공리 붕괴

가우스 모형이 무너지고 세계가 시작되는 곳

가우스 모형이 틀린 것은 아니다.

그것은 특정한 구조적 조건에서만 안정성을 유지하는 모형이다.

정규분포는 많은 집계 과정에서 자연스럽게 나타나며, 물리학, 공학, 통계학에서 여전히 가장 강력한 도구 중 하나다.

그러나 그 안정성은 몇 가지 가정에 의존한다.

단순화하면, 여기에는 다음이 포함된다:

근사적 독립성 — 변수들이 서로 강한 영향을 미치지 않는다.
정상성 — 기저 과정이 시간에 따라 유의미하게 변하지 않는다.
중립적 관찰 — 측정이 시스템을 바꾸지 않는다.
약한 피드백 — 출력이 미래의 입력에 강한 영향을 주지 않는다.
제한된 표류 — 평균과 분산은 대체로 안정적으로 유지된다.

이 조건들이 성립할 때, 가우스 모델은 흔히 정확하고 효율적이다.

그러나 이러한 가정 중 여럿이 동시에 깨지면, 가우스 모형은 국소적으로 유용할 수 있으면서도 더 긴 시간 범위에서는 구조적으로 불안정해질 수 있다.

가우시안 자체가 틀린 것은 아니다.

안정성을 전제로 한 모델을 그 구조적 조건이 더는 충족되지 않는 시스템에 적용할 때 문제가 발생한다.

많은 실제 시스템이 가우스 가정에서 벗어나는 이유

많은 실제 시스템에는 에이전트, 관찰자, 피드백, 적응 또는 학습이 포함되어 있다.

그러한 환경에서는:

변수들이 서로 영향을 준다 → 독립성이 약해진다.
행동은 시간에 따라 변한다 → 정상성이 약해진다.
측정이 의사결정에 영향을 준다 → 관찰자 중립성이 깨진다.
행동이 미래 상태를 재형성한다 → 피드백이 발생한다.
작은 편차가 축적된다 → 드리프트가 나타난다.

이러한 조건은 드문 이상 현상이 아니다.

이것들은 상호작용, 적응 또는 지능을 포함하는 시스템의 공통된 속성이다.

짧은 시간 범위에서는 가우스 근사가 여전히 작동할 수 있다.

더 긴 시간 범위에서는 구조적 표류가 분포를 재편하기 시작한다.

내재된 시스템의 구조적 속성으로서의 드리프트

드리프트는 흔히 잡음, 측정 오차, 일시적 변동으로 해석되어 왔다.

그러나 내재한 시스템에서는 상황이 다르다.

관측자는 시스템에 영향을 미친다.

시스템은 관찰된다는 사실에 반응한다.

그 반응들은 누적된다.

그 결과 분포 자체가 진화한다.

따라서 표류가 언제나 무작위적인 것은 아니다.

그것은 피드백, 적응, 내재된 관측의 자연스러운 결과일 수 있다.

관찰자와 시스템이 같은 환경을 공유하는 한, 완벽하게 안정된 분포는 장기적으로 점점 더 취약해진다.

표류가 축적될 때

지속적인 드리프트는 다음으로 이어진다:

이동하는 평균
변하는 분산
비대칭 분포
두꺼운 꼬리
극단적 사건의 증폭

긴 시간에 걸쳐, 많은 실제 시스템은 치우친 분포, 긴 꼬리 거동, 또는 멱법칙과 유사한 체제로 나아간다.

이러한 시스템에서 극단적 사건은 더 이상 이례적인 현상이 아니다.

그것들은 시스템의 구조적 특성이 된다.

RCC와 구조적 표류

RCC (재귀적 붕괴 제약)는 드리프트를 만들어내지 않는다.

그것은 내재된 시스템에서 드리프트가 왜 자연스럽게 발생하는지 설명한다.

특히 중요한 구조적 메커니즘은 네 가지다.

내재성

관측자는 시스템의 일부다. 관측은 행동을 바꾸어 중립적 측정이라는 가정을 약화한다.

부분적인 내부 접근

어떤 에이전트도 시스템의 내부 상태 전체를 완전히 관측할 수 없다. 숨겨진 의존성이 드러나면서 엄격한 독립성을 유지하기 어려워진다.

단계적 근사

실제 시스템은 점진적으로 갱신된다. 작은 근사 오차는 시간이 흐르면서 축적된다.

피드백의 누적

행동은 반응을 일으키고, 그 반응은 이후의 행동을 형성하며 점차 정상성을 깨뜨린다.

RCC의 관점에서 표류는 단순한 오차항이 아니다.

그것은 내재된 적응적 시스템의 구조적 징표다.

상호작용, 학습 또는 지능을 포함하는 모든 시스템은 일반적으로 어떤 형태로든 장기적 드리프트를 보인다.

가우스적 사고가 역사적으로 지배적이었던 이유

가우스 모델은 수학적으로 우아하고, 해석적으로 풀 수 있으며, 계산 효율이 높고, 시각적으로 직관적이다.

많은 시스템에서—특히 피드백이 약하고 시간 범위가 짧은 시스템에서—이 모형들은 매우 뛰어난 성능을 보인다.

그러나 시스템에 강한 피드백, 적응, 상호작용이 포함되면 안정성에 기반한 가정은 점차 약해진다.

이는 다음으로 이어질 수 있다:

꼬리 위험의 과소평가
극단적 사건에 대한 잘못된 가격 책정
안정성에 대한 과신
구조적 표류를 무작위 잡음으로 잘못 분류하는 것

문제는 처음부터 가우스 분포 자체가 아니었다.

문제는 근본적으로 피드백과 적응에 의해 형성되는 시스템에 안정성에 기반한 모형을 적용한 데 있었다.

최종 요약

가우스 모형은 여전히 국소적으로 유효하며, 흔히 최적이다.
내재된 적응적 시스템은 자연스럽게 표류를 발생시킨다.
표류가 누적되면 가우스 대칭성이 약해지고 두꺼운 꼬리가 나타난다.
RCC는 내재된 시스템에서 그러한 드리프트를 완전히 제거할 수 없는 이유를 설명한다.

가우시안은 이상화된 렌더링이었다.

현실은 — 드리프트, 피드백, 내재한 관찰자를 품은 채 —

그 아래 놓인 구조다.