생각검색

결과가 같아도 ‘살린다’와 ‘죽는다’는 선택을 바꿀까?

1981년 프레이밍 연구는 수학적으로 같은 선택지가 이득·손실 표현에서 다르게 선택될 수 있음을 보였습니다. 고전 결과와 한계를 구분합니다.

도입600명 중 200명을 살리는 선택과 600명 중 400명이 죽는 선택은 결과가 같습니다. 그런데 ‘살린다’고 쓰면 확실한 선택을, ‘죽는다’고 쓰면 위험한 선택을 더 택할 수 있습니다. 숫자만 같다고 선택 문제가 심리적으로 같게 읽히는 것은 아닙니다.

“참이거나 거짓”이라고 말하려면 어느 쪽을 보여야 할까?

직관주의 논리에서 증명은 단순한 정답표가 아니라 구성을 제시하는 일입니다. 선언과 이중부정의 차이를 읽습니다.

배중률과 이중부정일반적인 A∨¬A와 ¬¬A→A는 직관주의 논리의 정리로 채택되지 않습니다. 그렇다고 모든 고전 정리가 거짓이라고 선언하는 것은 아닙니다. 특정 A에 대해 A나 ¬A를 실제로 증명할 수 있으면 그 선언은 당연히 증명할 수 있습니다. 모순에서 임의의 결론을 얻는 원리는 유지되므로, 준일관논리와도 목적과 규칙이 다릅니다.

파란 이름표를 받았으니 낭독회에 왔다고 말해도 될까?

‘참석하면 이름표를 받는다’의 방향을 뒤집은 오답을 반례로 고치고, 추가 전제나 직접 기록에 따라 가능한 경우와 결론을 바꿉니다.

2. 가능한 반례 하나면 ‘반드시’를 멈출 수 있다forall x: Calgary는 전제들을 모두 참으로 만들면서 결론을 거짓으로 만드는 평가가 하나도 없을 때 함의가 성립한다고 설명합니다. 같은 장의 연습에는 A→B, B, 따라서 A가 타당한지 진리표로 검사하는 문제가 공개되어 있습니다. 이 글은 그 일반 원리를 가상 이름표 사례에 적용했습니다.

카드 뒤집기는 규칙 검사가 아니라 정보 선택일 수도 있을까?

Oaksford와 Chater의 선택 과제 분석을 통해 사람들이 반례만 찾기보다 드문 사건의 정보 가치를 고려해 카드를 고를 수 있다는 관점을 살펴봅니다.

그렇다면 논리적 정답은 사라지는가?아닙니다. 연역적 과제가 ‘규칙을 확실히 반증할 수 있는 카드를 모두 고르라’고 명시한다면 P와 ¬Q가 타당성 기준입니다. 합리적 분석은 참가자가 과제를 불확실한 환경의 자료 선택으로 해석할 수 있다는 설명을 제시합니다. 모형의 기저율 가정과 목표 함수가 바뀌면 추천 카드도 달라집니다. 후속 논쟁이 이어졌으므로 단일 모형이 모든 선택 과제를 완결적으로 설명한다고 볼 수 없습니다.

논리적으로 같은 문장을 조금 바꾸면 인공지능(AI) 답도 그대로일까?

RobustLR는 최소 논리 편집과 동치 변환으로 연역 모델의 일관성을 검사했고, 학습된 모델들이 특히 부정에서 흔들림을 보였습니다.

도입“모든 A는 B다”를 동치인 다른 표현으로 바꾸거나 결론에 무관한 사실을 하나 넣었을 때 AI의 답이 달라진다면 규칙을 이해했다고 할 수 있을까요? RobustLR는 정답률 하나보다 최소 논리 변환 전후의 일관성을 검사합니다.

참가자가 몇 명인지 몰라도, 각자 아는 내용을 논리로 검사할 수 있을까요?

회의 참가자마다 알고 있는 내용이 다릅니다. “모든 참가자가 누군가의 참석을 안다”는 말을 어떻게 적고 검사할까요? 사람을 가리키는 변수 두 개를 사용해, 이런 조건을 만족하는 상황이 가능한지 따지는 연구를 읽습니다.

행동을 하나의 논리 연산자로 다룰 수 있을까?

세계를 바꾸는 행동과 실행 결과의 보장을 어떻게 논리식으로 나타내는가?

핵심 결과[α]P는 모든 실행 결과, ⟨α⟩P는 적어도 한 결과에서 P가 참이라는 뜻입니다. {P}S{Q}는 정상 종료 조건부 보장입니다.

쉬운 부등식을 합성한 문제에서 증명 인공지능(AI)가 갑자기 약해질까?

Ineq-Comp v2를 바탕으로 익숙한 부등식의 변수 복제·대수 재작성·다단계 합성이 현재 Lean 증명 모델의 구성적 일반화를 크게 흔드는지 살펴봅니다.

부품 증명을 줘도 조립이 어려웠다흥미롭게도 구성 요소의 형식 증명을 문맥에 제공한 조건에서도 모든 모델의 성능이 낮았다. 필요한 부등식 조각을 모르는 것만으로 실패를 설명하기 어렵고, 어떤 조각을 어떤 순서로 재작성해 결론에 맞출지 계획하는 구성 추론이 병목일 수 있다. 다만 프롬프트 길이, 탐색 예산, Lean 라이브러리와 모델 훈련자료도 결과에 영향을 준다. ‘인간은 이해하고 AI는 이해하지 못한다’는 철학적 결론을 직접 측정한 것은 아니다.