지능의 열역학적 측정 (Thermodynamic Measure of Intelligence)

지능을 측정할 수 있을까요? 우리는 지능이 희귀하지만 유효한 미래(rare but valid futures)의 법칙적인 증폭(lawful amplification)으로 정의될 수 있다고 제안합니다. 즉, 시스템은 수동적 역학(passive dynamics) 하에서는 일어날 가능성이 낮지만, 해당 도메인의 제약 조건 하에서는 허용 가능한(admissible) 결과들의 확률을 높입니다. 우리는 지능적인 시스템이 세상과 그 안에서의 자신의 위치를 모델링해야 한다는 전제에서 시작합니다. 시스템은 자신이 모델링하는 세상의 일부이기 때문에, 이는 자연스럽게 재귀적 자기 시뮬레이션(recursive self-simulation)으로 이어집니다. 즉, 시스템은 자신의 행동이 궤적(trajectory)의 일부가 되는 미래를 표현합니다. 우리의 핵심 결과는 이러한 아키텍처를 희귀-유효 미래의 법칙적인 증폭에 대한 정밀한 열역학적 측정치와 연결하는 필연성 진술(necessity statement) 및 조건부 근사 충분성 진술(conditional near-sufficiency statement)을 제공합니다. 즉, 내부 시뮬레이션이 희귀-유효 미래를 높은 충실도(fidelity)로 식별하지 못하면 높은 희귀-유효 리프트(rare-valid lift)는 불가능합니다. 반대로, 희귀-유효 충실도가 높고 시뮬레이션에 효과적인 정책(policy)이 포함되어 있다면, 달성 가능한 리프트는 작동 제한 최적치(actuation-limited optimum)에 근접합니다. 따라서 재귀적 자기 시뮬레이션은 단순히 지능의 그럴듯한 특징이 아니라, 명시된 가정하에서 높은 열역학적 지능을 위해 필요하며 거의 충분한 조건입니다. 결과적으로 이 프레임워크는 수동적 물질과 피드백 제어기(feedback controllers), 대규모 언어 모델(Large Language Models, LLMs), 텍스트 생성기로서의 인간부터 맥스웰의 악마(Maxwell-demon)와 같은 정보 엔진에 이르기까지, 지능을 보편적인 척도로 측정 가능하게 만듭니다.