신념-욕구-의도(BDI) 모델은 철학과 인지과학에서 인간의 실천적 추론을 신념, 욕구, 의도라는 세 가지 뚜렷한 정신적 태도에 의해 추동되는 것으로 설명하는 프레임워크이다. 이 모델은 1980년대 후반 철학자 마이클 브래트먼이 미래 지향적 의도, 특히 사람들이 시간에 걸쳐 행동을 계획하고 실행하는 방식을 설명하기 위해 개발했다. 이 모델은 상식 심리학, 때로는 '이론 이론'이라고 불리는 것에 기반을 두며, 이는 우리의 세계에 대한 정신적 모델이 본질적으로 행동을 예측하고 설명하는 데 사용하는 이론이라는 가정을 따른다.
BDI 모델에서 신념은 행위자가 세계에 대해 가진 정보, 즉 세계의 상태와 행동의 예상 결과를 나타낸다. 욕구는 목표나 선호, 즉 행위자가 성취하고자 하는 것을 의미한다. 의도는 행동을 추동하는 선택된 계획과 약속으로, 숙고와 목표 사이의 다리 역할을 한다. 브래트먼은 의도가 단순히 더 강한 욕구가 아니라, 미래의 추론을 제약하고 행동을 안정화하는 별개의 마음 상태라고 강조했다.
철학적 기초
브래트먼의 저작은 1987년 저서 『의도, 계획, 실천적 이성』에서 의도가 인간의 실천적 행위성의 핵심이라고 주장했다. 그는 모든 행동이 욕구와 신념만에서 비롯된다는 견해를 거부하고, 대신 의도는 우리가 채택하고 유지하는 의지적 약속이라고 제안했다. 이러한 약속은 시간에 걸친 행동의 조정을 돕고, 사전 계획을 가능하게 하며, 인간의 삶처럼 자원이 지속적인 최적 숙고를 하기에는 너무 제한적인 복잡한 환경에서 행위자가 일관되게 행동할 수 있게 한다.
상식 심리학, 즉 '이론 이론'에 대한 강조는 BDI 모델을 일상적인 정신 언어를 심리적 원인에 관한 일종의 이론으로 보는 더 넓은 철학적 전통과 연결한다. 이러한 관점은 정신 상태가 계산적으로 표현되고 자동화된 추론과 의사 결정을 추동하는 데 사용될 수 있는 인공지능 분야에서 이 모델이 채택되는 기초가 되었다.
BDI 소프트웨어 아키텍처
브래트먼의 통찰은 그가 개발을 도운 BDI 소프트웨어 아키텍처에 영감의 일부가 되었다는 점이다. 이 계산적 적응에서 소프트웨어 에이전트는 세계를 모델링하기 위한 신념, 욕구 또는 목표, 그리고 우선순위가 매겨진 계획 선택으로서의 의도를 위한 명시적 데이터 구조를 사용한다. 핵심 기여는 제한된 합리성의 개념이다. 의도는 현재의 약속과 일치하지 않는 선택지를 걸러내어 숙고에 소요되는 시간을 제한함으로써, 복잡한 영역에서 문제 해결을 계산적으로 실행 가능하게 만든다. BDI 아키텍처는 인공지능 분야에서 널리 연구되었으며 많은 다중 에이전트 및 로봇 시스템에서 사용된다.
이 아키텍처는 일반적으로 순환적으로 작동한다. 에이전트는 입력에서 신념을 갱신하고, 현재 환경에 대해 욕구를 평가하며, 가능한 의도를 선택한 다음 실행할 계획을 선택한다. 의도는 목표가 달성되거나, 불가능하다고 믿어지거나, 의도적으로 포기될 때까지 활성 상태를 유지하며, 새로운 관련 정보가 발생하는 동안 정제된다.
심리학에서의 응용
AI를 넘어, BDI는 심리학과 인지 발달 분야에서도 관심을 불러일으켰다. 그 구조는 사람들이 어떻게 계획을 세우고 목표에 약속하는지를 해석하는 명확한 프레임워크를 제공한다. 구체적인 실용적 응용으로는 CRIBB(아동적 추론 및 BDI 기반) 모델이 있으며, 이는 아동적 추론의 계산적 시뮬레이션의 기초로 BDI를 사용했다. CRIBB는 아동이 일상적인 계획 과제에 참여할 때 자신의 이전 신념, 욕구, 의도를 어떻게 회상하고 적응하는지를 포착하는 것을 목표로 하며, 이는 발달적 인지와 BDI 유형 시스템의 확장성 모두에 대한 통찰을 제공한다.
이러한 심리학적 관심은 이 모델의 이중적 가치를 강조한다. 즉, 인간의 정신적 구조에 대한 이론으로서의 역할과 의도적 인간 행동을 해석하고, 예측하며, 모방할 수 있는 인공 에이전트를 만드는 기초로서의 역할이다.
영향과 유산
브래트먼의 작업은 행동 철학, AI, 다중 에이전트 시스템 설계에 영향을 미쳤다. '신념-욕구-의도'라는 표현은 이제 소프트웨어 아키텍처의 한 범주를 지칭하는 일반적인 용어가 되었으며, 이 모델은 인간과 기계 모두에서 의도, 약속, 실천적 추론에 관한 지속적인 논의의 기준점으로 남아 있다. AI에서 BDI 패러다임은 명시적 상징적 표현과 추론에 초점을 맞춘다는 점에서 데이터로부터의 통계적 학습에 의존하는 반응적 또는 조화적(예: 강화 학습 기반) 에이전트와 같은 다른 접근 방식과 대조될 수 있다.
이 모델의 영향은 부분적으로 숙고적 전략을 채택하여 역동적 환경에서 안전과 진행을 균형 있게 맞추는 에이전트 아키텍처(Waymo)를 사용하는 자율 주행 분야와, 일관된 장기적 행동을 요구하는 맥락을 이끌어내는 분야까지 확장된다. 그 원리는 지능적 에이전트의 더 넓은 영역에 영감을 주거나 형성해 왔으며, BDI는 고차원적 인지와 실용적 제어를 연결하는 모범 사례로 남아 있다.