엠 정교함

초록

본 논문은 유한 이진 문자열 x에 대한 새로운 복잡도 척도인 m‑정교함을 정의한다. m‑정교함은 기존의 정교함(sophistication)과 거친 정교함(coarse sophistication) 사이의 중간값으로, 복잡도 자체의 복잡도가 드물게 나타나는 현상을 일반화한다. 논문은 m‑정교함을 상한으로 하는 확률적 근사 충분통계(probabilistic near‑sufficient statistic)를 제시하고, 이를 통해 m‑정교함이 거친 정교함보다 크고 정교함보다 작다는 관계를 작은 부가항으로 증명한다. 또한 m‑정교함과 거친 정교함이 상·하 반계산 가능 함수로는 근사될 수 없음을 보이며, 그 오차가 매우 커도 근사 불가능함을 입증한다.

상세 요약

논문은 먼저 Kolmogorov 복잡도 K(x)와 그 복잡도의 복잡도 K(K(x)) 사이의 관계를 재조명한다. 기존 연구에서는 K(K(x))가 대부분의 문자열에 대해 거의 일정한 값에 머무른다는 ‘복잡도 복잡도의 희소성’ 현상을 보였으며, 이를 정교함(sophistication)이라는 개념으로 정량화했다. 저자는 이 틀을 확장해 m‑정교함이라는 새로운 파라미터를 도입한다. m‑정교함은 특정 확률분포 P에 대해 K(P)와 K(x|P) 사이의 균형을 최적화하는 최소 모델 복잡도이며, 여기서 P는 x를 거의 충분히 설명하는 ‘근사 충분통계’ 역할을 한다. 논문은 이 모델을 구성하기 위해 두 단계의 알고리즘을 제시한다. 첫 번째 단계는 x의 앞부분을 이용해 후보 모델 집합을 생성하고, 두 번째 단계에서는 각 후보에 대해 조건부 복잡도 K(x|P)와 모델 복잡도 K(P)를 계산해 총합이 최소가 되는 모델을 선택한다. 이 과정에서 사용되는 확률적 근사 방법은 마르코프 체인 몬테카를로(MCMC)와 같은 샘플링 기법을 변형한 것으로, 기대값이 m‑정교함과 거의 일치하도록 설계되었다. 중요한 정리는 m‑정교함이 거친 정교함(coarse sophistication)보다 항상 크거나 같으며, 정교함(sophistication)보다는 작은 상한을 가진다는 것이다. 이는 m‑정교함이 두 기존 척도의 중간에 위치함을 의미한다. 또한 저자는 m‑정교함과 거친 정교함이 상·하 반계산 가능 함수(semicomputable function)로는 근사될 수 없음을 증명한다. 증명은 대각선 논법과 무작위성의 보존성을 이용해, 어떤 반계산 가능 함수 f가 존재한다면 f가 m‑정교함을 일정 오차 이하로 근사한다는 가정이 K(K(x))의 희소성 결과와 모순된다는 식으로 전개된다. 이 결과는 m‑정교함이 이론적으로는 정의 가능하지만 실제 계산적으로는 매우 어려운 성질을 갖는다는 점을 강조한다.