메시 인텔리전스를 위한 리퀴드 기질의 필요성에 관하여
On the Necessity of a Liquid Substrate for Mesh Intelligence
자율 에이전트들의 메시(mesh)에는 중심이 없다: 공유 클록도, 공유 모델도, 데이터를 수집하거나 재학습을 수행할 코디네이터도 존재하지 않는다. 메시의 역량은 각 에이전트가 피어들이 내보내는 투영(projection)을 단일 내부 상태로 접합(fold)하는 데 달려 있으며, 이는 비정기적이고 비예약적인 시간에 도착하는 관측으로부터 온라인으로 이루어지고, 가중치를 재학습할 수 없는 기질(substrate) 위에서 수행된다. 이 제약 조건들 각각은 단독으로는 다룰 수 있지만, 세 가지를 동시에 최적으로 접합하는 것은 불가능하다. 우리는 그러한 기질이 무엇이어야 하는지를 묻고, 비정기적·외생적 시간에 관측되는 자기진화 잠재변수(self-evolving latent) 모델로부터 두 가지 필요조건을 증명한다. 잠재변수가 변화하기 때문에 그 최적 추정량은 시간 변동적이며, 적응적 타임스케일이 필요하고 모든 고정 이득 필터는 엄격히 준최적(suboptimal)이다. 그리고 도착이 클록-프리(clock-free)이기 때문에 최적 추정치는 도착 간 경과 시간에 의존하는데, 이를 갭-블라인드(gap-blind) 네트워크는 어떤 너비나 깊이에서도 복원하지 못한다. 이 두 번째 조건은 용량과 무관하다: 스케일은 누락된 의존성을 대체할 수 없다. 두 조건은 연속시간 리퀴드(liquid) 클래스에서 교차한다. LSTM은 첫 번째 조건을 만족하고, 고정 연속시간 필터는 두 번째 조건을 만족하며, 다중 타임스케일 리퀴드 네트워크는 두 조건 모두를 만족한다. 합성 실험은 각각을 확인한다: 네트워크는 타임스케일을 달성하며, 분리(separation)는 정확하게 계산된다. 이 특성화는 필요조건이지 충분조건이 아니며, 고정 가중치 기질에 구속된다: 재학습이 자유로운 네트워크는 다른 수단으로 해당 클래스에 도달한다. 에이전트별로 증명된 필요성은 메시의 모든 에이전트에 구속되며, 이는 메시 인텔리전스에 대한 구조적 조건이다.