이중 과정 이론과 피드백 제어를 통한 상위‑하위 인과 메커니즘 통합

초록

본 논문은 정신 현상이 물리적 현상에 초월(supervene)한다는 전제 하에, 상위‑하위 인과 메커니즘을 이중 과정 이론에 매핑한다. 상위 수준의 여러 신경망(초월 함수) 사이의 대수식 결합을 통해 정의된 피드백 오류를 두 종류의 독립적 제어(선택 과정과 오류 감소 과정)로 구분하고, 이를 각각 Type 1·Type 2 과정에 대응시킨다. 이를 통해 의식, 자기결정, 이중 과정 이론을 하나의 통합 프레임워크로 설명한다.

상세 분석

이 논문은 ‘초월‑하위(supervenience‑subvenience)’ 관계를 인지과학에 적용함으로써, 정신 현상이 물리적 뇌 활동에 완전히 의존한다는 전통적 입장을 정교화한다. 저자는 초월 수준을 단일 함수가 아니라 다수의 신경망, 즉 ‘초월 함수’들의 집합으로 모델링한다는 점에서 기존의 단순 매핑을 넘어선다. 각 초월 함수는 특정 인지·감정·동기 모듈을 구현하며, 이들 사이의 대수식(예: 합, 곱, 비선형 변환)으로 복합적인 정신 상태를 기술한다. 여기서 핵심은 ‘피드백 오류’를 정의하는 방식이다. 오류는 두 단계로 생성된다. 첫 번째 단계는 어떤 대수식이 현재 상황에 적합한지를 선택하는 과정이며, 이는 메타-인지적 평가 혹은 환경적 요구에 따라 달라진다. 두 번째 단계는 선택된 대수식을 만족시키기 위해 신경망의 가중치와 연결 구조를 조정하는 부정적 피드백 메커니즘이다. 이 두 단계는 서로 독립적으로 작동하지만, 궁극적으로는 동일한 오류 신호를 최소화한다는 점에서 상호 보완적이다.

저자는 이 두 독립적 피드백 제어를 기존 이중 과정 이론의 Type 1(빠르고 자동적인)과 Type 2(느리고 의도적인) 과정에 직접 대응시킨다. Type 1은 대수식 선택 단계에 해당하며, 경험적 규칙이나 직관에 의해 빠르게 이루어진다. 반면 Type 2는 오류 감소 단계로, 신경가소성, 작업 기억, 전전두엽 조절 등을 통해 의도적으로 가중치를 재조정한다. 이러한 매핑은 두 과정이 서로 다른 시간·공간 스케일의 역학을 가짐을 자연스럽게 설명한다. 특히, ‘이중 법칙 모델(dual laws model)’이라는 용어를 도입해, 상위 수준(정신적 대수식)과 하위 수준(신경가중치) 각각이 자체적인 동역학 방정식을 갖고, 상호 피드백을 통해 통합된 행동을 생성한다는 점을 강조한다.

이론적 기여는 세 가지로 요약될 수 있다. 첫째, 초월‑하위 인과 메커니즘을 수학적 대수식과 피드백 제어라는 구체적 형태로 구현함으로써, 철학적 논의를 실험 가능한 모델로 전환한다. 둘째, 이중 과정 이론에 대한 새로운 해석을 제공해, Type 1·Type 2 과정이 단순히 처리 속도의 차이가 아니라, 서로 다른 인과 레이어에서 발생하는 독립적 오류 제어라는 구조적 차이임을 밝힌다. 셋째, 의식과 자기결정성을 ‘피드백 오류 최소화’라는 목표 함수로 규정함으로써, 의식적 통제와 무의식적 자동화가 동일한 최적화 원리에 의해 조정된다는 통합적 관점을 제시한다. 이러한 접근은 신경과학 실험, 인공지능 모델링, 그리고 철학적 논의 사이의 교량 역할을 할 수 있다.