전통적인 수리논리학은 "모든 사람은 죽는다"와 같이 시간에 관계없이 항상 참인 정적인(Static) 명제를 주로 다루었습니다. 그러나 실세계의 대부분의 명제는 "신호등이 초록불이다", "환자의 혈압이 정상이다", "비행기가 활주로에 있다"와 같이 특정 시점이나 시간 구간에만 유효합니다. 시간 추론은 이러한 시간 종속적 지식(Time-dependent Knowledge)을 수학적·논리적으로 다루기 위한 두 가지 주요 패러다임을 확립했습니다:
| 구분 | 시점 기반 모델 (Point-based Time) | 구간 기반 모델 (Interval-based Time) |
|---|---|---|
| 기본 단위 | 시간의 흐름 위의 특정 순간 (Time Point: t1, t2). | 시작 시점과 종료 시점을 갖는 연속된 시간 간격 ([tstart, tend], 예: [13시, 15시]). |
| 주요 논리 체계 | 선형 시제 논리(LTL), 분기 시제 논리(CTL), 순서 관계 (<, =, >). | 제임스 앨런(James Allen)의 시간 구간 대수 (Interval Algebra). |
| 적합한 사건 표현 | 순간적 스위치 점등, 금융 트랜잭션 발생, 센서 샘플링. | "회의를 진행했다", "약을 복용하는 기간", "비행기가 비행 중이다". |
| 대표 활용 | 프로그램 상태 전이 검증, 모델 체킹(Model Checking). | 복합 프로젝트 일정 계획, 인과관계 분석, 자연어 시제 이해. |
1983년 제임스 앨런(James F. Allen)은 임의의 두 시간 구간 A = [Astart, Aend]와 B = [Bstart, Bend] 사이에 존재할 수 있는 상호 배타적이고 완전한 13가지 기본 이항 관계를 정립했습니다 (역관계 6가지 포함 총 13가지):
• Before / After (< / >): A가 끝나고 한참 뒤에 B가 시작됨 (Aend < Bstart).
• Meets / Met-by (m / mi): A가 끝나는 순간 즉시 B가 시작됨 (Aend = Bstart, 빈틈없이 연속됨).
• Overlaps / Overlapped-by (o / oi): A가 진행 중인 동안 B가 시작되어 A가 끝난 후에도 B가 이어짐 (Astart < Bstart < Aend < Bend).
• Starts / Started-by (s / si): A와 B가 동시에 시작하지만, A가 먼저 끝남 (Astart = Bstart 이고 Aend < Bend).
• During / Contains (d / di): B가 진행되는 도중에 A가 시작되어 먼저 끝남 (Bstart < Astart 이고 Aend < Bend).
• Finishes / Finished-by (f / fi): 서로 다른 시점에 시작했으나 동시에 종료됨 (Bstart < Astart 이고 Aend = Bend).
• Equals (=): 시작과 종료 시점이 완전히 동일함 (Astart = Bstart 이고 Aend = Bend).
💡 직관적인 숫자 계산 예시:
오후 1시~2시 회의를 A = [13:00, 14:00], 오후 2시~3시 회의를 B = [14:00, 15:00]라고 할 때, Aend (14:00) = Bstart (14:00) 이므로 AI는 두 사건이 중간 공백 없이 즉시 맞닿아 일어난 'Meets(연속)' 관계임을 정확히 계산하고 추론합니다.
인공지능이 실제 현실의 문제를 해결하려면 정적인 데이터베이스 조작을 넘어, 과거의 원인을 추적하고 현재의 상태를 파악하며 미래의 변화를 예측할 수 있어야 합니다:
① 동적 세계 모델링 & 프레임 문제 극복
어떤 행동(Action)이 발생했을 때 세상의 무엇이 변하고 무엇이 그대로 유지되는가를 다루는 프레임 문제(Frame Problem)를 해결합니다. 상황 계산(Situation Calculus)과 플루언트(Fluent) 개념을 통해 시간의 경과에 따른 지식베이스의 정합성을 유지합니다.
② AI 계획 수립과 스케줄링 (Planning & Scheduling)
복잡한 목표를 완수하기 위해 어떤 서브태스크를 어떤 순서로 배치해야 하는지, 작업 간의 선후 관계(Precedence)와 지속 시간(Duration), 자원 충돌을 고려하여 최적의 실행 시간표를 자율적으로 수립합니다.
③ 인과 추론(Causal Reasoning)의 전제 조건
모든 인과 법칙에서 "원인은 결과보다 시간적으로 반드시 앞서야 한다"는 기본 물리적 공리를 강제합니다. 사건들의 발생 시점과 지연 시간(Time Delay)을 분석하여 상관관계와 진정한 인과관계를 구분합니다.
④ 정형 검증과 모델 체킹 (Formal Verification)
튜링상 수상자인 Amir Pnueli와 E. Allen Emerson의 시제 논리(Temporal Logic) 연구처럼, 동시성 시스템과 하드웨어에서 "어떠한 치명적 결함도 영원히 발생하지 않는다(Safety)", "원하는 작업이 언젠가는 반드시 완수된다(Liveness)"를 수학적으로 증명합니다.
시간 추론은 시계열 데이터와 사건의 순서가 중요한 모든 첨단 기술 분야에서 시스템의 지능을 좌우하는 중추 역할을 수행합니다:
🚗 자율주행 & 로봇 이동체 예측
교차로에서 보행자와 주변 차량의 지난 몇 초간의 이동 궤적을 분석하여 향후 3~5초 뒤의 위치를 예측하고, 충돌 위험 시간대를 미리 회피하는 차선 변경 및 감속 제어를 수행합니다.
🏥 스마트 헬스케어 & 환자 조기 경보
중환자실(ICU)에서 심박수, 혈압, 산소포화도의 시간에 따른 다변량 시계열 패턴을 추적하여 패혈증, 심근경색 등 급성 쇼크가 발생하기 수 시간 전 골든타임을 확보하는 조기 경보를 발령합니다.
✈️ 항공 관제 & 스마트 물류 스케줄링
공항 활주로 이착륙 슬롯 배분, 기상 악화 시 항공기 지연 전파 예측, 글로벌 컨테이너 선박의 항만 하역 및 복합 운송 일정 최적화에 적용됩니다.
💳 금융 이상 거래 탐지 (FDS) & 알고리즘 트레이딩
물리적으로 불가능한 시간 간격 내에 서울과 런던에서 연달아 발생한 신용카드 결제를 실시간 사기로 판정하고 차단하며, 밀리초 단위의 호가창 시계열 패턴을 분석하여 트레이딩을 자동화합니다.
🛡️ 사이버 보안 & 지능형 지속 위협(APT) 탐지
공격자가 수개월에 걸쳐 단계적으로 실행하는 네트워크 정찰, 권한 상승, 데이터 유출 등 다단계 공격의 시간적 상관관계를 분석하여 은밀한 침해 사고를 탐지합니다.
🤖 LLM 에이전트의 사건 순서 이해 & 장기 계획
복잡한 자연어 문서에서 사건들의 실제 시간적 발생 순서를 재구성하고(Timeline Extraction), 자율 AI 에이전트가 다단계 코딩 및 리서치 업무를 마감 시한(Deadline) 내에 순차적으로 완수하도록 제어합니다.
유아들은 추론의 핵심 요소인 인과관계를 정서를 통해 가장 잘 배울 수 있습니다. "만일 내가 미소를 지으면 엄마도 미소로 응답한다"는 정서적 경험을 통해 유아들은 인과관계의 시간적 순서 개념을 아주 쉽게 이해합니다. 생후 7∼12개월 때 감정·개념·언어는 이런 방식으로 상호연관성을 갖게 됩니다.
공간-시간 추리력이란 예컨대 해체된 토끼의 그림을 보고 머릿속으로 원래 결합된 모습을 상상할 수 있는 능력을 말합니다. 그런 추리 능력은 수학·공학·체스의 기초가 됩니다.
'신경학 연구誌'에 발표된 연구 논문은 매주 피아노 레슨을 받은 3∼4세 아이들의 공간-시간 추리력 향상 정도를 소개하고 있습니다. 피아노 레슨을 받은 지 6개월 후 아이들의 추리 능력은 평균보다 34%나 높은 점수를 얻었습니다. 이에 비해 피아노 레슨 대신 컴퓨터 조작이나 노래 강습을 받은 아이들은 별다른 향상이 없었습니다.
캘리포니아대 어빈 캠퍼스의 물리학자 고든 쇼(Gordon Shaw)는 "피아노를 연주하는 동안 연주자는 여러 '패턴'(Pattern)이 시간-공간 속에서 작용하는 방식을 보게 된다"고 밝혔습니다. 손가락과 건반의 연속적인 동작 패턴이 멜로디를 만들어 낼 때 '위치'(건반)를 '시간-공간 속의 소리'(멜로디)에 연결하는 뇌의 신경 회로가 장기적으로 강화됩니다. (두뇌발달)
인공지능의 개척자 Nils J. Nilsson (닐스 닐슨, 1998)은 인공지능이 인간과 같은 상식을 갖추기 위해 시간을 다루는 두 가지 접근 방식을 다음과 같이 정리했습니다:
"AI 시스템에서 사용되는 (계산을 포함한) 처리는 시간과 관련이 있다. 전산학자와 AI 학자들은 시간을 표현하고 시간 관련 추론을 하는 여러 가지 다양한 기술을 개발하였다. 컴퓨터 프로그램 분석에 쓰이는 시간논리 (temporal logic)에서는 시간이 중요하게 취급된다 (E. Allen Emerson 1989).
AI를 연구하는 사람들은 시간을 두 가지 다른 방법으로 다루어왔다 (시간논리를 AI에 사용한 것에 대해서는 Yoav Shoham 1987을 참조하기 바란다).
첫째, 실세계의 명시되지 않은 시간에 대한 스냅사진인 상황(situation)을 참조함으로써 시간에 대한 명시적인 언급은 무시될 수 있다.
둘째, 시간과 시간 간격은 명시적으로 추론할 개체들 사이에 포함될 수 있다. 상식적인 추론에 필요한 개념의 형식화에 대한 예로서 시간을 형식화하는 접근 방법이 필요하다."
🔗 AIStudy 관련 핵심 주제어
📄 주요 고전 논문 및 단행본 아카이브
- Handbook of Temporal Reasoning in Artificial Intelligence : Michael J. Fischer, D. Gabbay, L. Vila (eds.), Elsevier, 2005
- Temporal Logics and Their Applications : Antony Galton, London: Academic Press, 1987
- The temporal logic of programs : Amir Pnueli, In Proceedings of the 18th IEEE Symposium on the Foundations of Computer Science, 1977
- The Temporal Logic of Reactive and Concurrent Systems: Specification : Amir Pnueli, Springer-Verlag, New York, 1991
- Temporal and Modal Logic : E. Allen Emerson, in van Leeuwen, J. (ed.), Handbook of Theoretical Computer Science, Amsterdam: North-Holland, 1989
- Temporal Logics in AI: Semantical and Ontological Considerations : Yoav Shoham, Artificial Intelligence, 33(1):89-104, 1987
- Reasoning about Change : Time and Causation from the Standpoint of Artificial Intelligence : Yoav Shoham, Cambridge, MA: MIT Press, 1988
- Problems in formal temporal reasoning : Yoav Shoham, Artificial Intelligence, 36(1):49-61, 1988
- 시간 (Time) : Nils J. Nilsson