Projection Engineering이 불확실한 Claims를 감사 가능한 그래프로 투영한다

이미지: Google Gemini로 생성.

자동화 시스템이 7월 월세가 미납됐다고 판정한다.

그 문장을 만드는 비용은 싸다. 검증은 그렇지 않다. 누군가는 임대차계약서를 읽고, 등록 계좌를 식별하고, 해당 기간을 확인하고, 완료된 송금과 대기 중인 송금을 구분하고, 다른 채무에 충당됐을 가능성을 따지고, 어느 정책이 이 결과를 통지나 퇴거로 이어지게 하는지 확인해야 한다.

답은 한 문장이다. 그 답의 검증 경계는 세계 전체로 뻗는다.

이것이 생성형 AI의 구조적 문제다. 모델이 틀릴 수 있다는 데만 있지 않다. 그럴듯한 Claim은 거의 즉시 생성할 수 있지만, 검증하려면 그 뒤의 기록과 가정, 변환, 정책, 누락을 다시 구성해야 한다.

검증 비용이 생성 비용보다 비싸졌다.

모델을 더 유창하게 만들어도 이 역전은 해소되지 않는다. 인용을 붙이는 것만으로도 부족하다. 출처의 어느 부분이 어느 명제를 지지하는지, 어떤 판본을 사용했는지, 출처가 바뀌면 무엇을 다시 열어야 하는지 알 수 없다면 검증은 여전히 비싸다.

성숙한 제도는 관찰과 계산 사이에 책임층을 삽입해 비슷한 문제를 해결했다. 물리학은 계측학을 만들었고 법은 사실인정 절차를 만들었다. AI에도 양쪽의 부품은 있지만 열린 세계의 Claims를 결정에 안전하게 사용할 전제로 바꾸는 전체 과정을 책임지는 공인된 분야는 없다.

나는 그 누락된 책임을 Projection Engineering이라 부른다.

기록과 결정 사이의 누락된 층

계측학은 바늘을 그대로 믿지 않는다

센서가 숫자를 표시했다고 신뢰할 수 있는 측정값이 완성되는 것은 아니다. 측정에는 단위와 교정 이력, 소급성 사슬, 불확도, 선언된 유효 범위가 필요하다. NIST는 계량학적 소급성이 교정 스티커를 붙인 장비가 아니라 측정 결과의 속성이라고 강조한다(Metrological Traceability: Frequently Asked Questions and NIST Policy).

그 주변 장치가 실패를 진단 가능하게 만든다. 구조물이 무너지면 조사관은 보고된 값에서 변환과 교정을 거쳐 최초 관찰까지 거슬러 올라갈 수 있다. 산술만으로는 그 경로가 생기지 않는다. 계측학은 숫자가 제도적 하중을 견디게 한다.

LLM의 답변에는 대개 그에 대응하는 사슬이 없다. 각 Claim이 어느 관찰에서 시작됐는지, 변환에서 무엇이 손실됐는지, 어디까지 유효한지, 정정 뒤에 어떤 의존 결정을 다시 열어야 하는지 거의 밝히지 않는다. 눈금도 교정 성적서도 없는 움직이는 바늘이다.

법은 주장을 그대로 믿지 않는다

법정은 과거 그 자체를 만나지 않는다. 주장, 증언, 기록, 증거물, 감정 보고서를 만난다. 증거 규칙과 입증책임, 증명 기준, 권한 있는 절차를 통해 법의 사실인정은 상충하는 Claims 가운데 무엇을 특정 사건의 전제로 사용할지 결정한다. 실체적 현실과 형식적 법적 진실의 구별은 사법적 사실인정의 오래된 문제다(Formal Legal Truth and Substantive Truth in Judicial Fact-Finding).

사실인정과 규칙 적용을 분리하면 오류도 분리된다. 기록을 잘못 수집했을 수 있다. 잘못된 증명 기준으로 명제를 채택했을 수 있다. 올바른 전제에 잘못 구현된 규칙을 적용했을 수 있다. 올바른 결론을 엉뚱한 사람에게 집행했을 수 있다. 각 실패는 서로 다른 층에 속하고 서로 다른 수리를 요구한다.

계측학은 관찰을 소급 가능한 값으로 바꾼다. 법은 다툼이 있는 기록을 한 판단에 사용할 인정사실로 바꾼다. 둘 다 원시 입력이 중대한 계산으로 조용히 흘러 들어가는 것을 거부한다. AI 판정 시스템에는 바로 그 층이 빠져 있다.

Fact는 Accepted Fact를 뜻한다

Projection Engineering이라는 이름에는 엄격한 경계가 필요하다. 절대적 진실을 제조하겠다는 약속이 아니다.

Projection Engineering에서 Fact는 Accepted Fact를 뜻한다.

Accepted Fact는 명시된 목적, 범위, 기준 시점, 증명 기준과 정책 아래 특정 결정의 전제로 사용하도록 승인된 Claim이다.

세 객체는 반드시 분리되어야 한다.

  • Claim: 식별된 출처가 제출한 주장이나 관찰.
  • Accepted Fact: 권한 있는 절차가 전제로 채택한 Claim.
  • Conclusion: Accepted Facts와 규칙에서 계산된 결과.

Accepted Fact는 필드 안에 붙잡아 둔 현실이 아니라 문서화된 제도적 지위를 가진 Claim이다. Truth는 여전히 지향점이다. 명제는 현실과 일치해야 한다. 다만 시스템이 보존할 수 있는 것은 더 좁고 작동 가능하다. 누가 무엇을 어느 기록에서 언제 어떤 변환을 거쳐 주장했는지, 누가 어느 권한으로 채택하거나 기각했는지, 그리고 그 제한된 전제 집합에서 무엇이 뒤따랐는지다.

Projection Engineering은 진실을 소유하지 않는다. 다른 사람이 결정의 경계를 검사하고 다툴 수 있도록 그 경계를 engineering한다.

AI는 이미 닫혀 있다—Token에 대해

고정된 Transformer는 유용한 계산적 의미에서 닫혀 있다. 가중치와 입력, 실행 환경, 디코딩 조건을 고정하면 forward pass를 재생할 수 있다. 이 아키텍처는 다음에 올 token을 계산한다(Attention Is All You Need). 현실이 아니라 token probabilities에 대해 닫혀 있다.

이 구별은 모델의 회복력과 한계를 함께 설명한다. 학습 말뭉치에는 X와 not-X가 함께 있을 수 있다. 고전적 연역은 무제한적인 모순 폭발이 무엇이든 도출할 수 있으므로 이 모순을 처리해야 한다. 언어 모델은 폭발하지 않는다. entailment가 기본 연산이 아니므로 모순된 문장은 증명을 무효화하는 대신 분포를 바꾼다.

같은 이유로 attention과 softmax에는 참인 전제가 생성을 통과하며 진리를 보존한다고 보장하는 규칙이 없다. 최신 시스템은 확신에 찬 오류를 줄일 수 있지만, 학습과 평가가 불확실성을 인정하기보다 추측을 보상할 수 있기 때문에 환각은 여전히 남는다(Why Language Models Hallucinate).

우리는 언어에 관한 계산을 세계에 관한 판정으로 사용한다. 폐쇄는 이미 있지만 책임이 필요한 층보다 하나 아래에 있다. Projection Engineering은 다른 폐쇄를 제공한다. 이번 결정의 세계를 구성하는 Claims, 정책, 권한, 시점을 선언한다. 그 뒤에 재현 가능한 규칙이 그 안에서 계산한다.

미터는 폐쇄가 무엇을 할 수 있는지 보여준다

1983년 제17차 국제도량형총회는 미터를 빛이 진공에서 1/299,792,458초 동안 이동한 거리로 정의해 SI 정의 안에서 빛의 속도를 정확히 299,792,458 m/s로 고정했다(Resolution 1 of the 17th CGPM (1983)).

인류가 마침내 자연을 불확도 없이 측정했기 때문에 그 값이 정확해진 것이 아니다. 권한 있는 공동체가 그 값을 계속 다듬을 양에서 체계 정의의 일부로 경계 너머에 옮겼다. 그 아래의 측정은 경계가 명시됐기 때문에 더 정밀해졌다.

이것은 현실을 소유한다는 주장이 아니었다. 식별된 권위가 정해진 절차로 채택한 날짜가 있는 convention이었고, 다른 절차로 개정할 수도 있었다. Projection Engineering도 같은 제한적 의미에서 결정을 닫는다. 현실을 닫지 않는다. 이름이 붙은 정책과 권한 아래 지금 여기에서 어떤 Claims를 전제로 사용할지만 동결한다.

계측학 유비가 끊기는 곳

계측학은 안내선이지 미해결 문제를 가리는 위장막이 아니다.

첫째, 일반 측정은 반복의 도움을 받는 경우가 많다. 지급, 동의, 검사, 해고, 사고는 단회 사건일 수 있다. 더 가까운 모델은 법과학적 계량이다. 한 번의 관찰이 보존된 증거물과 관리 연속성, 문서화된 절차, 알려진 장비 한계를 통해 적대적 절차를 견뎌야 한다.

둘째, 수치 불확도는 종종 방정식을 따라 전파할 수 있다. 미해결 명제에는 아직 그만큼 일반적인 산술이 없다. 긴 도출에서 supported, defeated, unknown을 거짓 정밀도로 세탁하지 않고 보존하는 것은 열린 연구 문제다.

셋째, 소스가 완전하다거나 정책에 구속력이 있다고 선언하는 것은 권한의 행사다. 소급성은 그 선택을 드러낼 수 있지만 편향을 없애지는 못한다. Projection Engineering은 누가 저울 위에 엄지를 올렸는지 공개해야 한다. 모든 엄지를 없애겠다고 약속할 수는 없다.

GAF는 목록이 아니다

Accepted Fact 하나만 저장하면 그것을 채택 가능하게 만든 정보가 파괴된다. 누가 제출했고, 무엇이 반박했으며, 어느 정책이 채택했고, 어떤 권한이 그 정책을 작동시켰는지 잃는다.

그러므로 Projection Engineering의 산출물은 Graph of Accepted Facts(GAF) 다.

Records / Observations
          │
          ▼
        Claims ◀──── Evidence / Counterevidence
          │
          ▼
  Evaluation + Projection Policy
          │
          ▼
   Accepted Facts ─────┐
          │             │
          ▼             │
 Rules / Derivations    │
          │             │
          ▼             │
      Conclusions       │
                        │
 Provenance ────────────┘

GAF는 원본 기록과 추출된 Claims, 지지·반박 증거, 평가, 정책과 권한, Accepted Facts, 파생, 결론, 판본, 시점, 의존성을 연결한다. 기존 표준도 이미 개체, 활동, 행위자와 provenance 관계를 모델링한다. PROV-O: The PROV Ontology는 이 어휘가 특정 데이터베이스 제품의 소유물이 아님을 보여준다.

GAF가 반드시 그래프 데이터베이스에 살아야 하는 것도 아니다. 관계와 양방향 lineage를 보존한다면 관계형 데이터베이스나 append-only log도 충분하다.

  • 감사자는 결론에서 Accepted Facts와 Claims를 거쳐 원본 기록까지 뒤로 걸어갈 수 있어야 한다.
  • 시스템은 무효화된 기록에서 다시 열어야 할 모든 Accepted Fact, 결론, 권한 있는 행동까지 앞으로 걸어갈 수 있어야 한다.

첫 번째 경로는 결정을 감사 가능하게 만든다. 두 번째 경로는 정정을 계산 가능하게 만든다.

월세 한 번에 담긴 세 가지 공학 문제

월세 분쟁으로 돌아가자. 임차인은 월세를 냈다고 말한다. 임대인은 월세로 받지 못했다고 말한다. 은행 원장에는 합의된 기간에 등록 계좌 사이로 돈이 이동했다고 나오지만 메모는 비어 있다.

첫 번째 작업은 명제 분해다.

A payment moved from the tenant's account to the landlord.  [accepted]
That payment discharged this month's rent obligation.       [undetermined]

송금과 법적 충당은 서로 다른 Claims다. 다른 채무가 존재할 수 있다면 첫 번째가 두 번째를 함의하지 않는다. 둘을 나누기로 한 것은 사무 작업이 아니다. 해고 사건에서 제시된 사유가 존재했는지, 절차를 지켰는지, 그 사유가 해고를 정당화하는지, 행위자에게 권한이 있었는지를 묻는 것은 같은 기록으로 서로 다른 결정 그래프를 만든다.

이것이 쟁점 형성이며 Projection Engineering의 핵심 기예다. 명제를 구성하는 사람이 무엇을 채택하고, 논파하고, 미상으로 둘 수 있는지 결정한다. 시스템은 누가, 어떤 목적과 권한 아래 그 분해를 수행했고 어떤 대안을 제외했는지 보존해야 한다. 편향된 쟁점 뒤의 완벽한 provenance는 편향을 우아하게 문서화할 뿐이다.

두 번째 문제는 부재다. 송금을 찾지 못했다고 미납이 증명되지는 않는다. 기간이 틀렸거나, 검색이 불완전하거나, 송금이 대기 중이거나, 다른 기관이 기록을 가지고 있을 수 있다. 부재는 증거가 된다. 단, 소스가 무엇을 포함한다고 약속하는지 완전성 계약이 먼저 정의된 뒤에만 그렇다.

Completeness contract C-04

Declarant: operator of ledger L
Scope: all settled transactions for account A during period P
Excludes: pending transactions and records held by other institutions
Authority: signed policy version V

그 뒤에야 해당 범위의 부재를 부정의 근거로 사용할 수 있다. 편리한 소스를 완전하다고 선언하면 미상 사건을 결정 가능한 사건으로 바꿀 수 있으므로 선언에는 신원, 서명, 날짜, 판본, 권한이 붙어야 한다.

세 번째 문제는 반복되는 사람의 판단이다. 등록 계좌에서 합의된 기간 안에 정확한 금액이 들어왔고 경쟁하는 다른 채무가 없다면, 사람이 빈 메모에도 불구하고 월세로 충당됐다고 판단할 수 있다. 재사용할 자산은 그 한 번의 답이 아니라 답 뒤의 일반화 가능한 판단이다.

이것이 결정 보존이다. 그러나 사례 하나가 조용히 선례가 되어서는 안 된다. 권한 있는 사람이 범위, 예외, 발효 시점, 소급 여부, 취소 조건을 명시하기 전까지 그 판단은 정책 후보로 남는다. 그 뒤에야 비준된 정책이 된다.

Claim에서 권한 있는 행동까지

Projection Engineering은 모델이나 저장 제품이 아니다. 열린 세계의 기록을 닫힌 결정 세계로 투영하고 근거나 정책이 바뀌면 그 세계를 다시 여는 공정이다.

Reality
   │
   ▼
Records / Observations
   │  preservation · calibration · transformation history
   ▼
Claims
   │  proposition decomposition · source evaluation · conflicts and gaps
   ▼
Projection
   │  purpose · scope · reference time · proof standard · authority · policy version
   ▼
GAF
   │  Accepted Facts · provenance · dependencies
   ▼
Closed Decision World
   │
   ▼
Deterministic Conclusion
   │
   ▼
Authorized Action

각 전이는 서로 다른 오류를 만든다.

  • 원본 기록 누락은 수집 오류다.
  • 잘못된 OCR이나 추출은 변환 오류다.
  • 잘못된 쟁점을 세우거나 잘못된 Claim을 채택하면 투영 오류다.
  • 올바른 Accepted Facts에서 잘못된 결론을 계산하면 규칙 오류다.
  • 올바른 결론을 엉뚱한 대상에게 적용하면 실행 오류다.

오류마다 다른 수리가 필요하다. 새 증거는 수집을 고친다. 재평가는 투영을 고친다. 수정한 규칙 엔진은 동결된 GAF를 재생할 수 있다. 실행 실패에는 사실의 재작성 대신 취소, 정정, 보상이 필요하다. 모든 실패를 “AI가 틀렸다”고 부르면 어느 것도 수리할 수 없다.

이해 비용은 한 번만 지불한다

누락된 층은 위험일 뿐 아니라 낭비의 원인이기도 하다. 모델은 계약서를 읽고, 당사자를 해소하고, 의무를 추출하고, 질문 하나에 답한다. 다음 질문은 같은 해석 비용의 상당 부분을 다시 지불한다. 검색은 불러오는 텍스트를 줄이지만 재사용 단위가 문서 조각인 탓에 여전히 산문 chunk를 옮긴다.

Semantic compilation은 그 단위를 바꾼다. 문서를 한 번 해석해 식별자, 출처, 시간 범위, 의존성을 가진 안정된 명제로 만든다. 이후 질문은 prompt와 사용자, 문서를 가로질러 그 명제를 재사용한다. Claim이 시스템에 들어올 때 이해 비용을 한 번만 지불하고, 누군가 질문할 때마다 다시 지불하지 않는다.

Prompt caching은 이 층을 대신할 수 없다. 캐시는 byte와 순서를 보존한다. GAF는 의미와 provenance를 보존한다. prefix cache는 순서가 바뀌면 깨질 수 있지만, 명제는 다른 곳에서 추출된 Claims와 결합되고 자신에게 의존하는 모든 결정에 쓰일 수 있다.

의미를 재사용하면 더 어려운 무효화 문제가 생긴다. 출처가 정정되거나 대체되거나 조작으로 드러났을 때 어떤 결론을 다시 열어야 하는가? provenance 없는 사실 캐시는 hallucination cache다. 같은 오류를 더 빠르고 더 확신에 차서 반복한다.

Lineage is cache invalidation.

사람이 결정에 이의를 제기하게 하는 구조와 기계가 영향받은 결론만 다시 계산하게 하는 구조는 같다. 여기서 책임성과 효율은 경쟁하는 기능이 아니다. 같은 의존성 그래프를 두 방식으로 사용하는 것이다.

인접 공학과의 경계

Projection Engineering은 Data, Knowledge, Rule, Prompt, Context Engineering의 대체물이 아니다. 지금은 한 명의 책임자 없이 건너는 경계를 맡는다.

Data Engineering은 source → ingest → transform → store → serve를 따라 기록을 이동시킨다. Projection Engineering은 record → claim → evaluate → project → GAF를 따라 정보가 전제로 사용할 자격이 있는지 묻는다. 유효한 스키마에도 거짓 기록이 들어갈 수 있다.

Knowledge Engineering은 기계가 사용할 개념과 관계를 표현한다. Projection Engineering은 각 관계를 먼저 Claim으로 취급하고, 제한된 결정 안에서 누가 지식으로 사용할 권한을 부여했는지 기록한다.

Rule Engineering은 주어진 전제에서 결론을 계산한다. Projection Engineering은 그 규칙이 작동할 전제 그래프를 구성하고 동결한다.

Prompt Engineering은 지시를 만들고 Context Engineering은 계산할 정보를 선택한다. Projection Engineering은 그보다 앞선 질문을 던진다. 이 정보는 어떤 Claim이며 왜 여기서 전제가 될 수 있는가?

더 좋은 prompt도 잘못 채택된 전제를 구할 수 없다.

LLM은 권위가 아니라 작업자다

LLM은 이 공정의 작업자다. 비정형 기록에서 Claim 후보를 추출하고, 복합 문장을 나누고, 충돌을 찾고, 누락된 증거를 요청하고, lineage를 사람이 읽을 수 있는 언어로 번역할 수 있다.

권위는 아니다. LLM의 출력도 하나의 Claim이다. 귀속 연구는 유창한 생성과 식별된 출처가 지지할 수 있는 문장을 구분한다(Measuring Attribution in Natural Language Generation Models). 추론 충실성 연구도 생성된 chain of thought가 답변의 인과적 실행 기록으로 안정적으로 작동하지 않는다는 결과를 제시한다(Making Reasoning Matter: Measuring and Improving Faithfulness of Chain-of-Thought Reasoning).

같은 모델이 Claim을 추출하고, 채택하고, 규칙을 고르고, 결과를 설명하고, 행동까지 승인하면 파이프라인 전체가 다시 하나의 불투명한 생성으로 무너진다. 사후 서술은 provenance record가 아니다.

생성은 확률적이어도 된다. 사실 채택과 완료 선언, 행동 권한은 별도로 통제되어야 한다.

통계적 보증은 내 사건을 설명하지 못한다

가장 강한 반론은 실용적이다. 조직은 모든 인간 의사결정자에게 완전한 도출 trace를 요구하지 않는다. 전체 결과와 품질 관리, 표본 감사를 살핀다. 모델도 같은 방식으로 관리하면 되지 않는가?

통계적 보증은 시스템 개선에 유용하고 자주 충분하다. 그러나 분쟁 결과 안에 서 있는 개인의 질문에는 답하지 못한다.

내 사건에서 무엇이 전제였는가?

전체 정확도는 어느 기록이 틀렸고, 어떤 Claim이 채택됐고, 어느 정책이 적용됐으며, 어떤 새 증거가 이의제기를 뒷받침할 수 있는지 알려주지 않는다. 모집단 수준의 보증과 사건 수준의 이의제기 가능성은 서로 다른 문제를 해결한다.

그 구별이 범위를 정한다. Projection Engineering은 모든 AI 시스템을 위한 것이 아니다. 신용, 급여, 자격, 퇴거, 보험, 의료 승인처럼 개인이 전제 집합을 검사하고 다툴 수 있어야 하는 이의제기 가능한 결정을 내리는 시스템을 위한 것이다. NIST AI Risk Management Framework는 책임성과 투명성을 생명주기 속성으로 다루고, Regulation (EU) 2024/1689는 고위험 시스템에 사건 기록을 요구한다.

누구도 다툴 필요가 없는 저위험 생성에는 이 장치가 과할 수 있다. 범위도 engineering의 일부다.

최소 계약

Projection Engineering을 한다고 주장하는 시스템은 다음 질문 모두에 그렇다고 답해야 한다.

  1. 원본 기록과 파생된 Claims를 구분하고 각 Claim에 출처, 시점, 변환 이력을 붙이는가?
  2. 복합 Claim을 독립적으로 다툴 수 있는 명제로 나누고 누가 왜 쟁점을 구성했는지 기록하는가?
  3. 충돌하는 Claims와 기각된 대안을 삭제하지 않고 보존하는가?
  4. false, unknown, not found를 구분하고 부재를 부정으로 바꾸기 전에 완전성 계약을 요구하는가?
  5. Accepted Fact에서 증거, 정책, 권한, 판본까지 뒤로 추적하고 무효화된 출처에서 영향받는 결론까지 앞으로 추적할 수 있는가?
  6. 결정에 사용한 정확한 GAF와 규칙 snapshot을 재현하고 같은 폐쇄 아래 같은 결론을 얻을 수 있는가?
  7. 반복되는 사람의 판단을 범위, 예외, 발효 시점이 있는 비준된 정책으로 보존할 수 있는가?
  8. Claim 채택, 규칙 판정, 행동 권한이 분리되어 있고 과거 결정을 지우는 대신 다시 여는 절차가 있는가?

하나라도 아니라고 답한다면 시스템은 어딘가에서 Claim을 조용히 Fact로 승격시키고 있다.

왜 새로운 공학 분야인가

부품은 이미 존재한다. provenance, evidence management, argumentation graph, truth-maintenance system, event sourcing, rules engine, audit log, legal fact-finding, metrology, closed-world reasoning이 있다.

부품은 책임 경계가 아니다. Data Engineering이 분야로 응집되기 전에도 데이터베이스와 ETL은 있었다. DevOps 이전에도 서버와 배포 스크립트는 있었다. 여러 조직에 흩어진 반복 실패를 하나의 책임 역할, 하나의 산출물 부류, 반복 가능한 검증법 아래 모을 때 분야가 생긴다.

오늘날 이 질문을 처음부터 끝까지 소유하는 역할은 없다.

현실의 기록은 어느 순간, 누구의 권한과 어떤 정책으로, 결정에 사용할 Accepted Fact가 되었는가?

데이터 엔지니어는 파이프라인을 맡는다. 지식 엔지니어는 표현을 맡는다. ML 엔지니어는 모델을 맡는다. 도메인 전문가는 규칙을 설명한다. 운영자는 예외를 처리한다. 그 사이에서 사실 채택은 정제 코드, prompt, application logic, 모델 추론, 문서화되지 않은 관행 속으로 녹아든다.

Projection Engineering은 모든 부품이 새롭다고 주장하지 않는다. 경계 자체에 소유자와 산출물, 약속 이행을 시험할 결정론적 방법이 필요하므로 새로운 공학 분야를 제안한다.

검증을 다시 싸게 만들어라

열린 세계는 멈추지 않는다. 새 기록이 도착하고, 증언이 바뀌고, 센서가 재교정되고, 정책이 개정된다. 완전한 현실을 기다리는 시스템은 영원히 행동하지 못한다. 불확실성을 숨기는 시스템은 책임 없이 행동한다.

Projection Engineering은 더 좁은 계약을 선택한다.

  • 불일치를 지우는 대신 Claims를 보존한다.
  • Fact가 권한 있는 전제를 뜻할 때마다 Accepted Fact라고 명시한다.
  • 모든 채택을 증거, 정책, 권한, 시점, 범위와 연결한다.
  • 완전성 계약 없이 미상을 거짓으로 바꾸지 않는다.
  • 실제 사용한 결정 세계와 규칙을 동결한다.
  • 같은 닫힌 입력에서 결론을 재현한다.
  • 반복되는 판단을 명시적이고 비준된 정책으로 보존한다.
  • 과거를 다시 쓰지 않고 근거가 바뀌면 결정을 다시 연다.

Projection Engineering은 진실을 소유하지 않고, 편향을 제거하지 않으며, 기계를 무오류로 만들지 않는다. 결정에 사용한 제한된 세계를 검사하고, 다투고, 재생하고, 수리할 수 있을 만큼 드러낸다.

수학이 사회적으로 강력해진 것은 모든 질문에 답했기 때문이 아니다. 도출의 자리에 없었던 사람도 선언된 전제에서 무엇이 뒤따랐는지 검사할 수 있었기 때문이다. 계측학은 숫자를 소급성으로 둘러싸 측정이 하중을 견디게 했다. 법은 주장을 인정된 전제와 분리해 과거를 재생하지 않고도 판단할 수 있게 했다.

AI에는 이미 산술이 있다. 그 산술을 둘러싼 제도가 없을 뿐이다.

Projection Engineering의 목표는 단순하다.

검증을 다시 싸게 만드는 것.

Reality gives us Claims.

Decisions require Accepted Facts.

Projection Engineering projects Claims into an auditable Graph of Accepted Facts.

관련 글

출처