구조화된 인지적 작업으로서의 미(美) — 수학적 핵심

이것은 슬로건이 아닌 실제 메커니즘을 원하는 독자를 위해 작성된 TITI의 과학적 레이어입니다. 이 엔진의 미학적 핵심을 팩토리가 다른 모든 것을 공개하는 방식과 동일하게, 수학 공식 및 그 주장의 범위와 한계를 명시한 프레임과 함께 가감 없이 온전히 서술합니다. 핵심 주장은 프레임의 재정의입니다. 미(美)는 객체의 정적인 스칼라 속성으로 다루어지지 않습니다. 대신 미는 유계 소산 및 위상 일관성 하에, 정보 다양체 위의 궤적을 따라 관찰자의 예측 모델에 작용하는 객체 유도 포텐셜 장에 의해 수행되는 구조화된 인지적 작업으로 모델링됩니다. 본 모델은 뇌의 입증된 물리적 법칙이 아닌, 일관된 이론적 프레임워크이자 진단 도구로서 제시됩니다. 그 목적은 운영상에 있습니다. 즉, 미학적 경험을 인지적 비용, 구조화된 신비성, 위상 정렬, 해석 역량, 그리고 궤적 자체의 가치와 같이 측정 가능한 디자인 가설로 전환하는 것입니다.

존재론: 객체, 주체, 그리고 모델 공간을 관통하는 경로

미학적 객체—이미지, 음악, 인터페이스, 건축물, 브랜드 시스템, 심지어 수학 공식까지—는 그 자체로 아름답다고 평가되지 않습니다. 대신 객체는 관찰자의 내부 예측 모델 공간에 장(field)을 유도합니다. 주체는 고정된 선호도 벡터가 아니라 내부 모델 상태를 가진 예측적 인지 시스템으로 표현됩니다. 모델 상태는 다양체 위의 한 점,

m(t)\in\mathcal{M}

이며, 미학적 경험은 관찰자가 객체와 상호작용하는 동안 발생하는 해당 상태의 궤적(trajectory)입니다:

\gamma(t):[0,T]\to\mathcal{M},\qquad \gamma(0)=m_{0},\ \ \gamma(T)=m_{T}

이것이 첫 번째이자 가장 핵심적인 가정입니다. 미학적 가치는 객체 단독의 속성이 아니라, 관찰자의 모델이 이동하는 경로의 속성입니다.

정보 다양체와 Fisher-Rao 메트릭

관찰자의 내부 모델은 분포의 매개변수 패밀리로 간주되므로, 모델 공간은 통계학의 자연스러운 기하학적 구조를 갖습니다. 메트릭은 Fisher 정보 행렬입니다:

g_{ij}(\theta)=\mathbb{E}_{x\sim p(x\mid\theta)}\!\left[\frac{\partial\log p(x\mid\theta)}{\partial\theta_{i}}\,\frac{\partial\log p(x\mid\theta)}{\partial\theta_{j}}\right]

이 메트릭은 관찰자가 인접한 예측 상태들을 구별하는 것이 얼마나 어려운지 측정합니다. Fisher-Rao 메트릭 하에서 가까운 상태들은 낮은 인지적 비용으로 이동할 수 있으며, 서로 멀리 떨어진 상태들은 더 많은 작업을 필요로 합니다. 따라서 미학적 거리는 평탄하지 않습니다 — 관찰자마다 내부 다양체의 곡률이 다르기 때문에 동일한 시각적 차이라도 어떤 관찰자에게는 쉬울 수 있고 다른 관찰자에게는 어려울 수 있습니다. 두 인지 상태 사이의 거리는 측지선 길이입니다:

D_{g}(m_{a},m_{b})=\inf_{\gamma}\int_{0}^{T}\!\sqrt{g_{ij}(\gamma(t))\,\dot{\gamma}^{i}(t)\,\dot{\gamma}^{j}(t)}\;dt

객체 유도 미학적 포텐셜

객체는 모델 공간 전체에 스칼라 포텐셜 장을 유도합니다. 각 모델 상태에서 이 포텐셜 값은 객체가 생성하는 해결되지 않은 자유 에너지 긴장, 예측 불일치, 또는 해석적 잠재력을 나타냅니다. 이는 객체 입력에 대한 관찰자 모델의 변분 자유 에너지와 동일시될 수 있습니다:

\Phi_{O}:\mathcal{M}\to\mathbb{R},\qquad \Phi_{O}(m)=\mathcal{F}(O,m)

이것은 의도적으로 자유 에너지 원리로 수렴하지 않습니다. 자유 에너지 원리는 유기체가 항상성을 유지하기 위해 어떻게 자유 에너지를 최소화하는지 질문하는 반면, 여기서의 질문은 객체가 자유 에너지 환경을 통과하는 궤적을 어떻게 형성하여 그 경로가 인지적으로 가치 있고, 위상 일관성을 가지며, 평이하게 해결되지 않도록 만드는가 하는 것입니다. 이 엔진은 가능한 가장 낮은 자유 에너지를 보상하는 것이 아니라, 풍부한 환경을 통과하는 구조화된 움직임을 보상합니다. 객체가 해석에 가하는 힘은 포텐셜의 메트릭 그래디언트입니다:

F_{\mathrm{aest}}=-\nabla_{g}\Phi_{O},\qquad (\nabla_{g}\Phi)^{i}=g^{ij}\frac{\partial\Phi}{\partial q^{j}}

지루한 객체는 얕고 평범한 장을 가지며, 혼란스러운 객체는 일관성 없는 장을 가지고, 걸작은 깊고 구조화되었으며 다중 어트랙터를 가진 장을 형성합니다.

노이즈와 구별되는 구조화된 신비성

놀라움은 감쇄합니다. 미가 단지 놀라움뿐이라면 익숙한 걸작은 모든 가치를 잃게 될 것입니다. 따라서 모델에는 정적이지만 구조화된 구성 요소가 필요합니다. 해석 레이어들은 통계적으로 의존적이기 때문에, 순진한 가중 합산은 중복 계산을 유발합니다. 보정된 형태는 엔트로피 연쇄 법칙을 사용합니다:

H_{\mathrm{mystery}}(O,S)=H(L_{1})+\sum_{i=2}^{n}H\!\bigl(L_{i}\mid L_{i-1},\dots,L_{1}\bigr)

여기서 해석 레이어 L_1, L_2, …, L_n은 구도적, 상징적, 맥락적, 원형적, 문화적, 그리고 고차원적 해석 불확실성을 가집니다(엔트로피의 엔트로피로 오독되는 것을 방지하기 위해 기호는 H_i가 아닌 L_i로 표기됩니다). 각 조건부 항은 하위 레이어들이 고려된 후에도 남아 있는 구조화된 불확실성만을 추가하므로, 중복 계산되는 항목이 없습니다. 신비성은 노이즈와 명확히 구분됩니다. 노이즈는 일관된 해석을 추가하지 않으면서 비용만 증가시키는 압축 불가능한 무작위성인 반면, 신비성은 추가적인 해석을 유도하는, 압축 가능하지만 아직 고갈되지 않은 구조입니다:

H_{\mathrm{mystery}}=H_{\mathrm{total}}-H_{\mathrm{noise}}-H_{\mathrm{resolved}}

생성적 해석 역량

객체가 주체 내부에서 생성하는 안정적인 해석들의 집합을 해석 공간이라 하고, 각각의 안정적인 해석을 관찰자 인지 역학의 어트랙터라고 정의합시다. 해석 볼륨 대비 생성기 복잡도의 단순 비율은 생성기가 시시할 때 발산하여, 무작위 연상 트리거를 허위로 무한히 가치 있게 보이게 만듭니다. 정규화된 형태는 이를 교정하고 일관된 풍부함에 가치를 부여합니다:

\mathrm{GIC}^{*}(O,S)=\frac{\mathrm{Vol}\bigl(\Omega(O,S)\bigr)\cdot \mathrm{Coh}(\Omega)}{K_{\mathrm{gen}}(O)+\varepsilon}

이 비율의 항들은 이름이 명명되었을 뿐 아직 고정되지 않았습니다. 해석 볼륨 Vol(Ω)과 생성기 복잡도 K_gen(콜모고로프 복잡도, 서술/구현 길이, 구성 요소 수 또는 의존성 그래프 측정값 중 무엇으로 구현되든 상관없이)은 각 매체별로 조작화되어야 합니다. 여기에 서술된 비율은 완성된 추정량이 아니라 잘 정의된 하나의 가설이며, 결론 프레임은 이 차이를 명확히 유지합니다.

일관성 인자는 무작위적인 연상의 폭발에 페널티를 부여합니다. 즉, 높은 가치를 얻으려면 무관한 많은 연상이 아니라, 많은 해석 그리고 그 해석들 사이의 구조화된 일관성이 필요합니다. 이는 고유 해석 거리 스케일 τ로 정규화되어 지수가 무차원이 되며, 모든 안정적인 해석 쌍에 대해 평균을 냅니다:

\mathrm{Coh}(\Omega)=\exp\!\left(-\frac{1}{\tau}\,\mathbb{E}_{i,j}\bigl[D_{g}(x_{i}^{*},x_{j}^{*})\bigr]\right),\qquad \mathbb{E}_{i,j}[\,\cdot\,]=\frac{1}{\mathrm{Vol}(\Omega)^{2}}\int_{\Omega}\!\int_{\Omega}(\cdot)\,d\mu(x_{i}^{*})\,d\mu(x_{j}^{*})

위상 일관성 — 타이밍이 존재하는 곳의 타이밍

각 역동적 미학적 특징은 복소 진폭 및 위상 신호로 작성됩니다. 위상은 은유가 아닙니다. 음악, 애니메이션 타이밍, 스크롤 리듬, 안구 신속 운동 타이밍, 상호작용 지연 시간, 공개 타이밍, 주의 주기와 같이 실제 타이밍, 리듬 또는 진동이 존재하는 곳에서만 적용됩니다.

z_{k}(t)=A_{k}(t)\,e^{i\theta_{k}(t)}

힐베르트 공간에서 객체와 주체의 역동적 상태를 표현할 때, 정규화된 위상 일관성은 이들의 유계 내적 정렬입니다:

\mathrm{PC}(O,S,t)=\frac{\bigl|\langle z_{O}(t),z_{S}(t)\rangle\bigr|}{\lVert z_{O}(t)\rVert\,\lVert z_{S}(t)\rVert},\qquad 0\le \mathrm{PC}\le 1

동적 시스템의 경우 이것은 실제 타이밍 정렬을 측정합니다. 예를 들어 인터페이스에서 높은 위상 일관성은 사용자의 주의가 받아들일 준비가 된 바로 그 순간에 모션, 공개 및 반응이 정확히 도달함을 의미합니다. 정적인 아티팩트의 경우 위상은 직접 적용되지 않습니다. 이는 아티팩트가 유도하는 주의의 궤적, 즉 눈이 구도를 읽는 순서와 시간이 지남에 따라 레이어가 펼쳐지는 방식을 통해서만 유입됩니다. 이러한 주의 시퀀싱을 측정할 수 없는 경우, 위상 일관성을 정지 영상에 강제로 맞추기보다는 구조적 정렬로 대체합니다.

해밀토니안 정식화

인지 모델 위치를 일반화 좌표로 삼으면, 일반화된 인지 운동량은 다양체의 국소 곡률로 가중치가 부여된 속도입니다. 따라서 곡률이 높은 영역에서의 미세한 개념적 이동은 큰 운동량을 가질 수 있습니다:

p_{i}=g_{ij}(q)\,\dot{q}^{j}

운동 인지 에너지는 모델 이동의 에너지이며, 높은 값은 관찰자 예측의 급격한 재구성에 대응합니다. 이것은 동일한 에너지를 두 가지 동등한 방식으로 작성한 것입니다. 메트릭이 속도에 작용하는 방식(공변 g_{ij}), 그리고 속도를 위의 공액 운동량으로 내린 후 역 메트릭이 운동량에 작용하는 방식(반변 g^{ij}). 운동량 형태의 위 첨자는 p_i에서 아래 첨자로 내려간 것을 정확히 상쇄합니다:

T(q,\dot{q})=\tfrac{1}{2}\,g_{ij}(q)\,\dot{q}^{i}\dot{q}^{j}\qquad\text{(velocity form, covariant metric)}

T(q,p)=\tfrac{1}{2}\,g^{ij}(q)\,p_{i}\,p_{j}\qquad\text{(momentum form, inverse metric)}

미학적 포텐셜은 객체 장을 신비성 및 위상 일관성과 결합합니다. 음의 부호는 높은 신비성과 높은 위상 일관성이 인지를 더 깊은 몰입으로 이끄는 인력 우물을 생성함을 의미합니다:

V(q,O,S)=\Phi_{O}(q)-\kappa\,H_{\mathrm{mystery}}(O,S,q)-\rho\,\mathrm{PC}(O,S,q)

미학적 해밀토니안은 운동 항과 포텐셜 항의 합, 즉 미학적 상태의 진단 에너지입니다:

\mathcal{H}_{\mathrm{aest}}(q,p)=\tfrac{1}{2}\,g^{ij}(q)\,p_{i}p_{j}+\Phi_{O}(q)-\kappa\,H_{\mathrm{mystery}}(O,S,q)-\rho\,\mathrm{PC}(O,S,q)

소산이 없는 이상적인 경우, 역학은 해밀턴 방정식을 따릅니다. 이는 피로나 방해가 없는 순수한 관조의 이상화 상태입니다:

\dot{q}^{i}=\frac{\partial\mathcal{H}_{\mathrm{aest}}}{\partial p_{i}},\qquad \dot{p}_{i}=-\frac{\partial\mathcal{H}_{\mathrm{aest}}}{\partial q^{i}}

열린 소산 균형 — 중심 균형 방정식

실제 인지는 이상적이지 않습니다. 소산적 비용 비율과 구조화된 입력 플럭스를 도입하면 시스템은 열린 시스템으로 전환되며, 모델의 핵심인 열린 시스템 균형 방정식의 지배를 받습니다(이는 열역학적 균형과의 유추일 뿐, 물리적 열역학을 주장하는 것은 아닙니다):

\frac{d\mathcal{H}_{\mathrm{aest}}}{dt}=-\lambda\,C(t)+\mathcal{I}_{\mathrm{input}}(t)

미(美)는 객체가 일관성을 무너뜨리지 않으면서 인지적 소산을 보상하기에 충분한 구조화된 입력을 공급할 때 지속됩니다. 이 단일 균형으로부터 여러 인지 상태가 도출됩니다.

인지 상태 분류

지루함은 익숙함이 아니라 소산적 불균형입니다. 즉, 객체가 주의 비용을 감당하는 것을 멈추고 궤적이 시시한 최소값으로 붕괴하는 상태입니다:

\mathcal{I}_{\mathrm{input}}(t)<\lambda\,C(t)\ \Rightarrow\ \dot{q}\to 0,\ p\to 0,\ H_{\mathrm{mystery}}\to 0

과부하는 높은 복잡성 단독의 문제가 아니라 일관된 해석의 상실입니다. 너무 많은 정보가 너무 빠르게 주어져 관찰자가 위상 잠금을 할 수 없고, 해석이 불안정해지는 상태입니다:

\mathcal{I}_{\mathrm{input}}(t)\gg\lambda\,C(t)\ \Rightarrow\ \mathrm{PC}\to 0,\ \mathrm{Coh}(\Omega)\to 0

미학적 몰입은 균형 잡힌 열린 시스템 역학입니다. 입력과 비용이 균형을 이루고, 신비성이 여전히 구조화되어 있으며, 위상 일관성이 높아 관찰자가 미학적 장 내에 머무는 상태입니다. 지속되는 아름다움은 반복적인 노출 속에서도 이 동일한 균형이 살아남는 것입니다. 이는 끝없는 놀라움을 주기 때문이 아니라, 안정적인 구조적 신비성과 일관된 해석 역량을 유지하기 때문에 지속됩니다:

\frac{d\mathcal{H}_{\mathrm{aest}}}{dt}\approx 0,\qquad H_{\mathrm{mystery}}>0,\ \ \mathrm{PC}\to 1,\ \ \mathrm{GIC}^{*}\gg 0

전체 미학적 작용 범함수

항들을 종합하면, 특정 지각 구간 동안 실현되는 미학적 가치는 일관된 해석 역량이 곱해진 궤적 적분 인지적 작업입니다:

\mathcal{B}_{v2.6}[\gamma]=\mathrm{GIC}^{*}(O,S)\int_{0}^{T}\!\left[\alpha\!\left(-\frac{d\Phi_{O}(\gamma(t))}{dt}\right)+\beta\,\frac{H_{\mathrm{mystery}}(O,S,t)}{T_{\mathrm{char}}}+\eta\,\nu_{\mathrm{res}}\,\mathrm{PC}(O,S,t)-\lambda\,C(t)\right]dt

각 항은 정보 플럭스 비율(초당 nats)로 분해되는 차원을 가집니다. 즉, 인지적 비용 비율에 대비되는 포텐셜 흐름 항, 구조화된 신비성 방출 비율, 위상 일관성 샘플링 비율입니다. 적분값은 nats 단위의 총 미학적 작업이며, 해석 역량 승수는 차원이 없습니다.

용어	의미	엔지니어링 관측 항목
$\Phi_{O}$	객체 유도 예측 불일치 장	아티팩트 상태에 따른 모델 업데이트 속도
$H_{\mathrm{mystery}}$	구조화되고 해결되지 않은 해석적 깊이	추가적인 감상을 보상하는 해결되지 않은 의미론적 깊이
$\mathrm{PC}$	객체 및 주체 역학의 타이밍 정렬	사용자 행동과 UI 모션/공개의 정렬
$\lambda C(t)$	인지적 비용 / 소산	지연 시간, 망설임, 백트래킹, 과부하
$\mathrm{GIC}^{*}$	복잡도 대비 일관된 해석 역량	구현 복잡도 대비 안정적인 여정 역량

본 수학적 이론이 주장하는 바와 주장하지 않는 바

주장할 수 있는 바

주장할 수 있는 바: 미학적 경험을 측정 가능한 디자인 가설—인지적 비용, 구조화된 신비성, 위상 정렬, 해석 역량, 궤적 가치—로 전환하는 일관된 정식 프레임워크입니다. 이는 Fisher-Rao 정보 다양체 위의 궤적 적분 인지적 작업으로 모델링되며, 진단적 해밀토니안, 열린 소산 균형 방정식, 그리고 반증 가능한 인지 상태 분류(지루함, 과부하, 몰입, 지속되는 아름다움)를 포함합니다.

주장할 수 없는 바

주장할 수 없는 바: 이것이 뇌의 측정된 물리적 법칙이라거나, 미학적 해밀토니안이 보존되는 물리량이라거나, 혹은 본 모델이 현재 계산기로서 완전히 규정되어 있다는 주장입니다. 본 모델은 인지적 미학 역학을 모델링하기 위한 정식 진단 불변량일 뿐, 입증된 보존 법칙이 아닙니다.

명시적 한계

명시적 한계: 본 프레임워크는 힘과 균형을 명명하지만, 각각을 어떻게 측정할 것인지에 대해서는 아직 완전히 규정하지 못했습니다. 객체 포텐셜 Φ_O, 인지적 비용 C(t), 입력 플럭스 I_input(t), 노이즈 및 해결된 엔트로피, 생성기 복잡도 K_gen, 해석 공간 Ω, 그리고 상수 ν_res 및 T_char는 단위와 절차가 고정된 연산자가 아니라, 현재 추정 가능한 관측치로 서술되어 있습니다. 각각의 값을 원격 측정 데이터만으로 회복할 수 있는지, 아니면 시선 추적과 같은 도구가 필요한지는 열린 연구 분야이며 그렇게 명시되어 있습니다. 이 연산자들이 확정되기 전까지 이것은 모델링 프레임워크일 뿐, 완성된 계산기가 아닙니다.

온전히 공개하는 이유

그럼에도 온전히 공개하는 이유: 공식 및 한계 경계와 함께 서술된 일관된 이론적 프레임워크는 과학 레이어의 과학적 정직성 계약입니다. 마케팅 레이어는 TITI가 무엇을 하는지 말하지만, 이 레이어는 왜 그렇게 구조화되었는지, 그리고 현재 시점에서 그 증거의 한계가 어디까지인지를 설명합니다.

이 모델을 가장 강력하게 축약한 서술: 미(美)는 객체 유도 정보 포텐셜 장에 의해 생성된 궤적 적분 인지적 작업에 일관된 해석 역량을 곱하고, 위상 정렬 및 인지적 소산에 의해 제약을 받는 값입니다.

참고 문헌

Amari, S. & Nagaoka, H. — Methods of Information Geometry (Fisher-Rao 메트릭, 통계 다양체) — https://doi.org/10.1090/mmono/191
Friston, K. — The free-energy principle: a unified brain theory? (변분 자유 에너지) — https://doi.org/10.1038/nrn2787
Itti, L. & Baldi, P. — Bayesian surprise attracts human attention (놀라움과 주의 집중) — https://doi.org/10.1016/j.visres.2008.09.007