비가 올 때 우산을 챙기는 선택을 어떻게 계산할까요?

여러 행위자가 불확실한 세계에서 움직일 때는 무엇이 우연히 정해지는지, 누가 무엇을 선택하는지, 선택 뒤에 어떤 결과가 따라오는지를 함께 적어야 합니다.

풀은 이 요소를 뒤섞지 않고 독립 선택과 논리 프로그램으로 나눈 뒤, 가능한 세계 의미론에서 합칩니다. 규칙 구조를 유지하면서 확률과 효용을 계산하는 것이 목표입니다.

첫 부품은 선택 공간입니다. “비가 온다/오지 않는다”처럼 한 묶음에서 정확히 하나를 고릅니다. 서로 다른 우연의 묶음에는 독립이라는 가정을 둘 수 있습니다. 사람이 고르는 행동도 누가 통제하는지 구분해 적습니다.

둘째 부품은 결과를 계산하는 규칙입니다. 예를 들어 “비가 오고 우산을 챙기지 않았으면 젖는다”입니다. 결과가 다시 자기 원인이 되는 순환을 피하도록 규칙의 순서를 정합니다. 이를 비순환 논리 프로그램이라고 부릅니다. 선택 공간은 처음 조건을, 규칙은 그 조건에서 따라오는 결과를 정합니다.

alternative는 함께 참일 수 없는 atomic choice들의 집합입니다. total choice는 각 alternative에서 정확히 하나의 원자를 골라 완전한 우연 시나리오를 만듭니다.

예를 들어 {비, 맑음}과 {교통혼잡, 원활}이 서로 다른 대안이면 total choice는 날씨 하나와 교통 하나를 각각 고릅니다.

자연이 고르는 서로 다른 대안에 확률을 주고, 기본 형식에서는 그 선택들이 확률적으로 독립이라고 둡니다. 전체 선택의 확률은 고른 원자들의 확률을 곱해 얻습니다.

아래 활동은 독립 가정이 맞을 때와 원인들이 연결될 때를 구분합니다. 연결된 우연을 억지로 독립 대안으로 나누면 잘못된 확률이 나옵니다.

우산을 챙기지 않기로 결정했다고 합시다. 비가 오는 경우에는 “비가 온다”와 “우산을 챙기지 않았다”를 함께 넣습니다. 규칙 “비가 오고 우산을 챙기지 않았으면 젖는다”를 적용하면 “젖는다”가 따라옵니다.

비가 오지 않는 경우에는 같은 규칙으로 젖는다는 결론이 나오지 않습니다. 이 단순 모형에서는 비를 맞는 경로만 다루고, 우산이 온전히 비를 막는다고 가정합니다. 처음 선택된 사실과 규칙으로 도출한 결과를 구분해 읽습니다.

우산을 챙기지 않는 행동을 고정하고, 비가 올 확률을 0.3, 오지 않을 확률을 0.7로 둡시다. 위 규칙에서 젖는 경우는 비가 오는 경우 하나이므로 젖을 확률은 0.3입니다. 우산을 챙기는 행동으로 바꾸면 이 단순 모형에서 젖을 확률은 0입니다.

독립된 우연 둘의 곱도 확인해 보겠습니다. 비가 올 확률 0.3, 버스가 고장 날 확률 0.1을 두고 둘이 독립이라고 가정하면, 비가 오면서 버스가 고장 날 확률은 0.3×0.1=0.03입니다. 두 사건 중 적어도 하나가 일어날 확률은 표의 앞 세 행을 더한 0.03+0.27+0.07=0.37입니다.

이 수치는 원문의 실측 자료가 아니라 계산을 보여 주기 위한 예입니다. 비와 버스 고장이 실제로 독립인지는 자료를 통해 확인해야 합니다.

자연 선택은 확률 분포를 따르는 우연으로 모델링합니다. 행위자는 decision alternative에서 정책에 따라 행동을 고릅니다. 같은 choice space 문법을 쓰더라도 통제 주체와 평가 방식이 다릅니다.

논문은 누가 어떤 선택을 통제하는지 명시해 다중 행위자 상황을 구성합니다. 확률과 전략을 섞지 않는 것이 중요합니다.

행위자는 행동 전에 관찰할 수 있는 사실을 바탕으로 선택합니다. 동적 환경에서는 과거 관찰과 행동을 상태의 일부로 표현해 기억을 모델링할 수 있습니다.

아래 활동은 정책이 실제로 이용할 수 있는 정보만 입력으로 삼는지 확인합니다. 미래 결과를 미리 본 정책은 허용되지 않는 정보를 쓴 셈입니다.

논리 프로그램은 각 완성 세계에서 utility 값을 정하는 사실을 도출할 수 있습니다. 정책은 자연의 불확실성 아래 기대 효용을 최대화하도록 비교됩니다.

규칙이 결과와 효용을 함께 계산하므로, 같은 정책이 상황에 따라 어떤 결과를 만드는지 추적할 수 있습니다. 효용 값의 설계 자체는 모델 밖의 가치 판단을 포함합니다.

논문은 influence diagram의 확률 변수, 결정 노드, 효용 노드를 ICL의 자연 대안, 행위 대안, 규칙으로 옮기는 방법을 보입니다.

표 형태의 조건부 확률을 규칙으로 분해하면 맥락별 독립성을 활용할 수 있습니다. 모든 조합을 표에 반복해서 쓰는 비용을 줄이는 장점이 있습니다.

상태, 행동, 전이 확률, 보상을 시간 지표가 붙은 원자와 규칙으로 나타내면 구조화된 Markov decision process를 표현할 수 있습니다.

논리 변수와 규칙은 여러 시간과 개체에 반복되는 구조를 압축합니다. 다만 비순환성을 유지하려면 시간 의존 방향을 분명히 해야 합니다.

각 행위자의 선택을 decision alternative로 두면 전략형 게임을, 순차 선택과 관찰을 펼치면 전개형 게임을 표현할 수 있습니다. 자연의 움직임도 확률 선택으로 함께 넣습니다.

ICL은 게임을 대체하는 단일 표기라기보다, 게임의 선택 구조에 논리 규칙과 확률적 원인을 결합하는 공통 의미론을 제공합니다.

우연히 정해지는 사실, 행위자가 통제하는 행동, 규칙으로 따라오는 결과를 먼저 분류합니다. 그다음 우연 대안 사이의 독립 가정과 행위자의 관찰 가능 정보를 적습니다.

아래 활동은 우산 결정 사례를 ICL 부품에 배치합니다. 실제 모델에서는 자료로 확률을 추정하고 효용의 근거도 공개해야 합니다.

ICL은 독립 선택으로 가능한 원인을 만들고, 논리 프로그램으로 결과를 계산하며, 확률과 효용으로 정책을 평가합니다. 그래서 선택·규칙·불확실성을 한 가능한 세계 의미론에서 연결할 수 있습니다.

장점은 구조를 드러내는 데 있고, 모든 의존성이 자동으로 독립이 되는 것은 아닙니다. 대안 설계, 비순환 규칙, 관찰 정보, 효용의 정당화가 정확해야 합니다.