챗GPT, 대화 사이에 기억을 ‘다듬는’ 드리밍

OpenAI가 ChatGPT의 기억을 백그라운드에서 스스로 정리·갱신하는 방식 ‘드리밍(Dreaming)’을 소개했습니다. 사용자가 ‘이걸 기억해 둬’라고 명시적으로 요청하지 않아도, 여러 대화에서 자연스럽게 드러난 맥락을 모델이 종합해 가장 신선하고 관련 있는 기억 상태로 유지한다는 것이 핵심입니다.

"드리밍은 챗GPT가 수많은 대화로부터 배우고 기억 상태를 종합해, 늘 가장 신선하고 관련 있는 맥락을 제공하게 한다."OpenAI

왜 중요한가

기존의 ‘저장된 기억(saved memories)’은 시간이 지나면 낡는다는 한계가 있었습니다. 드리밍은 이를 보완해, 예컨대 ‘7월에 싱가포르에 갈 예정’이라는 기억을 여행이 끝난 뒤 ‘2026년 7월에 싱가포르에 다녀옴’처럼 과거형으로 자동 수정합니다. 명시적 요청에 기대지 않고 대화 속 맥락을 흡수하므로, 개인화의 정확도가 한 단계 올라가고 오래된 정보가 주는 ‘어긋남’이 줄어듭니다. 종합된 기억은 메모리 요약 페이지에서 검토·수정할 수 있습니다.

실무 적용

‘알아서 기억하는’ AI는 편리하지만, 무엇을 기억하고 언제 꺼낼지에 대한 통제권이 함께 가야 안전합니다. 사용자는 요약 페이지에서 기억을 추가·수정하고 ‘어떤 주제를 언제 꺼낼지’ 지시할 수 있습니다. 제품에 자동 메모리를 붙일 때는 민감 정보의 보존 범위, 사용자 검토·삭제 경로, 그리고 ‘틀린 기억’을 바로잡는 흐름을 처음부터 설계하는 것이 핵심입니다.

교차 참고

• Nielsen Norman Group: Context Architecture — 모델이 맥락을 해석하도록 정보를 설계하는 관점에서 ‘기억’ 개선을 보완합니다.
• OpenAI: Previewing GPT-5.6 Sol — 모델 세대 갱신과 맞물려 ChatGPT의 개인화가 어떻게 강화되는지 함께 보여줍니다.

Wemeet의 관점

AI의 ‘기억’은 편의와 통제 사이의 줄타기입니다. Wemeet은 자동 메모리의 개인화 이점을 취하되, 사용자가 무엇이 기억됐는지 보고 고치고 지울 수 있는 경로를 먼저 설계해 ‘똑똑하면서도 믿을 수 있는’ 개인화를 우선합니다.