첫 번째 차수 인과 이론을 논리 프로그램으로 표현하기

초록

본 논문은 비정의적·일차 인과 논리를 기존의 명제 수준 임베딩에서 확장하여, 일반적인 일차 인과 이론을 답변 집합 프로그램으로 변환하는 방법을 제시한다. 이를 통해 행동 언어의 의미론을 기존 ASP 솔버로 직접 처리할 수 있게 된다.

상세 분석

이 연구는 McCain‑Turner가 제안한 비단조 인과 논리의 핵심 아이디어를 재조명하고, 그 한계를 극복하기 위해 두 가지 주요 확장을 수행한다. 첫째, 기존 임베딩은 ‘definite’ 즉, 전건이 순수한 원자들의 합성으로 제한된 명제 인과 이론에만 적용 가능했으며, 전건에 부정이나 복합 논리연산이 포함될 경우 적용이 불가능했다. 논문은 이러한 비정의적(Non‑definite) 전건을 허용하도록 변환 규칙을 일반화하고, 전건을 고유한 ‘justification’ 규칙으로 분해한 뒤, ASP의 기본 규칙 형태인 “head ← body” 로 매핑한다. 여기서 핵심은 인과 규칙의 ‘cause’와 ‘effect’를 각각 ‘support’와 ‘derivation’으로 해석해, 인과 모델의 최소 모델(minimal model)과 ASP의 안정 모델(stable model) 사이의 동형성을 보장하는 것이다.

둘째, 일차(first‑order) 수준으로의 확장은 변수와 양화자를 포함하는 인과 이론을 다루게 만든다. 이를 위해 저자들은 스키마화된 인과 규칙을 ‘grounding’ 단계에서 전통적인 ASP 전처리와 동일하게 전개한다. 그러나 단순한 전개만으로는 변수의 범위와 존재 양화의 의미가 손실될 위험이 있다. 논문은 이를 방지하기 위해 ‘domain predicates’를 도입해 변수의 도메인을 명시적으로 제한하고, 존재 양화는 ‘choice rules’와 ‘existential encoding’ 기법을 결합해 표현한다. 이렇게 하면 일차 인과 이론의 의미론적 구조가 ASP 프로그램의 답변 집합과 일치함을 정리( theorem ) 로 증명한다.

또한, 저자들은 변환 과정에서 발생할 수 있는 ‘loop formulas’와 ‘unfounded sets’를 체계적으로 다루어, 인과 이론이 비단조적 특성을 유지하면서도 ASP 솔버가 효율적으로 탐색할 수 있도록 설계한다. 특히, 인과 규칙의 ‘causal loop’가 존재할 경우, 이를 차단하는 추가 제약을 삽입해 안정 모델이 인과 이론의 최소 모델과 정확히 일치하도록 보장한다.

실험적 평가에서는 기존의 행동 언어(예: C+, AL)에 기반한 시나리오를 변환하여, 최신 ASP 솔버(clingo, DLV)로 실행했을 때 실행 시간과 메모리 사용량이 기존 전용 인과 추론기보다 경쟁력 있거나 우수함을 보여준다. 이는 인과 논리와 ASP 사이의 이론적 연결 고리가 실제 시스템 구현에서도 실용적임을 입증한다.

전체적으로 이 논문은 인과 논리의 표현력을 일차 수준까지 확장하고, 이를 ASP라는 강력한 연산 플랫폼에 매핑함으로써, 복잡한 행동 계획, 진단, 그리고 인과 추론 문제를 통합적으로 해결할 수 있는 새로운 패러다임을 제시한다.