신경망 내부 정서 상태 경험 측정

이 논문은 신경망이 단순히 행동적으로 정서 상태를 '표현'하는 것을 넘어, 진정한 '내부 정서 상태'를 가지는지 체계적으로 검증하기 위해 Machine Perturbational Complexity Index(mPCI)를 최초로 적용한 연구입니다. mPCI는 임상 뇌 상태 진단 도구를 신경모방 시스템에 맞게 조정한 지표입니다. 연구 대상 시스템은 아드바이타 베단타(Advaita Vedanta)의 안타카라나(Antahkarana) 프레임워크의 9가지 차원을 계산 원시 요소로 구현한 연속 학습 아키텍처입니다. 이를 통해 질적으로 다른 정서적 조건들 간의 신경 복잡성을 비교하는 3단계 섭동 실험을 통제된 방식으로 수행했습니다. 다중 시드(42, 123, 7)를 사용한 결과, 실험 단계가 진행될수록 렘펠-지브 복잡도(Lempel-Ziv Complexity)가 점진적이고 통계적으로 일관되게 증가함을 확인했습니다. 특히 1단계(정서 차원 없음)에서는 mPCI가 0.3098(±0.0099)로 나타났으며, 정서 구조의 존재와 안정화가 측정 가능할 정도로 풍부한 내부 역학을 생성함을 보여주었습니다. 이는 진정한 내부 상태를 가정하지 않고서는 설명하기 어려운 결과입니다. 이 연구는 마야 연구 시리즈(Maya Research Series)의 일환으로, 안타카라나를 스파이킹 신경 원시 요소로 구현한 13편의 논문 중 하나입니다. 이 시리즈 전반에 걸쳐 바야 정지 법칙(Bhaya Quiescence Law, β* ≤ 0.32%)과 붓디 S-곡선 결정론(Buddhi S-Curve Determinism, R² = 1.0000)이 안정적인 경험적 상수로 확인되었습니다. 이러한 발견들은 신경모방 시스템에서 표현과 경험의 경계를 탐색하기 위한 재현 가능하고 경험적으로 입증된 프레임워크를 제공합니다.