내감각 기반 기계 프레임워크: 인공지능 내의 규제 구조를 위한 내감각 영감을 받은 접근

본 리뷰는 내감각 (interoception) 과 구체화된 인공지능 (embodied AI) 을 기반으로 한 통합적 프레임워크, 즉 '내감각 기반 기계 프레임워크 (interoceptive machine framework)'를 제안합니다. 이 프레임워크는 생물학에서 영감을 받은 내부 상태 규제 원리를 적응형 자율성을 위한 계산 구조로 변환합니다. 내감각은 내부 신호의 모니터링, 통합 및 규제를 의미하며, 이는 생물학적 시스템의 적응적 행동을 이해하는 데 유용함이 입증되었습니다.

제안된 프레임워크는 내감각의 기여를 세 가지 기능적 원리인 항상성 (homeostatic), 알로스타시스 (allostatic), 그리고 에나틱 (enactive) 으로 조직화합니다. 각 원리는 고유한 계산 역할을 수행하며, 이는 내부 생존력 규제 (internal viability regulation), 예측적 불확실성 기반 재평가 (anticipatory uncertainty-based re-evaluation), 그리고 상호작용을 통한 능동적 데이터 생성 (active data generation through interaction) 입니다. 이러한 원리들은 직접적인 신경생리학 매핑을 위한 것이 아니라, 개선된 자기 규제와 문맥 감지 행동을 가진 인공 에이전트의 설계를 안내하는 추상화입니다.

이러한 원칙 내에 내부 상태 변수와 규제 루프를 내장함으로써, AI 시스템은 불확실하고 역동적인 환경에서 특히 더 견고한 의사 결정, 보정된 불확실성 처리, 그리고 적응형 상호작용 전략을 달성할 수 있습니다. 이 접근법은 기능적으로 기반을 둔 자기 규제를 가진 에이전트로 가는 구체적이고 검증 가능한 경로를 제공하며, 인간-컴퓨터 상호작용과 보조 기술에 직접적인 시사점을 가집니다. 궁극적으로 내감각 기반 기계 프레임워크는 내부 상태 규제가 구체화된 AI 시스템의 자율성, 적응성, 견고성을 어떻게 향상시키는지 보여주는 통합적 관점을 제공합니다.