정보원 답변 깊이와 모델: 완전 정보 사슬 이론을 향하여

초록

본 논문은 의사결정 문제에 필요한 입력 데이터에 대한 질문의 난이도(질문 난이도)와, 정보원이 제공할 수 있는 답변의 정확성을 정량화하는 ‘답변 깊이’ 개념을 도입한다. 등방성 지식 구조를 가정하여 답변 깊이 함수의 일반형을 유도하고, 질문 난이도와 답변 깊이 사이의 관계를 설명하는 정보원 모델들을 제시한다. 또한, 정보원의 최대 답변 깊이값을 ‘정보원 용량’으로 정의한다.

상세 분석

이 연구는 기존의 정보 이론이 ‘양적 정보량’에만 초점을 맞춘 반면, 실제 의사결정 상황에서는 정보의 질적 특성, 즉 질문의 구체적 내용과 그에 대한 답변의 정확도가 핵심임을 강조한다. 이를 위해 저자들은 먼저 질문 난이도 함수(QDF)를 정의했으며, 이는 질문이 포함하는 불확실성의 정도를 측정하는 실수값 함수이다. QDF는 질문을 구성하는 사건들의 사전 확률과 정보원의 사전 지식 구조에 의해 결정되며, 등방성(모든 방향에서 동일한 지식 밀도) 가정 하에 라플라시안 형태로 전개된다.

그 다음 단계에서 도입된 ‘답변 깊이(Answer Depth, AD)’는 정보원이 실제로 제공하는 답변이 질문 난이도에 비해 어느 정도 정확한지를 나타내는 척도이다. AD는 0에서 최대값까지 연속적인 실수값을 갖으며, 0은 완전 무작위 추측, 최대값은 질문 난이도와 완전히 일치하는 완전 정확한 답변을 의미한다. 저자들은 ‘등방성 지식 구조’를 전제로 할 때, AD 함수는 QDF와 동일한 형태의 라플라시안 함수가 되며, 두 함수 사이의 비례 상수인 ‘정보원 효율(η)’에 의해 조정된다고 증명한다. 즉, AD = η·QDF이며, η∈