연구 방법론

RESEARCH METHODS

SRI는 AI의 속도와 탐색 범위를 활용하면서도 출처, 주장 경계, 인간 책임, 반증 가능성을 잃지 않는 연구 방법론을 구축합니다.

기본 순환 구조

Question → Evidence → Model → Computation → Prototype → Observation → Critique → Revision

결론으로 직선적으로 나아가는 것이 아니라, 어느 단계에서든 질문과 모델로 되돌아갈 수 있는 순환 구조로 관리합니다.

Human–AI Research

AI는 문헌 후보 탐색, 구조화, 가설 생성, 반례 탐색, 계산 보조, 표현 변환을 담당합니다. 인간은 연구 목적, 윤리, 중요한 전제, 외부 공개, 사회적 행위에 대한 책임을 집니다. AI의 출력물을 출처나 증거로 간주하지 않습니다.

Evidence & Claim Levels

• Observed Fact：출처나 데이터에서 직접 확인할 수 있는 사항
• Source Claim：외부 자료가 주장하는 사항
• SRI Concept：SRI가 정의한 개념/프레임워크
• Working Hypothesis：검증 중인 설명 후보
• Computational Evidence：조건과 범위가 한정된 계산 결과
• Countermodel / Limitation：반례, 경쟁 이론, 적용 한계
• Revision：증거 및 비판에 기반한 변경

Computational Verification

코드, 입력, 모델, 환경, 난수, 대상 범위, 실패 사례를 가능한 한 기록합니다. 유한 범위의 확인을 무한 일반의 증명으로 확장하지 않으며, 재현 가능성과 정지 조건을 설정합니다.

연구 출처 (Research Provenance)

결과물에는 출처, 버전, 작성일, 변환 이력, 사용된 모델/도구, 검토 상태를 연결합니다. 기밀 정보, 개인 정보, 인증 정보는 공개 출처(Provenance)에 포함하지 않습니다.

연구 (Research) 시스템 (Systems) 프로그램 (Programs)

질문과 증거 (Question and Evidence)

결론이나 상품을 먼저 정하고 정보를 모으는 것이 아니라, 질문의 범위와 답이 바뀌는 조건을 정의합니다. 증거(Evidence)에는 출처 URL, 획득 시각, 원문, 버전, 저자, 공개 주체, 추출 방법을 남깁니다. 검색 결과나 AI 요약만을 일차 자료로 취급하지 않습니다.

모델과 계산 (Model and Computation)

모델은 현실의 일부를 선택하여 표현한 것입니다. 변수, 가정, 경계 조건, 대상 외(Out of scope)를 명시하고, 여러 모델이 있을 경우 조기에 통합하지 않습니다. 계산에서는 재현 가능한 입력과 환경, 오차, 실패 사례를 기록하며, 결과만으로 도출할 수 없는 주장은 Validation Gate에서 차단합니다.

프로토타입과 관찰 (Prototype and Observation)

시제품은 이론의 정당성을 증명하는 것이 아니라, 구현 시 나타나는 제약을 관측하는 장치입니다. 사용자, 운영 부하, 장애, 안전성, 법적 조건을 포함한 현실적인 피드백을 수집하여 Theory와 System으로 되돌립니다.

비평과 수정 (Critique and Revision)

내부 검토에서는 가장 강력한 반대 설명, 누락된 출처, 재현 불가능한 부분, 이해 상충을 탐색합니다. 외부 비판을 받은 경우, 원래의 결과물을 묵인하고 수정하지 않으며, 정정, 철회, 신규 버전을 구분합니다. 개정이 가능하다는 것을 약점이 아니라 연구의 필수 요건으로 간주합니다.

AI 사용 시 추가 규칙

• 사용 모델, 프롬프트 목적, 주요 입력을 작업 이력에 남긴다
• 그럴듯한 인용, 수치, 고유명사를 원 자료와 대조한다
• 동일 모델의 자체 평가만으로 검증을 완료하지 않는다
• 기밀 정보/개인 정보를 불필요하게 모델에 전달하지 않는다
• 공개 전에 인간이 주장 경계, 권리, 안전성을 확인한다

주장 수준 격상 (Claim Level Promotion)

가설적 가설(Working Hypothesis)에서 계산 증거(Computational Evidence)로 나아가기 위해서는 재현 가능한 조건이 필요합니다. 증명 등급(Proof-grade)으로 가려면 유한 계산이 아닌 논리적 의존성이 닫히고, 미증명된 가정이 명시되어야 합니다. 외부 검증(Externally Verified)은 SRI 내부의 재확인이 아니라 독립적인 제3자가 방법과 결과를 검토한 상태를 의미합니다.

분야 간 횡단 시 주의사항 (Cross-Disciplinary Caution)

수학, 물리, AI, 사회 제도에서 같은 단어를 사용하더라도 정의와 증거 기준은 다릅니다. ‘관측’, ‘선택’, ‘에너지’, ‘양자’ 등을 분야 간 이동시킬 때는 비유, 형식적 대응, 경험적 동일성을 구별해야 합니다. 공통된 도식이 있다는 것만으로 같은 인과 기제가 있다고 결론 내릴 수 없습니다.

라이트하우스 방법론 (Lighthouse Method)

라이트하우스 방법론은 복잡한 정보 환경에서 하나의 결론에 서둘러 갇히지 않고, 여러 지도(Map), 증거, 반증, 미결정 영역을 병렬적으로 유지하는 연구 및 의사 결정 방법입니다. 과거의 사실을 필요에 따라 수정하지 않으며, 동시에 미래를 단일 최적해로 가두지 않음으로써 인간이 재관측하고, 다시 선택하며, 책임을 질 여지를 남깁니다.

SRI는 이 방법을 연구, AI 거버넌스, 조직 판단에 적용합니다. 공개된 헌장(Charter)과 현재 구현은 독립 사이트인 SEERAVERSE Lighthouse ↗에서 확인할 수 있습니다.

공개 전 검토 (Pre-Publication Review)

공개물은 사실성, 출처, 논리, 권리, 프라이버시, 안전성, 독자에게 오해를 줄 가능성을 확인합니다. 연구 기사에서는 주장 경계(Claim Boundary)와 한계(Limitations)를, 실무 기사에서는 대상일과 확인 방법을, 번역물에서는 고유어/수치/링크의 보존을 검사합니다.

방법론 자체 수정 (Method Revision)

방법론은 고정된 규칙 집합이 아닙니다. 사고, 재현 실패, 외부 비판, 기술 변화에 따라 업데이트됩니다. 변경 시에는 적용 시작일, 영향을 받는 결과물, 재검증의 필요성을 기록하며, 과거 결과물에 현재 기준을 소급 적용한 것처럼 보이게 하지 않습니다.