동적 인식 논리(DEL)는 인식 논리를 확장하여 여러 에이전트의 지식과 믿음이 행동이나 사건의 결과로 어떻게 변화하는지를 모델링하는 형식적 프레임워크의 한 계열이다. 이는 에이전트가 세계에 대해 무엇을 아는지뿐만 아니라 서로의 지식에 대해 무엇을 아는지, 그리고 그 고차원적 지식이 시간에 따라 어떻게 진화하는지를 표현하기 위한 엄밀한 수학적 언어를 제공한다. DEL은 컴퓨터 과학, 게임 이론, 철학에서 의사소통, 관찰, 정보 갱신을 포함하는 시나리오를 분석하는 데 사용된다.
DEL의 핵심 아이디어는 가능한 세계와 그들 사이의 에이전트의 구분 불가능 관계를 설명하는 정적 인식 모델을, 사건이 발생할 때 모델이 어떻게 변형되는지를 지정하는 동적 구성 요소와 결합하는 것이다. 가장 기본적인 동적 연산은 공개 선언으로, 모든 에이전트가 동시에 명제를 학습하는 것이다. 더 복잡한 연산에는 에이전트의 일부만 정보를 받는 비공개 선언과 거짓말, 비밀, 동시 행동을 포함한 다양한 의사소통 사건을 표현할 수 있는 행동 모델이 있다.
역사적 발전
DEL의 기원은 1980년대로 거슬러 올라가며, 야코 힌티카와 로버트 스탈네이커와 같은 철학자와 논리학자들이 인식 논리와 그 동적 확장에 대해 초기 작업을 수행했다. 공개 선언 논리(PAL)의 형식화는 1980년대 후반과 1990년대 초반에 등장했으며, 특히 얀 플라자와 다른 사람들의 기여가 두드러졌다. 임의의 사건 유형을 허용하는 행동 모델의 일반적 프레임워크는 1998년 논문에서 알렉산드루 발타그, 로렌스 모스, 스와보미르 솔레츠키에 의해 도입되어 현대 DEL 패러다임을 확립했다. 이후 한스 반 디트마르슈, 비베 반 데르 호크, 바르텔드 코이의 연구는 이론과 그 응용을 확장했으며, 2007년 저서 '동적 인식 논리'로 절정에 달했다.
핵심 개념과 형식적 장치
DEL은 지식(종종 에이전트 i에 대해 K_i로 표기)과 공통 지식에 대한 양상 연산자를 포함하는 다중 에이전트 인식 언어 위에 구축된다. 정적 의미론은 크립케 모델로 주어지며, 각 가능한 세계에는 원자 명제의 평가가 할당되고, 각 에이전트는 자신이 가능하다고 간주하는 세계를 포착하는 동치 관계(또는 믿음에 대한 더 일반적인 관계)를 가진다. K_i φ와 같은 공식은 에이전트 i가 가능하다고 간주하는 모든 세계에서 φ가 성립할 때 한 세계에서 참이다.
DEL의 동적 부분은 사건 모델을 도입하는데, 이는 가능한 사건을 나타내는 세계를 가진 크립케 유사 구조이다. 각 사건에는 사건이 발생하기 위해 참이어야 하는 공식인 전제 조건과 각 에이전트가 구분할 수 있는 사건을 나타내는 관계가 있다. 곱 갱신 규칙은 원래 인식 모델을 사건 모델과 결합하여 정보 변화를 반영하는 새 모델을 생성한다. 공개 선언의 경우 사건 모델은 단순하다. 전제 조건이 선언된 공식인 사건이 하나 있고, 모든 에이전트가 그것을 다른 것과 구분할 수 없으므로 갱신은 단순히 공식이 성립하는 세계로 모델을 제한한다.
다중 에이전트 시스템에서의 응용
DEL은 자율 에이전트 간의 상호 작용을 다루는 Artificial intelligence의 하위 분야인 다중 에이전트 시스템에서 중요한 응용을 찾았다. 이 맥락에서 DEL은 통신 프로토콜에 대한 정밀한 의미론을 제공하여 설계자가 메시지 교환 후 에이전트가 무엇을 아는지 지정할 수 있게 한다. 예를 들어, 분산 시스템에서 DEL은 프로세스가 다른 프로세스의 상태에 대해 가지는 지식을 모델링할 수 있으며, 이는 합의와 조정과 같은 작업에 중요하다. 이 프레임워크는 에이전트가 개인 정보를 가지고 비밀 유지나 상호 인증을 유지해야 하는 보안 프로토콜에 대한 추론도 지원한다.
게임 이론에서 DEL은 게임 중 정보의 역학을 모델링하는 데 사용된다. 플레이어의 전략은 종종 다른 플레이어의 지식과 믿음에 대해 그들이 아는 것에 의존한다. DEL은 경매에서 입찰하거나 카드 게임에서 카드를 뽑는 것과 같은 정보를 드러내는 움직임의 효과를 표현할 수 있다. 이 논리는 합리성의 공통 지식과 같은 균형의 인식 조건과 게임이 진행됨에 따라 이러한 조건이 어떻게 변화하는지 분석할 수 있게 한다.
다른 논리 프레임워크와의 관계
DEL은 명제 동적 논리(PDL)와 동적 독사스틱 논리와 같은 다른 동적 논리와 밀접한 관련이 있으며, 이들은 프로그램과 유사한 연산으로 정적 그림을 확장한다. 그러나 DEL은 인식 및 독사스틱 개념에 초점을 맞추고 동시 및 비공개 행동을 표현할 수 있는 사건 모델을 사용한다는 점에서 구별된다. 이 분야는 지식을 시간과 결합하는 인식 시간 논리와 합리적 에이전트가 새 정보를 받을 때 믿음을 어떻게 변경해야 하는지를 다루는 믿음 수정 연구에도 연결된다.
최근 연구는 DEL과 Machine learning 사이의 연결, 특히 Large language model과 그들의 지식 추론 맥락에서 탐구되었다. DEL은 전통적으로 완벽한 논리적 에이전트를 가정하지만, AI 시스템의 한계와 불확실성을 모델링하는 데 그 원리를 적용하는 데 관심이 증가하고 있다. DEL의 형식적 도구는 동적 환경에서 일관된 믿음을 유지하고 적절히 갱신하는 에이전트를 설계하는 데 도움이 될 수 있으며, 이는 Neural network 기반 의사 결정과 같은 분야에도 관련된 도전 과제이다.
계산적 측면과 확장
DEL에 대한 모델 검사와 만족 가능성은 일반적으로 결정 가능하지만 계산적으로 복잡하다. 복잡성은 특정 변형에 따라 달라진다. 예를 들어, 공개 선언 논리는 PSPACE-완전 만족 가능성 문제를 가지는 반면, 행동 모델을 포함한 완전한 DEL은 일부 공식화에서 결정 불가능할 수 있다. 연구자들은 실용적 추론 작업을 처리하기 위해 테이블로 방법과 다른 증명 시스템을 개발했다. DEL의 확장에는 세계와 사건에 확률을 할당하는 확률적 DEL과 원자 명제의 진리값을 변경할 수 있게 하는 사실적 변화가 있는 DEL이 포함되며, 이는 에이전트의 지식뿐만 아니라 세계 자체도 변경한다.
또 다른 활발한 분야는 DEL과 AI의 Curriculum Learning 및 다른 훈련 패러다임의 결합으로, 에이전트를 점진적으로 더 복잡한 정보 구조에 노출시키는 아이디어가 DEL의 점진적 갱신을 반영한다. 이 논리는 또한 부분적이고 변화하는 정보에 기반하여 에이전트가 조정해야 하는 다중 로봇 시스템 및 인간-로봇 상호 작용에서 통신 프로토콜의 설계를 안내한다.
같이 보기
- 인식 논리
- 양상 논리
- 다중 에이전트 시스템
- 믿음 수정