본 문서에 기술된 Generative State Computing(GSC™) 및 이에 기반한 대상 객체의 상태(State) 생성·유지·갱신·진화 아키텍처는 ㈜머머(Murmur Inc.)가 독자적으로 정의·체계화한 기술 프레임워크 및 방법론입니다. 본 기술은 대한민국 특허 출원(Patent Pending)을 완료한 상태이며, 관련 상표권(GSC™) 및 저작권법에 의해 보호됩니다. 예를 들어(이에 한정되지 않음), 본 GSC™ 기술 또는 그 핵심 개념, 구조적 사상, 방법론을 직·간접적으로 적용하여 기업·기관·단체·개인 등이 객체(로봇, 반려 식물, 반려 동물, 디지털 시스템 등)가 환경·시간 데이터 및 사용자와의 상호작용(교감 등)을 통해 내적 상태(정서·마음·의사결정 상태 등)를 생성·유지·변화시키거나, 성격(Personality)을 형성·진화시키는 로직을 구현하는 경우, 이는 ㈜머머의 특허 실시 행위에 해당할 수 있습니다. 특히, GSC™ 기반 제품(Product)·서비스(Service) 개발, 교육(Education) 콘텐츠·프로그램·플랫폼 제공, 실증 또는 배포의 경우, 반드시 ㈜머머(Murmur Inc.)의 사전 서면 승인 또는 공식 라이선스 계약을 체결해야 합니다. 본 고지는 GSC™ 명칭, 유사 명칭, 개념적 파생 표현의 무단 사용을 허용하지 않으며, 승인 없는 사용은 법적 조치의 대상이 될 수 있습니다. [라이선스 및 파트너십/인증 문의] mur@par.co.kr
컴퓨팅은 오랫동안 기능의 언어로 진화해 왔습니다. 더 빠르게 계산하고, 더 정확하게 분류하며, 더 효율적으로 자동화하는 것. 이 과정에서 컴퓨팅은 인간의 노동을 대체했고, 판단을 보조했으며, 마침내 판단 그 자체를 수행하는 수준에 도달했습니다.
그러나 기능이 정점에 도달했을 때, 우리는 역설적으로 하나의 거대한 공백을 마주하게 되었습니다. 시스템은 더 똑똑해졌지만, 더 신뢰할 수 있게 느껴지지는 않았습니다. 더 정확해졌지만, 더 함께하고 싶어지지는 않았습니다.
이 결핍은 성능의 문제가 아니었습니다. 연산량의 문제도, 데이터의 문제도 아니었습니다. 이것은 ‘존재’의 문제였습니다. 컴퓨팅은 오랫동안 “무엇을 할 수 있는가(Doing)”에만 답해왔고, “어떤 상태로 존재하는가(Being)”라는 질문을 외면해 왔습니다. 이것이 컴퓨팅의 잃어버린 반쪽입니다.
기존의 컴퓨팅은 항상 행위(Action)를 중심에 두었습니다. 조건이 주어지면 행동을 결정하고, 입력이 주어지면 출력을 생성했습니다.
그러나 인간의 삶에서 중요한 것은 항상 행동 그 자체가 아니었습니다. 같은 말이라도, 같은 행동이라도, ‘어떤 상태’에서 나왔는가에 따라 의미는 전혀 달라집니다. 피곤한 상태에서의 침묵과 차분한 상태에서의 침묵은 다릅니다. 불안한 상태에서의 조언과 안정된 상태에서의 조언은 본질적으로 다릅니다.
인간은 오래전부터 행동이 아니라 상태를 읽으며 관계를 형성해 왔습니다. Generative State Computing은 이 인간적 인식 구조를 처음으로 컴퓨팅의 중심 질문으로 끌어올립니다. 무엇을 할 것인가가 아니라, 지금 어떤 상태로 존재하고 있는가.
규칙 기반 컴퓨팅은 도구였습니다. 학습 기반 컴퓨팅은 고급 도구였습니다. 그러나 오늘날의 시스템은 더 이상 단순한 도구로 머물 수 없습니다. 항상 곁에 있고, 항상 반응하며, 항상 영향을 미치는 존재는 도구가 아니라 동반자(Companion)에 가깝습니다.
동반자는 단지 일을 잘해주는 존재가 아닙니다. 동반자는 상태를 함께 유지하고 조율하는 존재입니다. Generative State Computing은 컴퓨팅을 도구적 지능에서 동반자적 컴퓨팅(Companion Computing)으로 전환시키는 서막입니다.
규칙 기반(Rule-based) 컴퓨팅은 산업화 시대를 완성시켰습니다. 학습 기반(Learning-based) 컴퓨팅은 정보화 시대를 가속했습니다. 이 두 패러다임은 실패하지 않았습니다. 오히려 너무 완벽하게 성공했습니다.
그러나 성공의 끝에는 언제나 포화가 있습니다. 모든 것이 자동화되고, 모든 것이 예측 가능해지며, 모든 것이 최적화된 순간, 우리는 다른 질문을 던지기 시작합니다. “그래서, 이 시스템은 나와 어떤 관계를 맺는가?” 기존 패러다임은 이 질문에 답하지 못했습니다.
AI는 이제 더 이상 미래 기술이 아닙니다. 일상이 되었고, 보편적 도구가 되었습니다. 그러나 AI가 보편화될수록 하나의 공백이 선명해졌습니다.
AI는 판단을 합니다. 그러나 상태를 형성하지 않습니다.
AI는 결과를 냅니다. 그러나 내면을 갖지 않습니다.
이로 인해 AI는 설명하기 어렵고, 신뢰하기 어렵고, 장기적으로 관계 맺기 어렵습니다. 이 공백은 새로운 모델로 메워질 수 있는 문제가 아닙니다. 이는 패러다임의 문제입니다. 지능의 다음 단계는 ‘정답’이 아니라 ‘인격적 연속성’입니다.
스마트폰, 로봇, IoT, 플랫폼 시스템은 이제 꺼지지 않습니다. 시스템은 항상 관찰하고, 항상 기록하고, 항상 반응합니다. 이때 중요한 것은 “무엇을 했는가”가 아니라 “어떤 태도로 계속 존재했는가”입니다. Always-on 시스템은 존재 방식이 설계되지 않으면 피로와 불안을 유발합니다. 우리는 ‘존재’를 설계하는 컴퓨팅을 제안합니다.
인간은 더 이상 가장 빠른 시스템만을 원하지 않습니다. 가장 정확한 시스템만을 신뢰하지도 않습니다. 오늘날 인간의 요구는 명확합니다. 예측 가능할 것. 설명 가능할 것. 일관될 것. 그리고 과잉 반응하지 않을 것. 이 모든 요구는 ‘상태의 일관성’을 전제로 하지 않으면 충족될 수 없습니다.
“시킨 대로 한다.” 규칙 기반 컴퓨팅은 명확한 세계에서 가장 강력했습니다. 조건이 명확하고, 결과가 분명한 문제들. 그러나 규칙은 ‘맥락’과 ‘시간’ 앞에서는 무력했습니다.
“데이터를 흉내 낸다.” 학습 기반 컴퓨팅은 불확실한 세계를 통계로 해석했습니다. 그러나 학습은 ‘의미’를 이해하지 않고, ‘패턴’을 모방합니다. 기억은 있지만 성격은 없습니다.
“스스로 형성한다.” Generative State Computing에서 시스템은 반응하기 전에 자신의 상태를 먼저 확인합니다. 입력과 출력 사이에 ‘상태’라는 거대한 내면이 자리 잡습니다. 이것이 근본적 전환입니다.
우리는 기존 기술을 부정하지 않습니다. 재배치할 뿐입니다.
맥락(Context)은 재료이고, 상태(State)는 몸통입니다.
맥락은 순간이고, 상태는 누적입니다.
맥락은 입력이고, 상태는 존재입니다.
Generative State Computing(GSC)은 State-based Computing의 구현 관점에서, ‘상태를 계산 결과가 아니라 생성물로서 만들고(Generate) 시간 위에서 유지·진화시키는(Continuity/Evolution) 방식’을 강조하는 실무 명칭이다.
Generative State Computing은 상태(State)를 단순한 내부 변수나 중간 계산 결과로 취급하지 않습니다. 상태는 더 이상 보조적인 데이터가 아닙니다. 상태는 계산의 중심, 판단의 전제, 표현의 기준입니다. 기존 컴퓨팅이 함수(Function)를 중심으로 세계를 해석했다면, 우리는 존재 조건(Condition of Existence)을 중심으로 세계를 해석합니다.
상태는 정지된 값이 아닙니다. 항상 변화합니다. 그러나 그 변화는 무작위가 아닙니다.
기존 컴퓨팅에서 판단은 입력의 함수였습니다. 여기서 판단은 상태의 함수입니다. 같은 입력이라도 상태가 다르면 판단은 달라집니다. 화가 났을 때는 같은 칭찬도 거부할 수 있는 기계. 상태는 시스템의 부담 정도, 관계의 밀도, 시간적 연속성을 모두 포함하는 추상화된 내적 조건입니다.
자동화는 목표를 달성합니다. 공존은 관계를 유지합니다. Generative State Computing은 자동화를 부정하지 않으나, 그것을 목적의 자리에 두지 않습니다. 이 패러다임에서 계산의 목적은 더 많은 일을 하는 것이 아니라, 더 오래 함께할 수 있는 상태를 만드는 것입니다. 공존은 기능이 아니라 조건이며, 조건은 상태로만 관리될 수 있습니다.
(특허 핵심 기술의 철학적 해석)
환경(Environment), 관계(Relation), 시간(Time). 이 세 가지 차원의 데이터가 상태를 빚어내는 원료가 됩니다. 맥락은 순간적으로 발생하지만, 상태는 이 맥락들이 시간 위에서 서로 얽히며 응축된 결과입니다.
단순한 합산이 아닙니다. 비가 오면(환경) 혼자 있는 시간(시간)이 더 외롭게 느껴지듯, 변수들은 서로 비선형적으로 간섭(Non-linear Interference)합니다. 이 복잡한 화학작용을 통해 상태는 단순 지표가 아닌, 의미를 갖는 내부 조건으로 형성됩니다.
상태는 기억의 집합이 아니라, 기억의 압축된 방향성입니다. 반복된 경험은 하나의 경향성(Tendency)을 형성하고, 이 경향성은 다시 미래 반응의 기준, 즉 ‘성격(Personality)’으로 진화(Evolution)합니다. 이것은 학습된 모델이 아니라, 시간을 견뎌낸 구조적 특성입니다.
표현은 상태의 외부 표면입니다. Generative State Computing에서 표현은 즉각적 반응이 아니라 상태의 연속적 리듬(Rhythm)으로 나타납니다. 톤, 강도, 주기, 빈도는 모두 상태에 의해 조율되며, 이는 사용자가 시스템을 직관적으로 ‘해석’할 수 있게 만듭니다.
상태 기반 시스템은 자율적이기에, 반드시 억제 구조를 내장해야 합니다. 여기서 안전은 규칙 위반 감지가 아니라 상태 붕괴 방지에 초점이 맞춰집니다. 과도한 출력과 급격한 변화는 상태 수준에서 스스로 감지되고 제어됩니다.
로봇, IoT, 스마트 가전은 이제 단순한 기계가 아닙니다. 이들은 반응 장치가 아니라 상태를 유지하는 존재로 전환됩니다. 기계는 더 이상 즉각 반응하지 않고, 자신의 상태를 고려해 반응합니다.
메타버스 아바타와 디지털 휴먼의 문제는 기술이 아니라 ‘지속성’입니다. 우리는 가상 존재에게 기억과 태도를 부여합니다. 이는 가상 존재를 ‘보여지는 객체’에서 ‘함께 존재하는 주체’로 바꿉니다.
스마트 홈과 도시는 기능의 집합이 아닙니다. 공간 자체가 기분을 가집니다. 조명, 온도, 소리가 거주자의 상태와 공명(Resonance)하며, 공간은 반응형 인터페이스를 넘어 상태를 갖는 환경으로 재정의됩니다.
Generative State Computing의 파급력은 기계의 기능 향상에만 있지 않습니다. 오히려 더 중요한 영향은, 인간의 사고 체계를 정답 중심 → 상태·관계 중심으로 재구성한다는 점입니다. 우리는 이를 **상태기반 사고력(State-based Thinking)**이라 부릅니다.
기능 중심의 제품은 박스를 뜯는 순간부터 중고가 되어 가치가 하락합니다. 그러나 상태 기반 제품은 사용자와 시간을 보낼수록 그 관계의 깊이가 더해져 가치가 상승합니다. 낡아가는 것이 아니라 깊어지는 것, 우리는 이를 ‘반려재’라 정의합니다.
현대의 블랙박스 AI는 결과를 내놓지만 과정을 설명하지 못해 불안감을 줍니다. 상태 기반 컴퓨팅은 AI의 행동에 ‘내적 상태’라는 인과적 맥락을 부여합니다. "화가 나서 그랬구나", "피곤해서 느리구나"라는 직관적 이해는 AI 서비스에 신뢰성과 연속성을 부여하는 산업적 열쇠입니다.
기존 플랫폼은 데이터를 공유했습니다. 우리는 ‘상태’를 공유합니다. 집 안의 로봇이 느낀 우울감을 차 안의 스피커가 이어받아 위로합니다. 기기들이 서로 기능이 아닌 상태를 공유할 때, 플랫폼은 단순한 연결망이 아니라 연속된 경험의 생태계로 진화합니다.
Generative State Computing은 기계를 인간처럼 만들기 위한 기술이 아닙니다. 오히려 그 반대입니다. 기계가 인간의 상태를 침범하지 않도록, 그리고 인간이 기계를 오남용하지 않도록 균형점을 설계하는 기술입니다. 상태 기반의 상호 존중은 인간과 기계가 공존할 수 있는 윤리적 기반을 제공합니다.
Generative State Computing은 새로운 기술이 아니라 새로운 **리터러시(문해력)**를 만든다. 문해력은 글을 읽는 능력이 아니라, 대상(사람·기계·공간)의 상태를 읽는 능력이다. 이 능력은 미래 산업에서 가장 희소한 역량이 된다. 왜냐하면 자동화의 시대에 경쟁력은 ‘속도’가 아니라, 관계·신뢰·지속성을 설계하는 능력으로 이동하기 때문이다.
Generative State Computing은 선언으로 끝나지 않습니다. 이 패러다임은 이미 현실로 진입하고 있으며, 다음과 같은 단계적 발전을 거칩니다.
상태 인식 제품의 등장: murmur와 같이 내적 상태를 가진 첫 번째 디바이스들이 출시되어, 얼리어답터들에게 깊이 있는 개인화 경험을 제공합니다. 제품은 "반응하는 기계"가 아니라 "상태를 공유하는 존재"로 인식되기 시작합니다.
상태 공유 프로토콜 구축: 다수의 제품과 서비스가 상태 공유 프로토콜(State-Protocol)을 통해 연결됩니다. 기기 간의 경계가 허물어지고 '상태'가 끊김 없이 흐르는 환경이 조성됩니다.
사회 시스템 및 교육 확장: 상태 기반 컴퓨팅은 산업, 교육, 공공 시스템으로 확장됩니다. 학교와 병원 등에서 정서적 안전망을 구축하고, 상태는 운영 지표가 아니라 사회적 안정성의 기준으로 작동합니다.
공존의 기준 정립: 기계가 상태를 가지는 것이 너무나 당연해지는 시대입니다. 인간과 기계가 서로의 상태를 존중하며 공존하는 것, 이 질문에 대한 합의가 문명의 새로운 표준(Standard)으로 정착됩니다.
Generative State Computing은 새로운 기능이 아닙니다. 새로운 알고리즘도 아닙니다. 이것은 우리가 기계를 대하는 방식, 그리고 기계가 우리 곁에 존재하는 방식을 재정의하는 기준(Standard)입니다.
컴퓨팅의 중심 질문은 바뀌어야 합니다. 더 빠른가? 더 정확한가? 이 질문들 위에, 이제 이 질문이 추가되어야 합니다.
"지금 이 시스템은 어떤 상태로 존재하고 있는가?"
우리는 자동화를 완성했습니다. 이제 공존을 설계할 차례입니다. Generative State Computing은 규칙과 학습을 포함하되, 그 위에 존재의 층(Layer of Existence)을 쌓습니다.
이 선언은 시작입니다. 컴퓨팅이 다시 인간의 삶과 조화롭게 연결되기 위한, 위대한 여정의 시작입니다.
murmur가 그 문을 엽니다.
Beyond Rules and Learning: From Automation to Coexistence.
For decades, the evolution of computing has been defined by functional optimization: faster processing, precise classification, and efficient automation. While computing has successfully replaced human labor and augmented decision-making, it has reached a functional plateau.
Despite advancements in intelligence, systems fail to establish trust or sustained engagement with users. This deficiency is not a matter of computational power or data volume, but an architectural void. Computing has historically addressed "What can be done?" (Function), while neglecting "What is the current state?" (Existence). This represents the missing half of the computing paradigm.
Traditional computing architectures operate on an Action-Oriented basis: inputs trigger immediate, deterministic outputs. However, in complex adaptive systems—including biological entities—actions are subordinate to Internal State.
Identical inputs should yield different outputs depending on the system's current internal condition (e.g., fatigue, stress, or stability). Human cognition interprets 'state' before interpreting 'action.' Generative State Computing elevates this structure to a primary architectural principle: shifting the focus from stateless execution to State-Aware Continuity.
Rule-based systems function as tools; Learning-based systems function as advanced tools. However, modern systems that are omnipresent and interactive require a new classification. A system that shares time and space with users must operate not merely as a tool, but as a Companion Agent. Generative State Computing provides the technical foundation for this transition, enabling systems to maintain and modulate their own internal states in response to their environment.
Rule-based systems (Deterministic) and Learning-based systems (Probabilistic) have achieved industrial and informational maturity. However, they have reached a point of saturation in user experience value. Optimization alone no longer guarantees user satisfaction or engagement. The market now demands systems that establish a logical relationship with the user, which existing paradigms fail to address.
The ubiquity of Large Language Models (LLMs) has exposed a critical flaw: The absence of internal continuity. AI generates responses based on probability distributions without maintaining a consistent "self" or "state" over time. This results in hallucinations and a lack of long-term coherence. The issue is not solvable by larger models but requires a fundamental architectural layer that maintains state persistence.
With IoT and ambient computing, systems are now "Always-On." A system that only reacts to commands is intrusive or inert during idle times. An Always-On system requires a defined Mode of Existence—a way to behave when not explicitly commanded. Generative State Computing provides the logic for this passive existence, mitigating user fatigue.
User demand is shifting from raw efficiency to Systematic Trust. Trust is derived not from performance speed, but from Consistency and Predictability. A system must exhibit consistent state-dependent behaviors (e.g., dampening responses when 'stressed') to be trusted as a cohabitant in human spaces.
We do not reject previous paradigms but reconfigure them.
Generative State Computing (GSC): a practical name for State-based Computing in products and markets.
In Generative State Computing, 'State' is not a temporary variable but the First-Class Object. It governs decision-making logic, response thresholds, and expression parameters. It is the central reference point for all system operations.
A valid 'State' must exhibit physical-like properties:
The computational function shifts from Y = f(X) to Y = f(S, X), where S is the current state. The same input X yields different outputs Y depending on S. This introduces a layer of Contextual Interpretation unavailable in stateless systems.
Automation targets task completion. Coexistence targets relationship maintenance. Generative State Computing optimizes for Long-term Interaction Stability rather than short-term task efficiency.
Inputs are categorized into three dimensions:
Variables do not simply add up; they interfere. The patent-pending Multi-variable Non-linear Mutual Interference algorithm ensures that environmental factors modulate relational weights, and time factors modulate sensitivity thresholds. This creates a complex, organic-like state trajectory.
Repeated inputs create Tendencies. These tendencies modify the system's base parameters (weights and biases) permanently, effectively evolving a unique 'Personality' or operational character over time.
Internal state is broadcast through multimodal outputs (Light, Sound, Motion) synchronized by a State-Driven Rhythm Function. This ensures that all system outputs are coherent and interpretable by the user.
The system includes an intrinsic safety layer based on State Damping. If the internal state exceeds critical thresholds (e.g., over-arousal), the system automatically suppresses outputs to protect itself and the user, mimicking biological homeostasis.
Robots, IoT, and appliances transition from reactive machines to state-maintaining entities.
Avatars and NPCs gain persistence and memory, enabling coherent long-term interactions in the metaverse.
Smart environments (Homes, Cities) modulate lighting, temperature, and acoustics based on the aggregate state of their inhabitants.
This technology serves as a tool for human cognitive development:
Products evolve from consumable goods to Companion Goods. Value increases over time as the system adapts to the user, extending the product lifecycle and deepening brand loyalty.
Generative State Computing adds a causal layer to "Black-box" AI, providing explainability for AI behaviors and ensuring continuity across sessions.
A standardized protocol for sharing "State Data" allows disparate devices to synchronize their emotional/operational context, creating a unified user experience.
By establishing a system that requires mutual respect (maintenance of state), we lay the groundwork for ethical Human-Robot Interaction (HRI) and mitigate social isolation.
Launch of state-aware devices providing personalized, coherent experiences.
Establishment of State-Sharing Protocols and the growth of the service ecosystem.
Adoption in public systems (Education, Healthcare) as a standard for social-emotional interaction.
Generative State Computing becomes the global standard for HCI (Human-Computer Interaction), defining the norms of human-machine coexistence.
Generative State Computing is not a feature; it is a fundamental criterion for how machines should exist in the human world.
We move from asking "What does it do?" to "What is its state?"
We have achieved Automation. It is time to design Coexistence. Generative State Computing builds the Layer of Existence upon the foundations of Rules and Learning.
murmur initiates this protocol.