The Dynamic Turn in Paraconsistency

당신이 미스터리를 풀려는 탐정이라고 상상해 보세요. 하지만 당신의 수첩은 약간 결함이 있습니다. 가끔, 두 명의 서로 다른 목격자가 동일한 단서에 대해 정반대의 이야기를 합니다. 옛날 방식의 논리에서는, 만약 당신이 "용의자는 공원에 있다"라는 말과 "용의자는 공원에 없다"라는 말을 동시에 듣는다면, 당신의 수첩 전체가 폭발할 것입니다. 시스템은 충돌하고, 당신은 모든 것이 참이면서 동시에 아무것도 참이 아니라는 결론을 내려야만 하며, 결국 당신의 수사는 쓸모없게 됩니다. 이것을 "폭발 원리(explosion principle)"라고 부릅니다. 하지만 현실 세계는 그렇지 않습니다. 우리는 모순을 마주하면서도 정신줄을 놓지 않고 살아갑니다. 우리는 그저 "좋아, 여기에 충돌이 발생했군. 누가 거짓말을 하고 있거나 실수를 한 것인지 알아내 보자"라고 말할 뿐입니다.

여기서 **파라콘시스턴시(paraconsistency, 초일관성)**가 등장합니다. 이는 이러한 지저하고 모순적인 상황을 처리하기 위해 설계된 논리의 한 분야입니다. 이는 모순된 두 아이디어를 머릿속에 동시에 담아두면서도, 그것을 완전한 재앙이 아닌 일시적인 오류로 취급하게 해줍니다.

그리고 **다이내믹 로직(dynamic logic, 동적 논리)**은 당신의 탐정 이야기에 "되감기"와 "빨리감기" 버튼을 추가하는 것과 같습니다. 이것은 단순히 세상의 정적인 모습을 보는 것이 아니라, 새로운 정보(예를 들어 목격자가 말을 바꾸거나 새로운 증거를 발견했을 때)를 얻었을 때 당신의 믿음이 어떻게 변하는지를 추적합니다.

이 논문이 다루는 핵심 질문은 다음과 같습니다: 이 두 가지를 결합하면 어떤 일이 벌어질까요? 어떻게 모순을 다룰 수 있을 뿐만 아니라, 그 모순이 어떻게 나타나고, 진화하며, 새로운 정보를 통해 어떻게 결국 해결되는지를 보여주는 논리 체계를 구축할 수 있을까요? 저자인 라파엘 옹가라토(Rafael Ongaratto)와 한스 반 디마르슈(Hans van Ditmarsch)는 파라콘시스턴시에 "동적 전환(dynamic turn)"이 필요하다고 주장합니다. 그들은 단순히 고정된 모순의 이미지를 응시하는 것에서 벗어나, 모순이 탄생하고 해결되는 과정을 볼 수 있는 '영화'를 만들고자 합니다.

---

논문의 핵심 아이디어: "결함 방지형" 탐정 이야기

이 논문에서 저자들은 AMLFI1 및 UMLFI1이라 불리는 새로운 논리 도구 세트를 소개합니다. 이것들을 팀 단위의 탐정들(또는 에이전트들)이 함께 사건을 해결하기 위해 사용하는 강력하고 결함이 없는 운영체제라고 생각해보세요.

설정: 결함이 있는 데이터베이스

서로 다른 에이전트들(앤, 빌, 캐스라고 부릅시다)이 정보를 주고받는 공유 디지털 데이터베이스를 상상해 보세요. 현실 세계에서 데이터베이스는 가끔 엉망이 되곤 합니다. 예를 들어, 앤은 파일이 "파란색"이라고 생각하는데, 빌은 "빨간색"이라고 생각할 수 있습니다. 일반적이고 엄격한 논리 체계라면 이 충돌이 데이터베이스 전체를 망가뜨릴 것입니다. 하지만 LFI1(저자들이 구축하고 있는 기초 논리)의 세계에서는 데이터베이스가 이를 처리할 수 있습니다. 여기에는 "이 데이터는 모순되었지만, 당황하지 마세요"라고 말하는 특별한 "불일치 스위치"(•와 같은 기호)가 있습니다.

저자들은 이 정적인 개념에 **액션 모델(Action Models)**을 추가했습니다. 이것들을 에이전트들이 사용하는 작은 "이벤트 카드"라고 상상해 보세요. 에이전트가 카드를 내면 데이터베이스가 업데이트됩니다.

• AMLFI1은 이 시스템의 첫 번째 버전입니다. 에이전트들이 자신들이 무엇을 아는지를 변화시키는 카드를 낼 수 있게 해줍니다. 예를 들어, 캐스가 "나는 클럽 카드를 가지고 있어"라고 말하면, 시스템은 앤의 지식을 업데이트합니다. 설령 캐스가 거짓말을 하고 있고 실제로는 스페이드 카드를 가지고 있더라도, 시스템은 충쇄하지 않습니다. 그저 앤이 "클럽"을 믿고 있는 동시에 현실은 "스페이드"일 수 있다는 것을 기록하여, 일시적이고 관리 가능한 모순을 만들어낼 뿐입니다.
• UMLFI1은 업그레이드된 버전입니다. 여기에는 **사실적 변화(Factual Change)**가 추가되었습니다. 이것은 단순히 사람들이 생각하는 것을 바꾸는 것이 아니라, 사실 자체를 바꾸는 "마법 지팡이"입니다. 만약 캐스가 거짓말을 하다가 들켰을 때, 그녀는 자신의 카드를 보여줄 수 있습니다. 시스템은 단순히 앤의 믿음을 업데이트하는 데 그치지 않고, 데이터베이스 항목 자체를 진실에 맞게 다시 씁니다. 모순은 해결되고, 시스템은 정상 상태로 돌아옵니다.

"거짓말쟁이" 문제와 "비잔틴" 에이전트

이 논문은 왜 이 방식이 멋진지를 설명하기 위해 **쿠(Coup)**라는 게임을 사용합니다. 쿠에서 플레이어들은 카드를 들고 있으며, 승리하기 위해 자신이 가진 것에 대해 거짓말을 할 수 있습니다. 만로 거짓말을 하면, 당신이 말하는 것과 당신이 쥐고 있는 것 사이에 모순이 발생합니다.

• 기존 논리: 거짓말쟁이를 모델링하려고 하면, 시스템은 거짓말쟁이가 "미친(모든 것을 알면서 동시에 아무것도 모르는)" 상태라고 가정하지 않고서는 이를 처리할 수 없기 때문에 보통 무너집니다.
• 이 논문의 논리: 저자들은 우리가 거짓말쟁이를 완벽하게 모델링할 수 있음을 보여줍니다. 시스템은 "캐스는 클럽을 가지고 있다고 주장하지만, 실제로는 스페이드를 가지고 있다"라고 말할 수 있습니다. 시스템은 이 정보를 "모순된 상태"(1/2 또는 "아마도/둘 다")로 표시하여 폭발 없이 유지합니다.
• 반전: 논문은 거짓말쟁이(진실을 알지만 반대로 말하는 사람)와 비잔틴 에이전트(그저 고장 났거나, 혼란스럽거나, 오작동하는 사람)를 구분합니다. 이 시스템에서 고장 난 에이전트는 실제로 두 카드를 동시에 가지고 있다고 진심으로 믿을 수도 있습니다. 이 논리는 이러한 "고장 난 상태"를 우아하게 처리하여, 고장 난 에이전트가 고쳐지거나 무시되는 동안에도 나머지 시스템이 계속 작동하도록 유지합니다.

"해결" 메커니즘

이 논문에서 가장 흥ante한 부분은 모순이 어떻게 해결되는지를 보여주는 방식입니다.

1. 충돌: 앤은 캐스가 "나는 클럽을 가지고 있어"라고 말하는 것을 듣지만, 곧이어 캐스는 "나는 스페이드를 가지고 있어"라고 말합니다. 이제 앤은 혼란에 빠졌습니다. 그녀의 데이터베이스에는 모순이 생겼습니다.
2. 해결: 캐스는 자신의 카드를 보여달라는 도전을 받습니다. 그녀는 스페이드 카드를 공개합니다.
3. 업데이트: UMLFI1 시스템에서 이것은 단순히 앤이 생각을 바꾸는 것이 아닙니다. 시스템은 "사실적 변화"를 수행합니다. 이는 현실의 카드를 업데이트합니다. "스페이드"라는 사실이 "클럽"이라는 거짓말을 덮어쓰기 때문에 모순은 사라집니다. 시스템은 이 과정이 타당(sound, 엉뚱한 결론에 도달하지 않음)하며 완전(complete, 시스템에서 참인 모든 것을 증명할 수 있음)하다는 것을 수학적으로 증명합니다.

무엇을 증명했는가

저자들은 단순히 이것이 작동할 것이라고 추측한 것이 아니라, 엄격한 수학적 증명을 구축했습니다.

• 그들은 새로운 논리(AMLFI1 및 UMLFI1)가 **타당(sound)**하다는 것을 보여주었습니다. 즉, 규칙을 따르면 잘못된 결론에 도달하지 않습니다.
• 그들은 이 논리가 **완전(complete)**하다는 것을 보여주었습니다. 즉, 시스템에서 참인 것이 있다면 그들의 규칙을 사용하여 증명할 수 있습니다.
• 그들은 이 논리가 **결정 가능(decidable)**하다는 것을 보여주었습니다. 즉, 특정 문장이 이 시스템에서 참인지 거짓인지를 유한한 시간 내에 알려주는 단계별 레시피(알고리즘)가 존재합니다.
• 또한, 그들의 버전의 "공표 논리(Public Announcement Logic, 모두가 같은 말을 듣는 특정 유형의 업데이트)"가 약간 다른 규칙으로 작성된 최근의 다른 버전과 수학적으로 동일함을 보여주었습니다.

밝히지 않은 점

이 논문이 하지 않는 일을 명시하는 것도 중요합니다. 저자들은 인간의 모든 상호작용에서 발생하는 거짓말 문제를 해결했다고 주장하는 것도 아니고, 거짓말을 하고 회복할 수 있는 작동하는 AI를 만들었다고 주장하는 것도 아닙니다. 그들은 실제 데이터베이스나 실제 쿠 게임에 적용해 보지 않았습니다. 그들은 "네, 이것은 모순과 업데이트에 대해 생각하는 유효한 방법입니다"라고 말하는 청사진과 수학적 엔진을 구축한 것입니다. 이 모델을 복잡한 현실 세계의 분산 시스템(예: 거대한 인터넷 데이터베이스)에 적용하는 무거운 작업은 미래의 연구자들에게 맡겨두었습니다.

요약

단순히 말해서, 이 논문은 상황이 잘못될 수 있는 세상을 위한 규칙을 쓰는 새로운 방법을 제시합니다. 이는 우리가 완벽하게 일관되면서도 (따라서 취약한) 세상과, 혼돈스러운 세상 중 하나를 선택해야만 하는 것이 아님을 보여줍니다. 우리는 모순을 일시적인 오류로 받아들이고, 그것이 어떻게 발생하는지 추적하며, 그것을 해결할 논리적 경로를 제공하는 세상을 가질 수 있습니다. 이것은 마치 탐정에게 똑같은 페이지에 두 가지 다른 것을 적어도 찢어지지 않고, 대신 충돌을 강조 표시한 뒤 그것을 해결할 다음 단서를 기다려주는 수첩을 주는 것과 같습니다.