A Counterfactual Cause in Situation Calculus

기술적 요약: 상황 계산법에서의 반사실적 원인

문제 제기
바투소프 (Batusov) 와 소추안스키 (Soutchanski) 의 최근 연구는 상황 계산법 (Situation Calculus) 내에서 '실제 달성 원인 (actual achievement cause)'이라는 개념을 정립하여, 주어진 행동 역사에서 양화된 효과의 원인을 규명할 수 있게 했습니다. 이 접근법은 행동 전제조건과 양화된 효과를 성공적으로 처리함으로써 할프먼 (Halpern) 과 펄 (Pearl) 의 초기 구조적 방정식 모델 (SEM) 접근법의 한계를 극복했지만, 반사실적 관점에 기반한 정의는 부재합니다. 할프먼과 펄의 설명은 영향력이 크지만, SEM 에 의존하고 있어 복잡한 도메인에서 시간적 추론, 양화사, 그리고 행동과 효과의 구별에 어려움을 겪는 경우가 많습니다. 저자들은 특히 분해적 목표와 선취 (preemption) 를 어떻게 처리할지 정의가 지나치게 복잡해지지 않으면서도, 행동 언어 내에서 실제 인과성을 정의하는 데 있어 단순하고 명시적으로 반사실적인 정의의 공백을 발견했습니다.

방법론
저자들은 상황 계산법의 모달 변형인 논리 ES 내에서 반사실적 분석에 기반한 새로운 원인 개념을 제안합니다. 이 논리는 명시적인 상황 항 (situation terms) 을 피하면서도 회귀 (regression) 와 전진 (progression) 능력을 유지함으로써 고전적 형식화를 단순화합니다.

1. 형식적 프레임워크: 이 논문은 초기 상태 공리, 행동 전제조건, 그리고 후속 상태 공리 (프레임 문제의 라이터 (Reiter) 해법) 로 구성된 기본 행동 이론 (BAT) $\Sigma$를 활용합니다.
2. 최소 원인 정의: 저자들은 먼저 '최소 원인 (minimal cause)'을 일반적으로 목표 $\phi$ (초기에는 거짓이었음) 를 달성하는 행동 시퀀스 $z$로 정의합니다. 여기서 $z$는 길이, 플루언트 집합 크기, 또는 이들의 조합에 따른 특정 기준에 따라 최소입니다. 이는 "만약 $z$가 발생하지 않았더라면 $\phi$가 성립하지 않았을 것이다"라는 기본 반사실적 명제를 확립합니다.
3. 서사 내 달성 원인: 핵심 기여는 특정 인과적 설정 $C = \langle z, \phi \rangle$에 대한 **달성 원인 (Achievement Cause)**의 정의입니다. 여기서 $z$는 $\phi$로 이어지는 알려진 행동 역사 (서사) 입니다.
   • 접두사 $z' \subseteq z$가 원인이 되기 위해서는 다음 조건을 만족해야 합니다:
     1. $\phi$는 $z$ 내의 $z'$의 어떤 확장 후에도 성립합니다.
     2. 반사실적 시나리오에서 $z'$가 제거될 때, $z$의 나머지 행동들 (실행 가능성을 보장하도록 필터링됨) 은 $\phi$로 이어지지 않습니다.
     3. $z'$는 최소입니다 (위의 조건을 만족하는 진부분 시퀀스가 존재하지 않음).
   • 결정적으로, 저자들은 행동의 반사실적 제거를 처리하기 위해 필터 (Filter) 함수를 도입합니다. 접두사 $z'$를 제거함으로써 서사의 후속 행동들이 실행 불가능해지게 되는 경우 (예: 더 이상 들고 있지 않은 물체를 떨어뜨리는 행동), 필터 함수는 반사실적 시나리오에서 이러한 종속 행동들을 제거합니다.

주요 기여

• 행동 언어에서의 반사실적 정의: 이 논문은 바투소프와 소추안스키의 재귀적이고 비반사실적인 정의와 대조적으로, 명시적으로 반사실적인 실제 달성 원인 정의를 제공합니다.
• 일반화: 제안된 개념은 행동 역사의 맥락에서 달성 원인 개념으로 자연스럽게 일반화됩니다.
• 분해적 목표와 선취 처리: 저자들은 분해적 목표 (예: $A \lor B$) 에 대한 정의가 어떻게 처리되는지 분석합니다. 그들은 선취 (여러 경쟁 행동이 목표를 달성할 수 있는 경우) 의 사례에서, 그들의 정의가 단일 선취된 사건을 분리하는 대신 경쟁 사건의 결합된 집합을 원인으로 간주한다고 지적합니다. 이는 사건의 결합이 원인이라는 수정된 할프먼 - 펄 (HP) 설명과 일치합니다.
• 형식적 비교: 이 논문은 그들의 설명을 바투소프와 소추안스키의 작업과 형식적으로 연관시킵니다 (정리 1). 바투소프 - 소추안스키 프레임워크 내의 달성 인과 사슬 집합은 저자들의 반사실적 정의가 식별한 접두사들의 부분집합임을 보여줍니다.
• HP 와의 비교: 저자들은 그들의 접근 방식을 HP 설명과 비교하며, HP 는 강력하지만 도메인 모델링 선택에 민감하다는 점을 강조합니다. 반면, 상황 계산법 접근법은 일관된 표준 (BAT) 을 제공하지만, 인과 관계를 '하드코딩'하지 않고는 교차된 비원자적 경쟁 사건을 모델링하는 데 어려움을 겪습니다.

결과 및 분석

• 예시 분석: 블록 월드 (물건을 집어 올리기, 떨어뜨리기, 불끄기, 수리하기 등) 와 같은 예시를 통해 저자들은 그들의 정의가 중복된 행동을 필터링하면서 목표를 달성하는 최소 접두사를 성공적으로 식별함을 보여줍니다.
• 분해적 목표: 분해적 목표 (예: 물체 C 또는 물체 D 를 들고 있는 것) 가 있는 시나리오에서, 정의는 반사실적으로 접두사가 없을 때 목표가 성립하려면 두 행동 모두 필요할 경우 전체 접두사를 원인으로 올바르게 식별합니다. 반사실적으로 한 행동만으로도 충분하다면 그 행동은 원인이 아닙니다.
• 한계: 저자들은 그들의 정의가 비원자적, 교차된 사건이 관련된 선취 사례에서는 직관에 반해 보일 수 있음을 인정합니다. 예를 들어, 시퀀스 $z$가 목표를 달성하고, 접두사 $z'$를 제거하면 $z$의 나머지가 실행 불가능해지면, 정의는 목표 자체에는 중복되어 보이지만 서사의 나머지를 가능하게 하는 데 필요한 $z'$의 행동을 포함할 수 있습니다. 이는 전체 남은 서사가 목표를 달성하지 못해야 한다는 엄격한 반사실적 요구사항의 결과입니다.

의의 및 주장
저자들은 겸손하게도 그들의 설명이 기존 형식주의보다 엄격하게 "더 낫다"고 주장하지는 않지만, 상황 계산법 내에서 단순하고 반사실적 기반의 대안을 제공한다고 주장합니다.

• 단순성: 이 정의는 풍부한 행동 설정에 맞게 조정된 "만약 ~하지 않았다면" (but-for) 직관 (행동이 발생하지 않았더라면 목표가 참이 아니었을 것) 에 의존하며, 이전 상황 계산법 인과성 정의의 복잡한 재귀 구조를 피합니다.
• 적용성: 이 접근법은 GOLOG 기반 로봇 프로그래밍과 같은 행동 언어에서 인과 추론이 필요한 응용 분야에 유익하다고 주장됩니다.
• 미묘한 차이: 이 논문은 실제 인과성 정의에서 알려진 난제인 분해적 목표에 반사실적 개념을 적용하는 특정 미묘한 차이를 강조하며, 최근 HP 수정과 일관된 합리적인 해결책으로서의 그들의 결합 사건 접근법을 제시합니다.

이 논문은 지식에 대한 추론 (인과에 대한 지식) 과 같은 인식론적 설정으로 이 설명을 확장하고, 실용적인 로봇 프로그래밍 작업에 이 방법을 적응시키는 방향으로 향후 연구를 제안하며 마무리합니다.