자기결정 에이전시의 수학적 형식화

초록

본 논문은 ‘초위(supervenient) 인과성’이라는 개념을 수학적으로 정의하고, 상위 수준(에이전시)에서 하위 물리 수준으로의 인과 전이를 허용하는 이중 법칙 모델을 제시한다. 이를 통해 물리적 결정론과 자유 의지 사이의 전통적 갈등을 해소하고, 인간과 같은 자기결정적 에이전트를 형식화한다.

상세 분석

이 논문은 먼저 ‘에이전시’를 목표‑지향성, 목표 전환, 목표 생성, 에이전트‑결정론이라는 네 단계로 계층화한다. 기존의 의도적 입장(intensional stance) 접근법이 외부 관찰자 시각에 머무르는 반면, 저자들은 에이전트‑결정론을 ‘상위 수준의 법칙이 하위 물리 수준을 규정한다’는 형태로 재구성한다. 핵심 개념은 ‘초위(supervenient) 인과성’이다. 전통적 초위 관계는 “상위 상태가 변하면 반드시 하위 상태도 변한다”는 일방향적 종속성을 의미하지만, 인과성을 부여하려면 상위 수준이 하위 수준에 ‘원인’이 될 수 있어야 한다. 이를 위해 저자들은 두 가지 수학적 구조를 도입한다. 첫째, 초위 수준을 여러 초위‑하위 함수들의 집합 ( {f_i} ) 로 표현하고, 이 함수들의 조합이 하위 상태를 결정한다는 식 ( S = \Phi(f_1,\dots,f_n) ) 를 제시한다. 둘째, 이 조합을 결정하는 ‘인덱스 시퀀스’ ( \sigma = (\sigma_1,\sigma_2,\dots) ) 를 별도의 동적 변수로 두어, ( \sigma ) 가 물리적 법칙에 의해 완전히 규정되지 않음을 보인다. 즉, ( \sigma ) 는 자체적인 독립적 법칙 ( \mathcal{L}\sigma ) 를 갖고, 이는 하위 수준의 물리 법칙 ( \mathcal{L}\phi ) 와는 별개이다.

이러한 이중‑법칙 구조는 ‘시간적 선행성’ 문제를 해결한다. 초위 인덱스 시퀀스 ( \sigma(t) ) 가 먼저 변하고, 그 변화를 반영한 함수 조합 ( \Phi ) 가 하위 물리 상태 ( \phi(t) ) 에 영향을 미친다. 따라서 ‘상위 수준이 하위 수준을 원인한다’는 전통적 비판(‘하위 수준이 변하지 않으면 상위도 변할 수 없다’)을 회피한다. 논문은 이를 피드백 제어 메커니즘으로 구체화한다. 초위 수준에서 목표‑관계(예: “팔을 들어올리라”)를 설정하고, 하위 수준은 물리적 변수(관절 각도 등)를 상대적 관계에 맞게 조정한다. 이 과정에서 ‘I’라는 초위 주체가 과거 경험을 기반으로 인덱스 시퀀스를 업데이트하며, 이는 자기결정적 행동의 시작을 설명한다.

철학적 논의와 연결해 보면, 저자들은 ‘에이전트 인과성’과 ‘정신 사건 인과성’을 동일한 메커니즘으로 통합한다. ‘I’는 에이전트 인과성을 담당하고, 초위‑하위 피드백은 정신 사건 인과성을 담당한다는 점에서 Clarke(1993)의 통합 모델을 확장한다. 또한, 초위 인과성을 ‘토큰 인과성’ 관점에서 정의함으로써, 조작가능성 기준을 완화하지 않고도 상위‑하위 인과 전이를 정당화한다.

수학적 정밀성 측면에서, 논문은 초위‑하위 관계를 함수적 매핑과 인덱스 시퀀스라는 두 레이어로 분리함으로써, 기존의 ‘단일 레벨 법칙’ 모델이 갖는 무한 회귀와 순환 인과성 문제를 회피한다. 그러나 구체적인 동역학 ( \mathcal{L}_\sigma ) 의 형태와 실제 물리 시스템에 적용 가능한 구체적 알고리즘은 제시되지 않아, 향후 연구에서 모델 구현과 실험 검증이 필요하다.

요약하면, 이 논문은 초위 인과성을 수학적으로 정형화하고, 상위 수준이 독립적 동역학을 가짐으로써 물리적 결정론과 자유 의지 사이의 격차를 메우는 ‘이중‑법칙’ 모델을 제안한다. 이는 인간과 같은 자기결정적 에이전시를 이론적으로 설명할 새로운 틀을 제공한다.