LLM 없이 '추론'한다는 미노타우르… 검증 안 된 주장에 커뮤니티도 회의적

핵심부터 말한다. 언어 모델도, GPU도 쓰지 않고 사람의 추론을 흉내 내지 않으면서 논리적 추론을 수행한다는 새 아키텍처 **'미노타우르(Minotaur)'**가 해커뉴스에 등장했다. 작성자는 지난 글에서 규제 조항과 실제 적용 기록을 대조해 위반 여부·정도·위치를 가려내는 시연을 보였다고 밝혔다. 하지만 코드 저장소는 비어 있고, 글과 삽화 모두 AI가 생성한 듯한 문체라는 지적이 댓글에서 쏟아졌다.

주장의 뼈대: 예측이 아닌 '측정'으로 추론한다

미노타우르는 **ELC(구체적 의미 미공개)**라는 기반 위에서 답을 '예측'하지 않고 '측정'해 낸다고 한다. 작성자는 "규칙과 기록을 대조하는 건 사고의 한 종류"라며, LLM이 흉내 내는 폭넓은 추론(연역·설명·진단·가설 평가·반사실 추론·마음 바꾸기)도 자긴 다른 방식으로 수행한다고 주장한다.

LLM은 다음 단어를 예측하려고 수조 번 학습하면서 사람의 사고 과정을 모방하게 됐다는 게 작성자의 진단이다. 그 덕분에 '단계적으로 생각하라'는 프롬프트만으로 성능이 오르지만, 사람의 약점(믿음 편향, 프레임 효과, 사후 합리화)까지 고스란히 물려받았다고 지적한다. 검증·재현·인증 가능한 추론이 목적이라면 '사람이 생각을 적는 방식을 모방하는 것'은 출발점이 잘못됐다는 논리다.

60년 치 시행착오를 한 줄로 정리한 이유

기사의 절반 가까이는 LLM 이전 시도를 훑는다. 1956년 로직 시어리스트(정리 증명) → 일반 문제 해결기(탐색) → 조합 폭발로 좌절 → 1970년대 전문가 시스템(MYCIN, XCON) → 지식 습득 병목과 취약성으로 붕괴 → 논리 프로그래밍(프롤로그, 일본 5세대 프로젝트) → 현실이 논리 형태로 주어지지 않아 좌절. 이 흐름을 "각 시도가 멈춘 지점이 왜 LLM로 귀결됐는지" 설명하려 짚은 것으로 보인다.

작성자는 미노타우르가 이 계보의 어느 지점에서 다르게 풀었는지 명확히 밝히지 않았다. '구조 위에서 작동한다'는 추상적 표현만 반복된다.

커뮤니티 반응: "코드부터 보여달라"가 공통 분모

해커뉴스 댓글 24개 중 긍정 평가는 거의 없다. 주요 지적 세 가지다.

코드·재현 없음: "요약은 AI 생성 슬롭(저질 콘텐츠) 같고, 주장대로 작동하는 코드를 찾을 수 없다"(pcoz)
문체·이미지 모두 AI 티: "클로드 최신 글투 그대로다", "삽화가 AI 생성 SVG·파워포인트 느낌"(댓글 다수)
과신한 문장 구조: "'X가 아니라 Y다' 식 단정만 나열해 읽기 불쾌하다"(댓글)

한 댓글러는 관련 저장소(github.com/pcoz/operational-representation-of-system…)를 링크했지만, 작성자 본인 프로젝트인지조차 불분명하다.

쉽게 풀어보면

미노타우르라는 새 AI 시스템이 나왔습니다. 챗GPT 같은 거대 언어 모델(LLM)도, 비싼 GPU도 쓰지 않고 논리적 추론을 한다는 주장입니다. 작성자는 "LLM은 다음 단어를 예측하려고 사람 글을 흉내 내다 보니, 사람처럼 편향도 따르고 설명도 사후에 꾸민다"며, 자기 시스템은 규칙과 기록을 직접 대조해 '측정'하듯 답을 낸다고 말합니다.

비유하자면 이렇습니다. LLM은 수천 권의 판례를 읽고 '이 사건이면 이런 판결이 나오더라'는 패턴을 익힌 베테랑 변호사입니다. 빠르고 유연하지만, 논리적 틈새를 메꾸려 그럴싸한 말을 지어내기도 합니다. 미노타우르는 법전과 증거 기록을 조항 단위로 대조해 '위반 여부·정도·위치'를 계산하는 감사원에 가깝습니다. 패턴 추측이 아니라 구조적 검증을 한다는 뜻입니다.

문제는 감사원이 실제로 작동하는지 볼 수 있는 청사진(코드)이 공개되지 않았다는 점입니다. 글과 그림마저 AI가 만든 것 같다는 평가를 받습니다. "원리만 맞다면 대단하다"는 기대와 "증거부터 내놔라"는 회의가 동시에 나옵니다.

나에게 미치는 영향

당장 쓸 수 있는 도구는 아닙니다. 데모·코드·논문 어느 것도 공개되지 않았기 때문입니다. 하지만 흐름은 읽을 만합니다.

LLM 한 번 호출로 의도를 컴파일해 두고, 이후엔 소형 로컬 모델로 무한 분류·라우팅하는 방식(스트롯(Strot) 기사)이 3일 전 본지에 실렸습니다.
**텍스트를 넣으면 숫자 판정만 내놓는 경량 모델 '제브'**도 30일 전 다뤘습니다(제브 기사).

모두 **"거대 모델을 매번 부르지 않고, 추론·판단만 가볍게 분리해 쓰자"**는 흐름입니다. 미노타우르 주장이 사실이라면 이 흐름의 극단에 있습니다. 코드가 열리면 '규칙 기반 검증이 필요한 업무(컴플라이언스, 세무, 물류 규칙 검사 등)'에 LLM 비용 없이 쓸 수 있을지 테스트해 볼 만합니다. 그때까지는 '흥미로운 주장' 폴더에 넣어두세요.

남은 쟁점

ELC가 무엇인지 — 약어 풀이가 글 어디에도 없다.
측정 연산의 계산 복잡도 — 조합 폭발을 어떻게 피했는지 미공개.
학습 데이터·사전 지식 출처 — 전문가 시스템의 '지식 습득 병목'을 어떻게 풀었는지 침묵.
재현 가능한 벤치마크 — 규제 대조 시연 데이터셋·코드 미공개.

작성자가 "다음 글에서 자세히 다루겠다"고 했지만, 첫 공개 시점에 코드·데이터·논문 중 하나라도 같이 내지 않은 건 의도적일 수 있습니다. 커뮤니티가 "게으르다"고 표현한 이유가 거기에 있습니다.

본지 시각

LLM이 모든 추론을 독점하는 구도에 균열을 내려는 시도는 반갑습니다. 본지가 최근 다룬 스트롯·제브·'생각 숨기기' 연구 모두 같은 방향을 가리킵니다. 하지만 검증 없이 '역사적 필연성'만으로 자기 위치를 주장하는 건, 1980년대 전문가 시스템이 붕괴하던 순간과 닮았습니다.
기다리세요. 코드가 열리면 그제야 '미노타우르'가 괴물인지, 길잡이인지 판단할 수 있습니다.