere entirely different from the original point of interest.

This concern is not merely speculative. Recent research on people exploring digital collections has reported that the more opportunities users had to encounter unexpected information or ideas, the stronger their sense of serendipitous discovery became. People who combined broad interests with specific goals depending on the situation reported richer experiences of discovery, and this kind of serendipity was also linked to learning and shifts in values. At the same time, participants showed mixed reactions when AI attempted to manufacture serendipity artificially. This suggests that it may be more natural for AI to create conditions in which people can explore for themselves than to decide everything they should see.

This is where the idea begins of turning 1,224 posts into a space rather than a list or a set of search results. Each post has a representative image. Those thumbnails could be arranged on a flat plane that appears three-dimensional, with closely related posts placed near one another and loosely related posts farther apart. There would be no need to spread every connection across the screen like a web. Strong relationships would remain visible, while weaker ones would fade into fog. The user would not walk or fly like a game character. Instead, touching a visible thumbnail would make it the new center, and the camera would move smoothly toward its neighborhood. Just as an augmented reality app displays only nearby restaurants or stores within the user’s field of view, a knowledge space would reveal only the content that is meaningful from the current position.

The fog would not merely be a technical device for hiding performance limitations. It would suit the nature of knowledge itself. Not all knowledge appears clearly at once. Only the ideas we approach take on a specific shape, while distant ideas remain as hints of possibility. Several dozen thumbnails around the center could be rendered sharply, mid-range posts could appear as smaller images or icons, and more distant posts could become faint points of light. The positions and relationships of all 1,224 posts would still exist, but the user would encounter only a limited portion at any given moment. Rather than forcing a vast amount of material onto one screen, the system would turn scale into a sense of depth.

The space, however, should not be decorative. Users can easily lose their orientation in a large virtual environment. In both real and virtual spaces, landmarks are important clues for understanding location, and research on navigation in virtual environments has treated the placement of distinctive landmarks as a key design element for maintaining direction. Large clusters such as AI, game development, business, or music therefore need forms and names that can be recognized from a distance. Central themes could become plazas, highly important posts could become hills or observation points, and posts connecting two clusters could become bridges. A person may not remember coordinates, but may remember “the article near the bridge between the game district and the AI district.”

There is no reason for such an engine to remain limited to one person’s writing. Imagine exploring the human body. From a distance, the brain, heart, lungs, and liver would be visible. Selecting the heart would lead to the atria and ventricles, valves and blood vessels, muscle cells, and mitochondria. Following circulation in another direction could lead to the kidneys, hormones, and the endocrine system. The 1966 film Fantastic Voyage imagined people traveling through the human body in a miniature submarine. A digital knowledge space would not shrink the human body itself but would allow users to travel through semantic distances between anatomical structures, functions, diseases, and research materials. The same principle could be applied to the universe, music history, corporate documents, academic papers, and photographic collections. In other words, this would not be a special solution valid only for one person’s archive, but a general interface for any field in which knowledge can be organized by relationships rather than hierarchy.

This is precisely where the proposed space diverges from existing knowledge bases. Traditional knowledge bases generally move toward convergence. Multiple documents are combined into the latest answer, redundancy is removed, and old information is replaced by newer information. This is necessary in corporate wikis and manuals. A creator’s knowledge, however, does not necessarily converge toward a single conclusion. The same article can acquire a different meaning over time. A post originally written about game development may later be read as a post about collaboration with AI, and a piece about convenience food may come to be understood less as a discussion of consumer convenience than as an explanation of how industrial ecosystems evolve.

Pixar’s Inside Out gives this lack of convergence a memorable form. The film turns memories into spheres and places them in a vast system that carries them from headquarters into long-term storage. The filmmakers have said that the movement and classification of the memory spheres drew inspiration in part from conveyor systems used in egg-sorting facilities. Yet memory in the film is not a static file. Its meaning changes with emotion, and an event once understood only as a happy memory takes on an entirely different meaning when sadness becomes part of it. Knowledge behaves in a similar way. It remains as heritage while also becoming material for new creation. These two roles do not oppose one another.

The long-standing idea of the digital garden rests on a similar principle. Unlike a blog that presents only finished writing, a digital garden is often described as a space where ideas continue to be revised, connected, and cultivated between rough notes and completed publications. Research proposing “Creative Gardens” has likewise asked how digital environments might support creative communities as they grow, separate, reconnect, and produce new forms of innovation. The space imagined here goes one step beyond a flat network of links. By making the strength of connections, the size of clusters, empty regions, and overly dense regions visible as if they were physical space, it allows people to observe the shape in which their own knowledge is growing.

In such a space, AI would do more than interpret a vast amount of information on the user’s behalf. It would preserve the creator’s intent, reveal recurring directions like a compass, and reinterpret older writing from the perspective of the present. Even when the same subject appears repeatedly, AI should not treat it as simple duplication but show how the creator’s thinking has moved. If efficiency was emphasized a year ago, while contingency planning and sustainability later became more important, the two positions should not be treated as errors that cancel each other out. They are traces of an evolving way of thinking.

More importantly, the tool could help decide what should be created next. Existing content platforms adapt creators to subjects that receive strong audience reactions and formats that follow current trends. They encourage the repetition of whatever produces high views and optimize for click-through rate and watch time. This is useful for understanding market demand, but if followed continuously, the shape of a creator’s knowledge may stretch only in the direction preferred by the algorithm. Areas that already perform well become oversized, while unexplored subjects disappear before they have even been properly examined.

A spatial knowledge base would ask different questions. Why has one cluster become too large? Why is there no connecting post between two subjects that appear closely related? Should an isolated topic be abandoned, or might it become the starting point for a new line of creation? If one more article were added now, which empty region could it fill? Could a new interpretation of an existing post build a bridge between two distant clusters? These questions do not mean ignoring audience response. They mean examining the creator’s intention and long-term direction alongside external reactions.

In Minority Report, the protagonist stands before a large screen and moves fragments of video with his hands, rearranging scattered clues. The interface was not merely a cinematic ornament. The work of John Underkoffler, who had studied spatial interfaces at MIT, influenced the design of the film, and he later developed similar ideas into real collaborative systems. The scene remains memorable not because the information is neatly listed, but because the protagonist physically rearranges relationships among many fragments and discovers meanings that were not visible before.

A knowledge space for creation should work in a similar way. The moment AI completes the answer and places it on the screen, exploration ends. Instead, AI should be able to suggest that two articles on different subjects share the same underlying concern, that risk and sustainability have moved toward the center across several clusters during the past six months, or that an isolated article on music might open a new creative direction if connected with technology. The final decision remains with the creator. AI draws the terrain and provides light, but does not determine the destination.

At that point, the system is no longer a knowledge base designed only to preserve the past. If a conventional knowledge base is an archive that organizes inherited knowledge, this becomes a garden that cultivates the next act of creation. Writing does not end with storage. The creator explores the space, discovers relationships, reinterprets past intentions from the perspective of the present, and turns those reinterpretations into new writing, images, videos, and projects.

The central idea of Bush’s Memex was not the ability to store a large amount of material, but the ability to connect two items and follow the path between them. Today’s AI can read far more information and calculate far more relationships than Bush could have imagined. Yet if AI walks every path on our behalf, all that remains for humans is the summarized conclusion. A more interesting future may lie in AI revealing paths that are not yet visible within accumulated knowledge and enabling people to follow those paths toward something new.

Most knowledge systems were designed to preserve the past more accurately. But not all knowledge needs to converge on a single correct answer. Some knowledge changes over time, meets other perspectives, and becomes material for new creation. The 1,224 posts may be a completed archive. Yet their greater value may be that they form a map leading toward the 1,225th post that has not yet been written.

patreon.com

지식은 보관되는가, 다시 창작되는가

1,224개의 기록에서 시작된 살아 있는 지식 공간의 가능성

https://www.youtube.com/watch?v=zE_slzDOoYo
https://kitscript.com/pickme/

어느 날 문득 Patreon에 쌓인 포스트 수를 확인해 보니 1,224개였다. 처음부터 거대한 지식 베이스를 만들겠다는 계획이 있었던 것은 아니다. 무언가를 만들다가 떠오른 생각, 뉴스를 보며 생긴 의문, 게임과 인공지능, 사업과 창작, 수족관과 간편식처럼 서로 멀어 보이는 주제들이 그때그때 글이 되어 쌓였을 뿐이다. 그러나 1년 6개월이 넘는 시간이 지나고 나니 개별적인 글들은 어느새 한 사람이 무엇을 보고, 무엇에 반응했으며, 어떤 질문을 반복해 왔는지를 보여주는 하나의 데이터베이스가 되어 있었다.

이런 자료는 마음먹는다고 단기간에 만들어지지 않는다. 지금 당장 좋은 생각 1,224개를 떠올려 보라고 하면 누구도 쉽게 해낼 수 없다. 생각은 명령을 받는다고 즉시 생산되는 완제품이 아니다. 일상의 경험과 실패, 관찰과 대화가 머릿속에 쌓이다가 어느 순간 뜻밖의 방식으로 연결되며 나타난다. 글 하나만 보면 우연히 떠오른 단편처럼 보이지만, 수백 개와 수천 개가 모이면 반복되는 관심사와 사고의 방향이 드러난다. AI, 게임, 음악, 병원, 음식, 생태계, 위기관리처럼 서로 다른 소재를 다루었더라도 그 밑에서는 실행, 도구, 지속 가능성, 연결, 효율과 위험 같은 문제가 계속 되풀이될 수 있다.

지식을 서로 연결된 흔적으로 보려는 생각은 새로운 것이 아니다. 제2차 세계대전이 끝나가던 1945년, 버니바 부시는 「As We May Think」에서 개인의 책과 기록, 소통 내용을 저장하고 서로 연관된 항목을 ‘연상 경로’로 연결하는 가상의 장치 메멕스를 제안했다. 그는 인간의 사고가 도서관의 분류표처럼 한 갈래씩 내려가는 방식이 아니라, 하나의 생각에서 다른 생각으로 연상하며 이동한다고 보았다. 메멕스 이용자는 자료를 단순히 찾는 데서 끝나지 않고, 자신이 발견한 연결 경로를 저장하고 다른 사람에게 전달할 수도 있었다.

1968년 더글러스 엥겔바트가 선보인 이른바 ‘모든 데모의 어머니’도 같은 문제의식 위에 있었다. 그 자리에서는 마우스뿐 아니라 화면의 창, 하이퍼링크, 공동 편집, 화상회의, 버전 관리와 같은 기술이 한꺼번에 시연됐다. 그러나 엥겔바트의 더 큰 관심은 개별적인 편의 기능이 아니라 컴퓨터로 인간의 사고와 협업 능력을 증강하는 데 있었다. 오늘날 우리는 당시의 기술 대부분을 일상적으로 사용하지만, 그 도구들이 반드시 더 깊은 사고나 더 나은 공동 문제 해결로 이어졌다고 말하기는 어렵다.

인터넷과 검색엔진, 위키, 노트 앱과 생성형 AI를 거치며 지식에 접근하는 속도는 상상하기 어려울 정도로 빨라졌다. 그러나 속도가 빨라질수록 지식은 점차 하나의 답으로 압축되었다. 긴 글은 요약되고, 여러 관점은 핵심 문장으로 정리되며, 사용자는 질문을 입력하고 가장 그럴듯한 답을 받은 뒤 탐색을 끝낸다. 분명 효율적이지만, 이해가 만들어지는 중간 과정까지 함께 생략되기도 한다. 미술관에 들어간 관람객에게 큐레이터가 “이 작품 하나만 보면 이 전시를 모두 이해할 수 있습니다”라고 말한다면 시간을 절약할 수는 있다. 그러나 낯선 작품 앞에서 발걸음을 멈추고, 예상하지 못했던 관계를 발견하며, 처음의 관심과 전혀 다른 곳으로 이동하는 경험은 사라진다.

최근 디지털 컬렉션을 탐색하는 사람들을 다룬 연구에서도 예상하지 못한 정보나 아이디어를 만날 기회가 많을수록 사용자가 느끼는 우연한 발견의 정도가 높아지는 경향이 보고됐다. 특정한 목표만 가진 사람보다 넓은 관심과 구체적인 목적을 상황에 따라 함께 가진 사람들이 더 높은 발견 경험을 보였으며, 이러한 우연성은 학습과 가치 변화 같은 경험과도 연결되는 것으로 나타났다. 다만 AI가 인위적으로 만들어내는 우연성에 대해서는 엇갈린 반응도 있었다. 이는 AI가 무엇을 보여줄지 모두 결정하기보다, 사람이 스스로 탐험할 수 있는 조건을 조성하는 편이 더 자연스러울 수 있음을 시사한다.

여기에서 1,224개의 포스트를 목록이나 검색 결과가 아니라 하나의 공간으로 바꾸는 발상이 시작된다. 각각의 글에는 대표 이미지가 있다. 이 썸네일들을 3차원처럼 보이는 평면 공간에 배치하고, 글 사이의 관계가 밀접할수록 거리를 짧게, 느슨할수록 길게 만든다. 모든 연결선을 거미줄처럼 펼쳐놓을 필요는 없다. 가까운 관계는 선명하게 보이고 먼 관계는 안개 속으로 사라지면 된다. 사용자는 게임 캐릭터처럼 직접 걷거나 비행하지 않는다. 눈앞에 떠 있는 다른 썸네일을 터치하면 그것이 새로운 중심이 되고, 카메라는 그 근방으로 부드럽게 이동한다. 현실의 증강현실 앱에서 주변 음식점이나 대리점의 아이콘만 시야에 표시되는 것처럼, 지식 공간에서도 현재 위치에서 의미 있는 콘텐츠만 모습을 드러낸다.

안개는 성능을 감추기 위한 기술적 편법이 아니다. 오히려 지식의 속성과 잘 어울리는 표현 방식이다. 모든 지식은 한꺼번에 선명하게 보이지 않는다. 가까이 다가간 생각만 구체적인 형태를 드러내고, 멀리 있는 생각은 존재만 암시한다. 중심 썸네일 주변의 몇십 개는 선명하게 렌더링하고, 중간 거리의 글들은 작은 이미지나 아이콘으로, 더 먼 글들은 희미한 빛점으로 표현할 수 있다. 전체 1,224개의 위치와 관계는 존재하지만 사용자가 매 순간 마주하는 것은 제한된 일부다. 방대한 자료를 한 화면에 밀어 넣는 대신, 방대함을 공간의 깊이로 느끼게 만드는 것이다.

다만 공간은 장식이어서는 안 된다. 규모가 큰 가상환경에서는 사용자가 길을 잃기 쉽다. 실제 공간과 가상공간 모두에서 랜드마크는 위치를 파악하는 중요한 단서가 되며, 가상환경 내비게이션 연구에서도 특징적인 랜드마크를 적절히 배치하는 것이 방향 감각을 돕는 핵심 설계 요소로 다뤄져 왔다. AI, 게임 개발, 사업, 음악과 같은 큰 군집에는 멀리서도 식별할 수 있는 형태와 이름이 필요하다. 핵심 주제는 광장이 되고, 중요도가 높은 글은 언덕이나 전망대가 되며, 두 군집을 연결하는 글은 다리가 될 수 있다. 사람은 좌표를 기억하지 못해도 “게임 지역과 AI 지역 사이의 다리 근처에서 본 글”은 기억할 수 있다.

이 엔진이 개인의 글에만 묶일 이유는 없다. 인체를 탐험한다고 생각해 보자. 멀리서는 뇌, 심장, 폐, 간이 보이고, 심장을 선택하면 심방과 심실, 판막과 혈관, 근육세포와 미토콘드리아로 이동한다. 반대로 혈액순환을 따라 신장과 호르몬, 내분비계로 건너갈 수도 있다. 1966년 영화 《판타스틱 보이지》가 축소된 인간들이 잠수정을 타고 인체 내부를 항해하는 상상을 보여주었다면, 디지털 지식 공간은 실제 신체를 축소해 여행하는 대신 해부학적 구조와 기능, 질병과 연구 자료 사이를 의미의 거리로 여행하게 만든다. 같은 원리는 우주와 음악사, 기업 문서, 연구 논문과 사진 컬렉션에도 적용할 수 있다. 결국 이것은 한 사람의 아카이브를 위한 특수한 전시 방식이 아니라, 위계보다 관계로 조직되는 지식을 담아내는 범용적인 인터페이스다.

바로 이 지점에서 기존의 지식 베이스와 지금 구상하는 공간이 갈라진다. 기존의 지식 베이스는 대개 핵심으로 수렴한다. 여러 문서를 합쳐 최신 정답을 만들고, 중복을 제거하며, 오래된 정보는 새 정보로 대체한다. 기업 위키와 매뉴얼에서는 그것이 필요하다. 그러나 창작자의 지식은 반드시 하나의 결론으로 수렴하지 않는다. 같은 글도 시간이 흐르면 다른 의미를 얻는다. 게임 개발에 관해 쓴 글이 몇 년 뒤에는 AI 협업에 관한 글로 읽힐 수 있고, 간편식에 관한 글이 소비자 편의보다 산업 생태계의 진화를 설명하는 글로 다시 해석될 수 있다.

픽사의 《인사이드 아웃》은 이러한 비수렴성을 인상적으로 형상화한다. 영화는 기억을 구슬 형태로 만들고, 본부에서 장기 기억 저장소까지 운반되는 거대한 공간으로 표현했다. 제작진은 기억 구슬이 이동하고 분류되는 구조를 구상하면서 실제 달걀 선별 공장의 컨베이어 시스템에서도 영감을 얻었다고 설명했다. 그러나 영화에서 기억은 정지된 파일이 아니다. 감정에 따라 의미가 달라지고, 한때 행복한 기억으로만 여겨졌던 사건이 슬픔과 결합하면서 전혀 다른 의미를 갖게 된다. 지식도 마찬가지다. 과거의 유산으로 남는 동시에 새로운 창작을 위한 재료가 된다. 이 둘은 서로 대립하지 않는다.

디지털 가든이라는 흐름이 오랫동안 말해온 것도 결국 같은 원리다. 완성된 글만 전시하는 블로그와 달리, 디지털 정원은 무질서한 메모와 완성된 출판물 사이에서 아이디어를 계속 수정하고 연결하며 자라게 하는 공간으로 설명된다. ‘크리에이티브 가든’을 제안한 연구 역시 창의적인 공동체가 성장하고 갈라지고 다시 결합하면서 새로운 혁신을 만들어내는 과정을 디지털 환경이 어떻게 지원할 수 있는지 물었다. 다만 지금 구상하는 공간은 평면적인 링크 모음보다 한 단계 더 나아간다. 연결의 강도와 군집의 크기, 비어 있는 지역과 지나치게 밀집된 지역을 실제 공간처럼 보이게 함으로써 자신의 지식이 어떤 모양으로 자라고 있는지를 직접 관찰하게 한다.

이때 AI의 역할은 방대한 정보를 대신 해석해 주는 데서 끝나지 않는다. AI는 창작자의 의도를 보존하고, 반복되는 방향을 나침반처럼 드러내며, 과거의 글을 현재의 관점에서 다시 해석할 수 있어야 한다. 같은 주제를 여러 번 다루었더라도 그것을 단순한 중복으로 처리하지 않고 생각이 어떻게 이동했는지를 보여줘야 한다. 1년 전에는 효율을 강조했지만 이후에는 비상계획과 지속 가능성을 더 중요하게 보게 되었다면, 두 주장은 서로 충돌해 제거되어야 할 오류가 아니라 사고가 진화한 흔적이다.

더 중요한 것은 이 도구가 다음에 무엇을 만들지 결정하는 데 쓰일 수 있다는 점이다. 기존 콘텐츠 플랫폼은 소비자가 많이 반응한 주제와 유행하는 형식에 창작자를 맞춘다. 조회수가 잘 나온 것을 반복하고 클릭률과 체류시간을 높이는 방향으로 최적화한다. 시장의 요구를 이해하는 데는 유용하지만, 계속 따라가다 보면 지식 지형은 알고리즘이 원하는 방향으로만 길게 늘어난다. 이미 반응이 확인된 분야는 비대해지고, 아직 반응을 얻지 못한 주제는 탐색되기도 전에 사라진다.

공간화된 지식 베이스는 다른 질문을 던진다. 왜 어떤 군집은 지나치게 커졌는가. 서로 관련 있어 보이는 두 분야 사이에 왜 연결 글이 없는가. 외딴섬처럼 고립된 주제는 버려야 하는가, 아니면 새로운 창작의 출발점인가. 지금 글 하나를 추가한다면 어느 빈 공간을 채울 수 있는가. 특정 글을 새롭게 해석하면 멀리 떨어진 두 군집 사이에 다리를 놓을 수 있는가. 이 질문들은 소비자의 반응을 무시하자는 뜻이 아니다. 외부의 반응만으로는 볼 수 없는 창작자의 의도와 장기적인 방향을 함께 살피자는 것이다.

영화 《마이너리티 리포트》에서 주인공은 거대한 화면 앞에서 손으로 영상 조각을 끌어오고 밀어내며 흩어진 단서를 재배열한다. 이 인터페이스는 단순한 영화적 장식이 아니었다. MIT에서 공간 인터페이스를 연구했던 존 언더코플러의 작업이 영화 설계에 반영됐고, 그는 이후 영화 속 발상을 실제 협업 시스템으로 발전시켰다. 이 장면이 지금도 강한 인상을 남기는 이유는 정보가 목록으로 정리되어 있기 때문이 아니다. 주인공이 수많은 단서 사이에서 관계를 직접 움직이고, 그 과정에서 이전에는 보이지 않던 의미를 발견하는 모습이 보이기 때문이다.

창작을 위한 지식 공간도 비슷해야 한다. AI가 정답을 완성해 화면에 내놓는 순간 탐험은 끝난다. 대신 AI는 “이 두 글은 서로 다른 소재를 다루지만 같은 문제의식을 공유한다”, “최근 6개월 동안 위험과 지속 가능성이라는 주제가 여러 군집을 가로질러 중심으로 이동했다”, “이 고립된 음악 글을 기술과 연결하면 새로운 창작 방향이 열릴 수 있다”고 제안해야 한다. 최종 판단은 창작자에게 남긴다. AI는 지형을 그리고 빛을 밝히지만 목적지를 대신 정하지 않는다.

그렇다면 이 시스템은 더 이상 과거를 보존하기 위한 지식 베이스가 아니다. 기존 지식 베이스가 유산을 정리하는 서고라면, 이것은 다음 창작을 길러내는 정원이다. 글을 쓰고 저장하는 것으로 끝나지 않는다. 공간을 탐험하고 관계를 발견하며, 과거의 의도를 현재의 관점에서 재해석하고, 그 결과로 다시 새로운 글과 이미지, 영상과 프로젝트를 만들어내는 순환 구조가 된다.

버니바 부시가 상상한 메멕스의 핵심은 자료를 많이 저장하는 능력 자체가 아니라 두 항목을 연결하고 그 연결을 따라가는 데 있었다. 오늘날의 AI는 그가 상상했던 것보다 훨씬 많은 자료를 읽고 관계를 계산할 수 있다. 그러나 AI가 모든 길을 대신 걸어준다면 인간에게 남는 것은 요약된 결론뿐이다. 더 흥미로운 미래는 AI가 이미 쌓인 지식에서 아직 보이지 않던 길을 드러내고, 사람이 그 길을 따라 새로운 것을 만들어내게 하는 데 있을지도 모른다.

대부분의 지식 시스템은 과거를 더 정확히 보존하기 위해 만들어졌다. 하지만 모든 지식이 하나의 정답으로 수렴해야 하는 것은 아니다. 어떤 지식은 시간이 흐를수록 변화하고, 다른 관점과 만나며, 다시 창작되어야 한다. 1,224개의 글은 완성된 유산일 수도 있다. 그러나 그보다 더 중요한 것은 아직 쓰이지 않은 1,225번째 글을 찾아가는 지도일 수 있다.

FROM BUNTGAMES.COM