무지의 인식에 대한 새로운 논리적 접근

초록

이 논문은 기존의 일반 인식 논리(LGA)를 확장하여 원시 명제에 대한 양화를 허용하고, 각 세계마다 서로 다른 언어를 부여함으로써 에이전트가 자신의 인식 범위에 대한 불확실성을 표현할 수 있게 한다. 완전성 증명과 함께, 양화 없는 부분은 Heifetz·Meier·Schipper(2008) 논리와 동일한 공리계로 특징지어진다.

상세 분석

본 연구는 Fagin·Halpern(1988)의 일반 인식 논리(LGA)에 양화자를 도입함으로써 “에이전트는 자신이 알지 못하는 사실이 존재한다는 것을 안다”는 메타인식을 공식화한다는 점에서 의미론적 진보를 이룬다. 그러나 기존 LGA는 에이전트가 “모든 공식에 대해 인식하고 있는가?”라는 질문에 대해 불확실성을 표현하지 못한다는 한계가 있었다. 이를 해결하기 위해 저자들은 모델 구조를 수정하여 각 가능한 세계 w에 대해 해당 세계에서 사용 가능한 언어 L_w를 별도로 지정한다. 즉, 세계마다 원시 명제 집합이 달라질 수 있으며, 이는 에이전트가 특정 세계에서 어떤 명제 자체를 인식하지 못할 수도 있음을 의미한다. 이러한 다중언어 모델은 전통적인 Kripke 구조에 언어 제한을 추가한 형태이며, 인식 연산 K_i와 무지 연산 A_i를 동시에 정의할 수 있게 한다.

주요 기술적 공헌은 다음과 같다. 첫째, 새로운 모델 정의에 맞는 구문-의미론적 일치를 보장하는 완전하고 sound한 공리계가 제시된다. 공리계는 기존 LGA의 공리와 양화자를 다루는 전통적 1차 논리 공리를 결합하되, 언어 변동성을 반영하기 위해 ‘언어 포함’ 관계를 명시하는 추가 공리를 포함한다. 둘째, 양화자를 포함한 전체 논리와 양화가 없는 프래그먼트 사이의 관계를 분석한다. 자연스러운 가정(예: 각 세계의 언어가 상위 세계의 언어를 포함한다는 전제) 하에서, 양화 없는 부분은 Heifetz·Meier·Schipper(2008)의 인식·무지 논리와 동일한 공리계로 완전히 특징지어진다. 이는 새로운 프레임워크가 기존 연구와 호환되면서도 더 풍부한 표현력을 제공한다는 것을 의미한다.

또한, 모델 이론적 측면에서 저자들은 ‘언어 확장’과 ‘언어 축소’ 연산을 정의하고, 이러한 연산이 인식·무지 연산과 어떻게 상호작용하는지를 정량적으로 분석한다. 특히, 에이전트가 자신의 언어가 완전하지 않을 가능성을 인식하는 경우(K_i ¬A_i p와 같은 형태)와, 반대로 자신이 모든 가능한 사실을 인식하고 있다고 믿는 경우(K_i A_i p)의 구분이 명확히 드러난다. 이러한 구분은 경제학·게임이론에서 ‘불완전 정보’와 ‘불완전 인식’의 차이를 모델링하는 데 직접적인 적용 가능성을 제공한다.

마지막으로, 완전성 증명은 표준적인 힐베르트 스타일의 증명과 함께, ‘언어 확대 모델’에 대한 복합적 귀류법을 활용한다. 이는 기존의 완전성 증명에서 간과되던 언어 변동성을 체계적으로 다루는 새로운 방법론으로, 향후 다른 형태의 모달·양화 논리에도 확장 가능성을 시사한다.