차원을 의도적으로 추가하기
고양이를 가져와봐. a_cat = np.random.rand(64, 64, 3) 하면 64×64 RGB 이미지 — 그럴듯한 3-D 표현이지. 좋은 고양이. 차원 셋, 숫자 ~12,000개, 시각적 표면을 잡아냄.
이제 고양이한테 안경을 씌워. 안경도 데이터야 — 프레임 색, 렌즈 틴트, 위치 오프셋, 어이없음 지수. 안경 추가는 고양이를 *대체* 하는 게 아니야. 고양이의 차원과 안경의 차원을 합쳐서 새 entity 를 composing 하는 거야. cat_with_glasses = combine(cat, glasses).
모자도 추가. 이제 cat_with_glasses_and_hat. 더 밀어붙여: 성격, 기분, 이름. 차원이 쌓여. 고양이-스러움이 풍부해져.
충분히 밀면 캣우먼이라는 고차원 존재에 도달해 — 고양이-스러움, 인간-스러움, 연극성, 백스토리가 합쳐진 차원으로 공존하는 존재. 새 종을 추가한 게 아니야. 이미 가진 차원으로 인스턴스를 composing 한 거야.
물리적 × 추상적
사람들이 걸려 넘어지는 도약: 귀여움 도 차원이야. vibe, cringe, 패션 센스, 주인공 에너지 도. 이건 털 색처럼 고양이의 어딘가에 물리적으로 있는 게 아니지만 — 고양이를 이해 해야 하는 모델한테는 픽셀만큼이나 진짜야.
현대 AI 는 이 아이디어를 객체당 수천 차원까지 끌고 가. GPT 급 모델에서 단어 하나는 ~4,096차원 공간에 살아. 비전-언어 모델에서 이미지도 비슷한 territory. 이 축의 대부분은 사람이 읽을 수 있는 이름이 없어 — 모델이 학습 중에 발명한 거야. 의미의 차원이고, 데이터에서 학습된 거야.
객체지향 mold
이미 OOP 를 하고 있으면서 그 단어를 안 쓰고 있어:
Cat은Mammal을 상속,Mammal은Animal을 상속.CatWithGlasses는Cat+Glassescomposition.CatWoman은Cat과Woman다중 상속 (다중 mold-stacking 어서와).
같은 본능 — 깨끗한 mold 로부터 풍부한 instance 를 compose 한다 — 가 Python class 디자인과 AI feature engineering 둘 다 굴려. 같은 아이디어의 dialect 야.
class Mr.Nobody():
class Mr.NobodyAge10(Mr.Nobody):