텔로제네시스: 목표는 전부 필요하다

Telogenesis: Goal Is All U Need

목표 지향 시스템은 일반적으로 목표가 외부에서 제공된다고 가정합니다. 본 연구에서는 에이전트의 내부 인지 상태로부터 주의 집중 우선순위가 내재적으로 어떻게 발생하는지 질문합니다. 우리는 세 가지 인지적 불확실성 요소(불확실성, 놀라움, 노후화)로부터 관찰 목표를 생성하는 우선순위 함수를 제안합니다. 제안된 방법을 최소한의 주의 할당 환경(2,000회 실행)과 모듈화되고 부분적으로 관찰 가능한 세계(500회 실행)에서 검증했습니다. 제거 실험 결과, 각 구성 요소가 필수적임을 확인했습니다. 중요한 결과는 측정 기준에 따른 우선순위 역전 현상입니다. 전역 예측 오차 하에서는 커버리지 기반 회전이 우수하고, 변화 감지 지연 하에서는 우선순위 기반 할당이 우수하며, 이 우위는 차원(d = -0.95, p < 10^-6)이 증가함에 따라 단조롭게 증가합니다. 변화 감지 지연은 주의 예산에 대한 거듭제곱 법칙을 따르며, 우선순위 기반 할당은 더 가파른 지수를 갖습니다(0.55 vs. 0.40). 각 변수에 대한 감쇠율을 학습 가능하게 만들면, 시스템은 외부 감독 없이 환경의 변동 구조를 자발적으로 복원합니다(t = 22.5, p < 10^-6). 본 연구에서는 외부 보상 없이 인지적 불확실성만으로도, 고정된 전략보다 우수한 적응형 우선순위를 생성하고 숨겨진 환경 구조를 복원할 수 있음을 보여줍니다.

Goal-conditioned systems assume goals are provided externally. We ask whether attentional priorities can emerge endogenously from an agent's internal cognitive state. We propose a priority function that generates observation targets from three epistemic gaps: ignorance (posterior variance), surprise (prediction error), and staleness (temporal decay of confidence in unobserved variables). We validate this in two systems: a minimal attention-allocation environment (2,000 runs) and a modular, partially observable world (500 runs). Ablation shows each component is necessary. A key finding is metric-dependent reversal: under global prediction error, coverage-based rotation wins; under change detection latency, priority-guided allocation wins, with advantage growing monotonically with dimensionality (d = -0.95 at N=48, p < 10^-6). Detection latency follows a power law in attention budget, with a steeper exponent for priority-guided allocation (0.55 vs. 0.40). When the decay rate is made learnable per variable, the system spontaneously recovers environmental volatility structure without supervision (t = 22.5, p < 10^-6). We demonstrate that epistemic gaps alone, without external reward, suffice to generate adaptive priorities that outperform fixed strategies and recover latent environmental structure.