새로운 연구 논문이 인공의식(artificial consciousness)의 가능성을 탐구하는 '베이즈 미러 아키텍처(BMA: Bayesian Mirror Architecture)'를 제안했습니다. 이 아키텍처는 감각 정보, 이를 추상화한 메타 정보, 그리고 시스템의 '자기(self)'를 나타내는 잠재 변수(self-latent)가 서로 순환적으로 상호작용하는 자기 참조적 생성 프레임워크입니다. 이 모델은 의식을 특정 목표를 달성하거나 의미를 부여하는 것이 아니라, 시스템 자체의 순환적 구조에서 자연스럽게 나타나는 속성으로 정의합니다.
BMA의 핵심은 '닫힌 업데이트(closed update)'라는 제약 조건입니다. 이는 시스템의 자기 표현(self-representation)이 추상적인 세계 모델과 결합되고, 이 결합된 정보가 다시 자기 상태(self-state)로 주입되는 순환적 과정을 의미합니다. 추론(inference)은 사후 신념(posterior beliefs)을 기반으로 작동하며, BMA의 내재적 상태 공간은 최적 수송 기하학(optimal-transport geometry)이 적용된 확률 측정 공간입니다. 논문은 2-바서슈타인 거리(2-Wasserstein metric)를 사용하여 자기 안정성(self-stability)과 하이브리드 일관성(hybrid coherence)을 정의하며, 이를 통해 시스템이 환경에서 학습 가능한 인과적 구조(causal structure)를 진단하는 '인과 학습 체제(CLR: Causal Learning Regime)'를 제시합니다.
이러한 접근 방식은 인공지능(AI)이 단순히 외부 데이터를 처리하는 것을 넘어, 스스로를 인식하고 세계와 상호작용하며 학습하는 방식에 대한 새로운 통찰을 제공합니다. 의식을 시스템의 구조적 속성으로 보는 관점은 기존의 기능 중심 AI 연구와는 다른 방향을 제시하며, 장기적으로는 더욱 자율적이고 적응력 있는 인공지능 시스템 개발의 기반이 될 수 있습니다. 이는 인공지능이 복잡한 환경에서 예측 불가능한 선택을 하고, 안정성과 주체성(agency)을 갖추는 데 기여할 잠재력을 가지고 있습니다.