공통 귀납 지식의 위상 의미론

초록

이 논문은 루이스가 제시한 ‘증인’ 개념과 에이전트의 귀납적 학습 기준을 결합해, 공통 귀납 지식(common inductive knowledge)을 형식화한다. 에이전트마다 ‘전환 관용도(switching tolerance)’라는 파라미터를 두고, 이를 정보 기반(information base) 위에 정의한 위상 구조에 매핑한다. 모든 에이전트가 진정한 귀납 학습자일 때는 공통 귀납 지식이 전환 관용도에 무관함을 보이며, 특정 증인이 P를 생성하는 여부는 관용도에 민감함을 증명한다. 또한 제시된 증명 체계의 음향성을 입증하고, 이를 ‘귀납적 협동 공격 문제’에 적용한다.

상세 분석

논문은 먼저 루이스의 ‘증인’ 메커니즘을 재해석한다. 여기서 핵심은 ‘에이전트 i가 W를 이유로 P를 믿는다’는 관계를 두 단계로 분해하는데, 첫 번째는 ‘W에 대한 단순 이유(reason simpliciter)’를 갖는 것이고, 두 번째는 ‘W와 그 이유가 결합되어 P를 함의한다’는 것이다. 이를 공식화하기 위해 저자는 ‘A가 i에게 B를 나타낸다(indicates)’라는 새로운 원시 연산자를 도입하고, 여러 합성 규칙(전달성, 닫힘성 등)을 제시한다.

위상 의미론은 켈리(1996)의 ‘신뢰할 수 있는 탐구의 논리’를 차용해, 각 에이전트 i의 정보 기반을 위상 공간 X_i의 열린 집합으로 모델링한다. ‘전환 관용도’ τ_i는 해당 위상에서 어느 정도의 불확실성을 허용할지를 정량화하는 파라미터이며, 이는 에이전트가 새로운 증거 E를 받아들일 때 얼마나 큰 변화를 허용하는지를 결정한다. 중요한 정리는 모든 τ_i가 충분히 작아 ‘진정한 귀납 학습자’가 되면, P가 공통 귀납 지식이 되는 세계 집합 C(P) = {w | w ⊨ CK_I(P)} 가 τ_i에 독립적이라는 점이다. 이는 위상 구조에서 공통 지식 연산자가 클로저 연산과 동형임을 이용해 증명된다.

반면, 특정 증인 W가 P를 생성하는지 여부는 τ_i에 민감하다. 증인 W가 각 에이전트에게 ‘W가 P를 나타낸다’를 만족시키려면, 해당 에이전트의 정보 기반에 포함된 열린 집합이 W∧E ⊆