Resilient by Design -- Active Inference for Distributed Continuum Intelligence

기술 요약: 설계 단계부터의 회복 탄력성 – 분산 연속체 지능을 위한 능동적 추론

문제 정의
본 논문은 분산 컴퓨팅 연속체(Distributed Computing Continuum, DCC) 내에서 신뢰성과 전역적 일관성을 유지하는 데 있어 매우 중요한 과제를 다룹다. DCC는 자원이 제한된 IoT 센서와 모바일 노드부터 고성능 클라우드 서버에 이르기까지 매우 복잡하고 이질적인 기기 스펙트럼을 포괄한다. 이러한 환경에서 장애는 예외적인 상황이 아니라 일상적인 현상이다. 이러한 장애는 사용자 주도의 중단, 실행 오류, 노드 충돌, 통신 단절, 그리고 기기의 이동성, 배터리 의존성, 동적 자원 변화에 따른 본질적인 예측 불가능성 등 다양한 원인으로 인해 발생한다.

전통적인 결함 허용(Fault Tolerance) 메커니즘은 DCC에 적합하지 않은데, 이는 AI 기반 워크로드가 요구하는 광범위한 불확실성 관리와 실시간 적응형 조정 능력을 갖추지 못하는 경우가 많기 때문이다. 본 논문은 회복 탄력성(Resilience)이 단순히 개별 결함을 견뎌내는 것을 넘어, 클라우드, 포그(Fog), 엣지, IoT 계층 전체에 걸쳐 선제적 적응, 국소적 복구, 그리고 점진적 기능 저하(Graceful Degradation)를 통해 지속적인 운영을 유지할 수 있는 능력을 갖추어야 한다고 주장한다.

방법론: PAIR-Agent
이러한 과제를 해결하기 위해 저자들은 **확률적 능동 추론 회복 탄력성 에이전트(Probabilistic Active Inference Resilience Agent, PAIR-Agent)**를 제안한다. 이 에이전트는 관찰, 추론, 행동의 폐쇄 루프(Closed-loop) 사이클을 통해 작동하며, 결함을 자율적으로 탐지하고 치유하도록 설계되었다. 방법론은 세 가지 핵심 운영 단계로 구성된다:

1. 로그 수집 및 인과적 결함 그래프(Causal Fault Graph, CFG) 구축:
   에이전트는 RPC(Remote Procedure Call)를 사용하여 DCC 전반의 분산 로그 수집을 조정하며, 각 기기에 최신 체크포인트를 요청한다. 이러한 체크포인트는 이질적인 노드들을 동기화하기 위한 시간적 앵커(Temporal Anchor) 역할을 하며, 시스템 관측치를 이산적인 구간으로 분할한다.

   • 원시 로그는 파싱 및 정규화 과정을 거쳐 잠재적 결함을 나타내는 특징(예: 자원 할당 실패, 실행 이상, 연결 단절)을 추출한다.
   • 결정론적 모델과 달리, PAIR-Agent는 결함을 시공간적 맥락 속에 내재된 확률적 사건으로 취급한다.
   • Hill-Climbing과 Bayesian Dirichlet 등가 점수화(Equivalence Scoring)를 사용하는 **베이지안 네트워크 구조 학습(Bayesian Network Structure Learning, BNSL)**을 통해, 에이전트는 시간에 따라 진화하는 **인과적 결함 그래프(CFG)**를 구축한다. 이 그래프는 결함과 맥락적 특징 간의 조건부 의존성을 모델링하여, 하드웨어, 소프트웨어 및 환경적 요인 사이의 잠재적 의존성을 포착할 수 있게 한다.

2. 확률적 결함 추론:
   CFG가 구축되면, 에이전트는 확실한 결함과 불확실한 결함을 구분하기 위해 결함 추론을 수행한다.

   • 마르코프 블랭킷(Markov Blankets): 각 결함 변수에 대해 에이전트는 마르코프 블랭킷(부모, 자식 및 공통 부모)을 식별한다. 이 국소적 변수 집합은 해당 결함을 나머지 네트워크로부터 조건부 독립적으로 만들어, 확장 가능하고 국소적인 추론을 가능하게 한다.
   • 자유 에너지 원리(Free Energy Principle, FEP): 복잡한 분포에서 정확한 사후 확률 계산이 불가능한 문제를 해결하기 위해, 에이전트는 자유 에너지를 최소화함으로써 내부 모델을 관측된 시스템 동작과 일치시키고, 결함 활성화에 대한 근사적 사후 믿음을 계산한다.
   • 분해(Decomposition): 에이전트는 결함 공간을 하드웨어 관련 요소(예: 온도, 전력)와 소프트웨어 관련 요소(예: 작업 실패, 모델 발산)로 분리하여 탐지된 결함의 근본 원인을 차별화한다.

3. 치유를 위한 능동적 추론:
   결함을 식별하면, 에이전트는 **능동적 추론(Active Inference)**을 통해 자율적으로 교정 조치를 선택한다.

   • 에이전트는 가능한 조치 세트를 평가하고, **기대 자유 에너지(Expected Free Energy)**를 최소화하는 조치를 선택한다. 이 지표는 선호하는 운영 상태를 달성하려는 동기(놀라움 최소화)와 불확실성 감소 사이의 균형을 맞춘다.
   • 조치 스펙트럼(Action Spectrum): 치유 조치는 기기 수준의 복구(재초기화, 펌웨어 재로드, 구성 튜닝)에서부터 컨티뉴엄 수준의 개입(워크로드 재배치, 중복 경로를 통한 라우팅 변경, 열 관리)에 이른다.
   • 자가 치유가 실패할 경우, 에이전트는 결함이 있는 노드를 격리하고 물리적 개입을 위해 인간 운영자에게 에스컬레이션(Escalation)한다.

주요 기여
본 논문은 세 가지 주요 기여를 명시한다:

• 확률적 인과 모델링: 기기 로그 데이터를 활용한 베이지안 네트워크 구조 학습을 통해 시간에 따라 진화하는 인과적 결함 그래프를 구축하며, 결함을 연속적인 맥락 내의 확률적 사건으로 취급한다.
• 불확실성을 고려한 추론: 국소적 결함 식별을 위해 마르코프 블랭킷을 적용하고, 자유 에너지 원리를 통해 근사적 사후 믿음을 추론함으로써 이질적인 DCC 환경에서의 불확실성을 효과적으로 관리한다.
• 자율적 자가 치유: 기대 자유 에너지를 최소화하는 조치를 자율적으로 선택하는 능동적 추론 프레임워크를 구현하여, 인간의 개입 없이 시스템 안정성을 복구할 수 있게 한다.

이론적 결과 및 주장
논문은 프레임워크의 속성을 검증하기 위해 네 가지 이론적 결과를 제시한다:

1. 국소성 및 확장성: 결함 추론은 설계 단계부터 국소적이다. 업데이트당 계산 비용은 전체 시스템 크기가 아닌 해당 결함의 마르코프 블랭킷 크기에만 의존하므로, DCC가 성장하더라도 접근 방식의 확장이 가능하다.
2. 최적 근사: 에이전트는 선택한 변분 가족(Variational Family) 내에서 자유 에너지를 최소화함으로써 "가능한 최선의" 근사 사후 분포를 계산하며, 이를 통해 원칙적이고 내부적으로 일관된 추론을 보장한다.
3. 보수적 조치 선택: 에이전트는 기대 자유 에너지가 "아무것도 하지 않음(Do nothing)"이라는 기준점보다 높은 조치를 절대 선택하지 않도록 보장받는다. 이는 에이전트가 시스템을 목표에서 벗어나게 하거나 모델의 불확실성을 증가시킬 것으로 예측되는 조치를 취하지 않음을 의미한다.
4. 데이터 공백에 대한 강건성: 추론 메커니즘은 누락되거나 지연된 로그에 대해 강건하다. 믿음 업데이트는 마르코프 블랭킷 내의 변수에만 의존하기 때문에, 특정 결함의 국소적 영역 외부에서 발생하는 데이터 공백은 해당 결함의 진단에 영향을 미치지 않는다.

의의
본 논문은 PAIR-Agent를 자율적이고 회복 탄력적인 DCC 시스템을 향한 중요한 진전으로 자리매김한다. 인과적 그래프 학습, 자유 에너지 최소화, 능동적 추론을 통합함으로써, 이 프레임워크는 정적인 결함 허용을 넘어 동적이고 적응적인 회복 탄력성으로 나아간다. 이론적 검증을 통해, 이 시스템은 대규모 분산 컴퓨팅의 고유한 특성인 부분 관측 가능성과 이질성을 처리하면서도 다양한 실패 조건 하에서 서비스 연속성과 안정성을 유지할 수 있음을 확인하였다. 저자들은 본 연구가 진행 중인 작업(Work-in-progress)임을 밝히며, 향후 상세한 분산 구현, 경험적 검증 및 실시간 테스트베드에서의 평가를 계획하고 있다고 언급하였다.