2026년 6월 1일
백만 번의 상호작용: 사람들이 LifeSim을 플레이하는 방법
초록
LifeSim의 미션은 모든 사람이 무한한 잠재력을 탐구하도록 돕는 것입니다.
LifeSim은 백만 건 이상의 플레이어 상호작용을 기록했습니다. 이 연구는 사람들이 캐릭터를 만들고, 관계를 형성하며, 플레이하는 방식을 이해하기 위해 629,169개의 메시지를 분석합니다.
가장 긴 검증된 세션은 13.4시간 동안 지속되었으며, 1,143개의 플레이어 메시지가 있었습니다. 플레이어는 62,616개의 캐릭터를 만들었습니다. 아래 결과는 그들의 행동과 대화 주제를 분석한 것입니다.
- 629,169개 분석된 채팅 메시지
- 806분 최장 검증 세션 (13.4시간, 1,143개 메시지)
- 62,616개 사용자 생성 캐릭터
- 74,696개 보존된 감정 기억
- 콘텐츠의 88.9%에서 감정적 취약성 발견
백만 건의 상호작용을 통해 LifeSim은 챗봇 패러다임을 넘어 근본적으로 새로운 매체로 진화했음을 확인했습니다. LifeSim은 AI가 단순히 즐거움을 주는 도구가 아니라, 영구적이고 상태를 유지하며 감정적으로 일관된 시뮬레이션에 기반을 둔 자유 의지를 가진 인공 존재들로 가득 찬 샌드박스 환경입니다. LifeSim의 미션은 모든 인간의 무한한 잠재력을 탐구하는 것입니다.




| 시대 | 연도 | 특성 |
|---|---|---|
| 인쇄물 | 1450 | 수동적 · 스크립트 기반 · 읽기 |
| 텔레비전 | 1950 | 수동적 · 스크립트 기반 · 시청 |
| 넷플릭스 | 2007 | 수동적 · 알고리즘 기반 · 몰아보기 |
| 소셜 미디어 | 2010 | 반응형 · 알고리즘 기반 · 스크롤 |
| AI 챗봇 | 2022 | 능동적 · 무상태 · 채팅 |
| LifeSim | 2025 | 능동적 창작 · 영구적 · 새로운 |
1. 핵심 아이디어
LifeSim은 AI 기반 엔터테인먼트의 새로운 장르입니다. 사용자가 감정적 깊이를 가진 캐릭터를 만들고, AI 존재들과 관계를 형성하며, 실제 환경에 기반을 둔 새로운 내러티브를 통해 상호작용을 지속하는 영구적인 다중 에이전트 생활 시뮬레이션입니다. 이러한 장르는 기반 모델이 다중 턴, 상태 유지, 감정적으로 일관된 상호작용에 충분한 일관성을 달성했을 때 비로소 가능해졌습니다.
백만 건 이상의 플레이어 상호작용을 바탕으로, 이 보고서는 LifeSim의 라이브 프로덕션 데이터를 행동적(사용자가 하는 일) 및 의미론적(사용자가 말하고 만드는 일)이라는 두 가지 보완적인 계층에 걸쳐 분석하여 특정 질문에 답합니다. 참여의 깊이는 어느 정도이며, 측정 가능한가?
분석된 629,169개의 채팅 메시지 중 P95 세션 지속 시간은 98.7분입니다. 즉, 사용자는 깊은 수준에서 AI 캐릭터와 거의 두 시간 동안 상호작용을 유지합니다. 가장 긴 검증된 세션은 806분(13.4시간)으로, 1,143개의 연속 사용자 메시지와 평균 30초의 간격을 두고 분 단위 미만의 연속적인 상호작용이 이루어졌습니다. 사용자의 91.7%는 새로운 것을 탐색하기보다는 10개 미만의 관계에 집중합니다. 이는 애착 행동이지, 새로운 것을 시도하는 것이 아닙니다. 사용자는 실질적인 정체성을 가진 62,616개의 캐릭터를 만들었습니다. 12,101개는 정의된 두려움을, 12,095개는 정의된 꿈을, 11,501개는 배경 스 토리를 가지고 있습니다. 74,696개의 감정적 기억이 시스템에 보존되어 있습니다. 분석된 콘텐츠의 88.9%는 감정적 취약성을 나타냅니다.
이것은 챗봇 사용이 아닙니다.
LifeSim은 깊고, 상태를 유지하며, 감정적으로 몰입된 상호작용을 생성합니다. 여기서 사용된 이중 계층 분석 인프라는 이러한 패턴을 추적하고, 측정하며, 제품 및 모델 결정에 활용할 수 있음을 보여줍니다.
| 명령 | 출력 |
|---|---|
| $ npm run analyze:dataset | [정보] 639,590개의 원시 채팅 기록 로드 중... |
| [정보] 포함 필터 적용 중 (사용자 + NPC만)... | |
| [성공] 629,169개의 기록 통과 (98.4%) | |
| $ npx ts-node src/pipelines/reconstruct_sessions.ts | [경고] 구조화되지 않은 타임라인 간격 발견. 해결 중... |
| [정보] 다중 캐릭터 관계 그래프 연결 중... | |
| [정보] 참여 깊이 구간 계산 중... | |
| [데이터] P95_SESSION_DUR = 98.7m | |
| [데이터] MAX_SESSION_DUR = 806.0m |
2. 데이터 세트
| 지표 | 값 |
|---|---|
| 사용 가능한 대화 | 629,169 |
| 실질적인 정체성을 가진 캐릭터 | 62,616 |
| 보존된 기억 | 74,696 |
포함 기준. 사용자 및 NPC 대화 내용을 분리하기 위해 시스템 생성 메시지(소개, 제안된 행동, 기억 알림)는 의미론적 분석에서 제외되었습니다. 총 639,590개의 대화 중 629,169개가 품질 필터를 통과했습니다.
| usable_conversations | 629,169 |
| characters | 62,616 |
| 기억 | 74,696 |
| 포함 | 사용자 + NPC만 |
| 필터_비율 | 629,169 / 639,590 |
| 통과_비율 | 98.4% |
3. 인프라
분석 인프라
LifeSim은 메시지, 캐릭터, 세계, 세계 상태, 기억, 알림, 사용자, 세션 등 행동 신호, 의미론적 콘텐츠, 지속적인 상태를 아우르는 8개의 상호 연결된 컬렉션에서 데이터를 생성합니다. 여기서 구조화된 통찰력을 추출하려면 특별히 구축된 인프라, 즉 전체 데이터 표면에서 작동하는 두 가지 보완적인 분석 파이프라인이 필요합니다.
행동 파이프라인. 정식 정규화 계층은 주기 감지 및 대체 해결을 통해 혼합 스키마 레코드를 조정합니다. 그 위에 세션 재구성 엔진은 30분 비활성 임계값을 사용하여 세계, 캐릭터, 채팅 및 세계 상태 업데이트 전반에 걸쳐 사용자 연결 이벤트를 그룹화합니다. 이 파이프라인은 원시 생산 데이터에서 스레드, 세션 및 참여 패턴을 구성합니다.
의미론적 파이프라인. 콘텐츠는 5개의 컬렉션(채팅, 캐릭터, 세계 상태, 기억, 알림)에서 추출되어 통합 텍스트 스키마로 정규화되고, 깊이 구간에 걸쳐 계층화된 무작위 샘플링을 사용하여 45개의 분석 샤드로 구성됩니다. 각 샤드는 감정적 등록, 관계 역학, 정체성 신호, 콘텐츠 깊이 및 지속성 마커를 포함하는 고정 분류법을 사용하여 구조화된 LLM 분석(Gemini 3.1 Pro)으로 분류됩니다. 이 파이프라인에는 체크포인트, 샤드 수준 유효성 검사 및 교차 샤드 집계가 포함됩니다.
