Intrinsic and relative characterization results for logics with negative modalities

"만약 ~라면(What If)"과 "실제로 그러함(What Is)"의 논리

당신이 일련의 규칙들을 사용하여 세상을 설명하려고 노력하고 있다고 상상해 보십시오. 이 게임의 가장 유명한 버전인 고전 논리에서는 모든 문장이 명확한 "예" 아니면 명확한 "아니오" 중 하나입니다. 만약 당신이 "비가 온다"라고 말했는데 그렇지 않다면, 그 문장은 단순히 거짓입니다. 중간 지대도, 혼란도, "아마도"라는 여지도 없습니다. 이 시스템은 수학과 컴퓨터 회로를 설명하는 데는 훌륭하게 작동하지만, "비가 올 것 같다"거나 "그게 사실인지 잘 모르겠다"라고 말하는 인간 사고의 무질서하고 불확실한 현실을 설명하는 데는 어려움을 겪습니다.

이러한 무질서를 다루기 위해 논리학자들은 "비고전적(non-classical)" 시스템을 발명했습니다. 이것들은 회색 지대를 허용하는 특별한 논리적 방언과 같습니다. 이 방언들에서 문장은 엄격하게 "거짓"이 아니더라도 "부정"될 수 있으며, 엄격하게 "참"이 아니더라도 "긍정"될 수 있습니다. 하지만 이러한 유연함에는 대가가 따릅니다. 규칙이 복잡해지고, 때로는 예전에 당연하게 여겼던 것들을 증명할 수 있는 능력을 상실하게 됩니다. 이를 해결하기 위해 논리학자들은 "복구(restoration)" 도구, 즉 필요할 때 시스템을 원래의 엄격한 상태로 되돌릴 수 있는 특별한 스위치를 발명했습니다. 여기서 큰 질문은 항상 이것이었습니다. "우리는 이 서로 다른 논리적 세계들을 어떻게 비교할 것인가? 서로 달라 보이는 두 시나리오가 실제로 밑바닥에서는 동일하다는 것을 어떻게 알 수 있는가?" 바로 이 지점에서 당신이 곧 읽게 될 논문이 등장하며, 이 기묘한 논리적 풍경을 항해하기 위한 새로운 지도를 제공합니다.

---

논문의 핵심 아이디어: 새로운 종류의 거울

Jim de Groot, João Marcos, 그리고 Rodrigo Stefanes가 작성한 이 논문은 매우 구체적이고 까다로운 자물쇠를 여는 마스터 키와 같습니다. 그 자물쇠는 **복구 양상 논리(restorative modal logics)**라고 불리는 논리 체계의 가족입니다. 이 체계들은 표준적인 "긍정적" 논리( "그리고", "또는", "참", "거짓"과 같은 것들)와 어떤 기묘한 "하위 고전적(subclassical)" 부정(일반적인 "아니오"처럼 작동하지 않는 방식의 "아니오"라고 말하는 법) 및 특별한 "복구" 연산자(기묘함을 고치고 일반적인 논리를 되찾으려는 도구)를 혼합합니다.

저자들의 주요 목표는 이 논리 체계들에서 서로 다른 두 세계가 본질적으로 동일한지 판단하는 방법을 알아내는 것이었습니다. 표준 논리의 세계에는 **쌍사상(bisimulation)**이라는 유명한 도구가 있습니다. 쌍사상을 완벽한 거울이라고 생각해 보십시오. 만약 당신에게 두 개의 세계가 있고, 당신이 모든 세부 사항을 확인하며 그 사이를 앞뒤로 오갈 수 있으며, 그들이 항상 똑같이 보인다면, 그들은 "쌍사상 관계"에 있습니다. 표준 논리에서 두 세계가 쌍사상 관계라면, 그들은 당신이 쓸 수 있는 모든 문장에 대해 일치합니다.

하지만 문제는 여기에 있습니다. 이 새로운 기묘한 논리 체계들에서는 "거울"이 깨집나다. 왜냐하면 "아니오"에 대한 규칙이 다르기 때문에, 완벽한 거울은 너무 엄격합니다. 그것은 세계들이 동의하지 않아도 될 부분까지도 동의하도록 강요합니다. 저자들은 더 약하고 유연한 종류의 거울이 필요하다는 것을 깨달았습니다. 그들은 그것을 **시뮬레이션(simulation)**이라고 불렀습니다.

시뮬레이션이란 무엇인가?
당신이 두 가지 서로 다른 비디오 게임 레벨을 보고 있다고 상상해 보십시오. "쌍사상"은 만약 레벨 A에서 구덩이를 뛰어넘을 수 있다면, 반드시 레s B에서도 구덩이를 뛰어넘을 수 있어야 한다는 것을 요구합니다. 이는 양방향 도로입니다.

반면, 시뮬레이션은 일방통행 도로입니다. 이것은 "만약 당신이 레벨 A에서 무언가를 할 수 있다면, 당신은 레벨 B에서도 그것을 할 수 있어야 한다"라고 말합니다. 하지만 레벨 B에 레벨 A에는 없는 추가적인 요소들이 있는지는 상관하지 않습니다. 이것은 "포함(subsumption)" 관계입니다. 만약 세계 A가 세계 B를 시뮬레이션한다면, 세계 B는 적어도 세계 A만큼 "강력"하거나 "풍부"합니다. 저자들은 이러한 기묘한 부정을 가진 특정 논리들에 있어서, 이 일방통행 도로가 완벽한 도구임을 증명했습니다. 그것은 세계들이 모든 면에서 동일할 필요는 없으면서도, 공식의 진릿값을 보존합니다.

두 가지 큰 발견

이 논문은 저자들이 "특성 정리(characterization theorems)"라고 부르는 두 가지 주요 결과를 전달합니다. 이것들을 동일한 영토를 묘사하는 두 가지 다른 방법이라고 생각해도 좋습니다.

1. 내재적 특성 (헤네시-밀너 결과)
이 결과는 "언제 두 세계가 논리적으로 동등한가?"라는 질문에 답합니다.
저자들은 이러한 특정 논리들에서, 두 세계가 논리적으로 동등하다는 것(그들이 가능한 모든 문장에 대해 일치한다는 것)은 오직 두 세계가 양방향으로 시뮬레이션에 의해 연결되어 있을 때와 같다는 것을 증명했습니다.

• 비유: 두 명의 형사가 범죄를 조사하고 있다고 상해해 보십시오. 만약 형사 A가 형사 B가 찾을 수 있는 모든 단서를 찾을 수 있고, 동시에 형사 B도 형사 A가 찾을 수 있는 모든 단서를 찾을 수 있다면, 그들은 실질적으로 동일한 사건을 조사하고 있는 것입니다. 논문은 이러한 논리 체계에서 두 세계가 서로를 "시뮬레이션"할 수 있다면, 언어에 의해 구별할 수 없음을 증명합니다. 이것은 엄청난 성과인데, 왜냐하면 모든 문장을 일일이 써 내려가지 않고도 논리적 동등성을 확인할 수 있는 구조적이고 시각적인 방법을 제공하기 때문입니다.

2. 상대적 특성 (반 벤템 결과)
이 결과는 "이 특정 언어가 거대한 논리의 그림 중 어느 부분을 차지하는가?"라는 질문에 답합니다.
저자들은 이 복구 양상 논리의 언어가, 시뮬레이션을 사용할 때 변하지 않는 "일차 논리(First-Order Logic, 수학에서 사용되는 훨씬 더 크고 강력한 언어)"의 부분이 정확히 일치한다는 것을 보여주었습니다.

• 비유: 일차 논리를 우주의 거대한 고해상도 사진이라고 생각해 보십시오. 복구 양상 논리는 그 사진 위에 씌우는 특정 필터와 같습니다. 저자들은 이 필터가 "시뮬레이션 렌즈"를 통해 볼 때 변하지 않는 사진의 부분들을 정확히 포착한다는 것을 증명했습니다. 만약 거대한 언어의 어떤 문장이 시뮬레이션을 통해 세계를 볼 때 변한다면, 그것은 이 특정 논리 언어의 일부가 아닙니다. 만약 변하지 않는다면, 그것은 해당 언어의 일부입니다. 이것은 이 논리들의 정확한 "표현력(expressive power)"을 정의합니다.

이 논문이 배제하는 것

이 논문이 무엇이 작동하지 않는지를 밝히는 것도 똑같이 중요합니다. 저자들은 이 논리들을 위해 기존의 표준 "쌍사상(완벽한 거울)"을 단순히 사용할 수 없음을 명시적으로 보여줍니다. 만약 당신이 엄격한 양방향 거울을 사용하려고 시한다면, 당신은 실제로 다른 세계들을 구분하지 못하거나, 혹은 두 세계가 같다는 것을 인식하는 데 실패할 것입니다.

나아가, 그들은 가장 기본적인 버전의 이 논리들(추가적인 규칙이 없는 상태)에서는, 사용 가능한 도구들만을 사용하여 "고전적 부정(참을 거짓으로, 거짓을 참으로 뒤집는 완벽한 '아니오')"을 정의할 수 없음을 증명합니다. 즉, 세계를 "반사적"이거나 "대칭적"으로 만드는 것과 같은 추가적인 규칙을 시스템에 더하지 않는 한, "기묘한 '아 way'"와 "복구 도구"만으로는 완벽한 "아니오"를 만들어낼 수 없습니다. 이것은 매우 중요한 발견입니다. 즉, 이 논리들은 근본적으로 표준 논리와 다르며, 몇 가지 정의를 추가한다고 해서 단순히 표준 논리인 척할 수 없다는 것을 의미합니다.

얼마나 확실한가?

저자들은 매우 확신하고 있습니다. 그들은 단순히 추측하거나 시뮬레이션한 것이 아니라, 수학적으로 이를 증명했습니다.

• 그들은 "적절성 정리(Adequacy Theorem, 시뮬레이션이 진릿값을 보존함을 보여주는 것)"에 대한 엄밀한 증명을 제공했습니다.
• 그들은 "내재적 특성(논리적 동등성이 시뮬레이션과 같음을 보여주는 것)"에 대한 엄밀한 증명을 제공했습니다.
• 그들은 "상대적 특성(일차 논리와의 연결을 보여주는 것)"에 대한 엄밀한 증명을 제공했습니다.

그들은 한 걸음 더 나아가, 만약 우리가 혼합물에 고전적 부정을 추가한다면, 그들의 새로운 시뮬레이션 도구들이 여전히 작동하면서도 기존에 우리가 알고 있는 표준 "쌍사상"으로 변한다는 것을 보여주었습니다. 이러한 일관성 검토는 그들의 발견을 강화하며, 그들의 새로운 도구가 기존의 것을 무작위로 발명한 것이 아니라 자연스러운 일반화임을 보여줍니다.

이것이 왜 중요한가

왜 호기심 많은 십 대가 "복구 양상 논리"에 관심을 가져야 할까요? 왜냐하면 이 체계들은 컴퓨터와 AI가 불확실성을 처리하는 방식을 이해하는 기초가 되기 때문입니다. AI가 "그것이 사실인지 확실하지 않다"라고 말할 때, 그것은 비고전적 논리 내에서 작동하고 있는 것입니다. AI가 결정을 내리기 위해 그 불확실성을 "고치려고" 할 때, 그것은 복구 연산자를 사용하는 것입니다.

이 논문은 이러한 불확실한 세계들의 "모양"을 이해하는 도구를 우리에게 제공합니다. 그것은 우리가 이 세계들을 어떻게 비교할 수 있는지, 그리고 그들에 대해 무엇을 말할 수 있는지를 정확히 알려줍니다. 이것은 마치 모두가 플레이 불가능하다고 생각했던 게임의 새로운 규칙을 찾아내어, 그 게임이 실제로는 매우 구조적이고, 매우 논리적이며, 충분히 플레이할 가치가 있다는 것을 보여주는 것과 같습니다. 저자들은 이전에는 안개 낀 정글이었던 영역에 대한 지도를 그려냈으며, "아마도"와 "꼭 그렇지는 않은"의 땅에서도 깊고 아름다운 질서가 기다리고 있음을 증명했습니다.