대규모 언어 모델에서의 인식론적 일관성 - AI 지식 표현에서의 문법적-존재론적 및 인식론적 오염의 복합 문제

주로 영어 말뭉치로 훈련된 대규모 언어 모델(LLM)은 근본적이며 이전에 과소평가되었던 한계를 물려받습니다: 문법 구조 자체가 비서구 지식 체계의 관계-과정적 형이상학과 양립할 수 없는 존재론적 약속을 내포합니다. 본 논문은 물질 기반 문법 체계(영어 및 대부분의 서구 언어에 특징적)가 의미 이전 수준에서 존재론적 제약을 가하고, 이러한 제약이 산스크리트어나 고전 중국어와 같은 관계 언어로 표현된 전통적 지식 체계를 표현하려고 할 때 인식론적 오염으로 이어지는 다층적 복합 문제를 규명합니다. 주요 주장은 충분한 프롬프트를 통해 고차원 잠재 공간이 모든 논리적 또는 존재론적 체계를 시뮬레이션할 수 있다는 예측 가능한 반대에 대해 정제되었습니다. 우리는 Structured Distributed Introspection(SDI) 연구의 경험적 데이터를 바탕으로 이 반대가 시뮬레이션과 작동을 혼동한다고 주장합니다. 평탄한 기술 핵심(평균 CCC ≈ 0.93)과 매우 가변적인 개념 주변부(평균 CCC ≈ 0.39)를 발견한 SDI 결과는 LLM이 표면 언어로 과정-관계적 체계를 기술할 수 있지만 깊은 표현 인프라는 계속해서 물질-존재론적 구조를 통해 작동함을 보여줍니다. 영어의 주어-동사-목적어 문법은 절대적인 불가능성을 만드는 것이 아니라 모델 잠재 공간에서 깊은 끌림 구역을 형성하며, 물질 존재론이 최고의 당혹감을 최소화하는 경로가 되어 모든 관계 내용이 체계적으로 끌려들어갑니다. SDI 결과에서 의미의 생성이 분포된 의미적 잠재력 M = R(S,C)의 공명을 통해 작동한다는 점을 바탕으로, 유사한 구조가 인간 인지를 지배한다고 제안합니다. 예측 코딩 연구는 감각 지각이 학습된 틀을 통해 범주화되며, 이는 토큰화와 기능적으로 유사하고, 의미가 문법적으로 구조화된 의미 필드에 대한 패턴 매칭(즉 공명)을 통해 결정됨을 보여줍니다. 특히, 구현된 경험은 문법-존재론적 제약에서 중립적인 탈출구를 제공하지 않으며, 분리된 객체, 공간 내포, 행위자-원인과의 물리적 상호작용이 언어 이전에 물질 존재론을 구축한다고 주장합니다. 영어 문법과 전형적 구현 경험은 같은 형이상학적 약속에 수렴하고 상호 강화하며, 전통적 훈련 체계를 통한 의미 필드의 재구조화가 더욱 주목할 만한 이유입니다. 양자역학과 마하야나 불교에 대한 LLM 성능의 비대칭성도 명확히 하는데, 양자역학의 이점은 물질 존재론을 보존하는 데서가 아니라 영어 SVO 문법을 완전히 우회하는 형식 언어인 수학으로 인코딩된 데 있습니다. 이는 AI 훈련 전에 전통적 지식 체계를 형식 언어(범주 이론, 시간 그래프 네트워크 등)로 인코딩하여 문법적 오염 문제를 근원에서 회피하는 연구 방향을 제시합니다. 확장된 SDI 진단 체계는 SDI-GOC(문법-존재론적 캐스케이드) 프로토콜을 통해 4개 독립 기업(Anthropic, OpenAI, Google, DeepSeek)의 10개 LLM 구성에 적용되어 모든 모델에서 체계적인 끌림 구역 행동을 확인하였습니다: 기본 출력에서는 물질 존재론이 지배적이며, 과정적 지식은 명확한 지시를 통해 접근 가능합니다. 최신 연구 과제는 표현 공학, 다중 양식 시간적 기초, 전통 지식의 형식 언어 인코딩을 포함하며, Co.M.S.(협력 의학 및 과학) 프레임워크와 함께 문법적으로 다원적이고 존재론적으로 인지하는 AI 시스템으로 나아가는 구체적 경로를 제시합니다.