[논문] 예측에서 자아로: 최소 신경 시스템에서 주체성 발달 조건
개요
세상만을 예측하는 시스템이 어떻게 자신이 미치는 인과적 영향을 다른 모든 것과 구별하게 되는가? 우리는 192차원 최소 GRU를 대상으로 40개의 통제 실험을 발달 순서대로 배열하여, 구성 요소를 하나씩 추가하고 시스템이 자기 자신에 의해 일어난 변화와 세계에 의해 일어난 변화를 구별할 수 있는지를 추적함으로써 이 전이를 추적한다. 발달 경로는 엄격한 순서대로 충족되어야 하는 네 가지 조건을 드러낸다: (1) 지속적인 상태가 안정적인 어트랙터를 형성하고, (2) 출력과 입력을 연결하는 인과적 행동 루프, (3) 내재된 인과 지식을 명시적으로 만드는 고유감각 피드백, 그리고 (4) 비동기적 각성 – 지각 학습이 행동 학습보다 먼저 통합되어야 한다. 우리는 행동 이득(Agency Gain, A = Err_world − Err_self), 즉 자신의 행동을 알 때 얻는 예측적 이점을 이 과정을 추적하는 지표로 제안한다. 자기 인식을 가진 예측기는 주기적(사인) 및 혼돈적(Lorenz) 환경 모두에서 자기 인식을 모르는 예측기보다 일관되게 우수한 성능을 보이며, 이 지표는 모든 보조 구성 요소가 제거된 경우에도 살아남는다. 의미 있는 행동 이득을 생성하는 것은 전방 샘플링된 행동 선택뿐이며, 두 가지 그래디언트 기반 대안은 퇴화한다. 동등하게 중요한 것은 개발이 멈추는 지점을 보여주는 12개의 반증된 가설이다: 예측 코딩만으로는 자기 표현을 만들 수 없다.
주요 기여
- cs.LG
- cs.NE
방법론
자세한 방법론은 전체 논문을 참고하십시오.
실용적 함의
이 연구는 cs.LG 분야의 발전에 기여한다.
저자
- Evan Ye
논문 정보
- arXiv ID: 2606.05605v1
- 분류: cs.LG, cs.NE
- 발표일: 2026년 6월 4일
- PDF: Download PDF