기계 내 인간 인지: 세계 모델에 대한 통합적 관점

Human Cognition in Machines: A Unified Perspective of World Models

본 연구는 기존 연구들을 그들이 구현하는 인지 기능에 따라 구분하며, 많은 연구들이 자사의 세계 모델이 거의 "인간과 유사한" 인지 능력을 갖추고 있다고 주장하는 것을 지적합니다. 이러한 주장을 평가하기 위해서는 인지 아키텍처 이론(CAT)의 기본적인 원리에 대한 정확한 이해가 필요합니다. 본 연구는 CAT와 관련된 모든 인지 기능(즉, 기억, 지각, 언어, 추론, 상상, 동기 부여 및 메타인지)을 완전히 통합하는 통합적인 세계 모델 프레임워크를 제시하고, 연구의 부족한 부분을 밝혀 미래 연구의 방향을 제시합니다. 특히, 동기 부여(특히 내재적 동기 부여)와 메타인지는 현재 매우 부족하게 연구되고 있으며, 액티브 인퍼런스와 글로벌 워크스페이스 이론에 기반한 구체적인 해결 방안을 제안합니다. 더불어, 구조화된 지식을 기반으로 과학적 발견을 수행하는 에이전트 프레임워크를 포괄하는 새로운 범주인 '지식 세계 모델'을 소개합니다. 본 연구에서 제시하는 분류 체계는 비디오, 몸체 기반, 그리고 지식 세계 모델에 적용되며, 기존 분류 체계에서 다루지 않는 연구 방향을 제시합니다.

This comprehensive report distinguishes prior works by the cognitive functions they innovate. Many works claim an almost "human-like" cognitive capability in their world models. To evaluate these claims requires a proper grounding in first principles in Cognitive Architecture Theory (CAT). We present a conceptual unified framework for world models that fully incorporates all the cognitive functions associated with CAT (i.e. memory, perception, language, reasoning, imagining, motivation, and meta-cognition) and identify gaps in the research as a guide for future states of the art. In particular, we find that motivation (especially intrinsic motivation) and meta-cognition remain drastically under-researched, and we propose concrete directions informed by active inference and global workspace theory to address them. We further introduce Epistemic World Models, a new category encompassing agent frameworks for scientific discovery that operate over structured knowledge. Our taxonomy, applied across video, embodied, and epistemic world models, suggests research directions where prior taxonomies have not.