지속적인 AI 시스템에서 점진적 자치(Self-Governance)를 위한 최소 아키텍처

이 논문은 지속적인 AI 시스템에서 관리되는 지속성에 관한 편집 시리즈의 일부입니다. 이전 건축 계층을 이어받아 점진적 자치를 위해 필요한 최소 런타임 기저(substrate)를 중심으로 한 좁은 다리 계층을 개발합니다. 시퀀스 맥락: 지속적인 AI 시스템을 위한 구조적 안정성 아키텍처(Zenodo DOI: 10.5281/zenodo.19444524) 지속적인 AI 시스템을 위한 구조적 안정성 아키텍처의 수학적 동반자(현재 Zenodo DOI: 10.5281/zenodo.19444524가 포함된 동반 PDF에 표시됨) 지속적인 AI 시스템에서 점진적 자치를 위한 최소 아키텍처(본 기록) 초록: 지속적인 AI 시스템은 점점 세션 간에 작동하고, 메모리를 축적하며, 내구성 있는 상태를 통해 미래 행동에 영향을 미칩니다. 이러한 시스템에서 드리프트(drift)는 출력 품질 문제나 정렬 실패 문제뿐만 아니라 약하게 관리되는 지속성 문제입니다: 추측적 구조가 너무 이르게 메모리로 굳어질 수 있고, 열화된 작동이 너무 오래 지속될 수 있으며, 불안정한 지역 상태가 억제되기 전에 전파될 수 있습니다. 이 논문은 지속적인 AI 시스템에서 점진적 자치를 위한 최소 아키텍처를 제안합니다. 그 목적은 완전한 안정성 아키텍처보다 의도적으로 좁고, 드리프트에 대한 순수 진단적 설명보다 실용적입니다. 적응 시스템의 완전한 재설계를 요구하는 대신, 제안은 점진적 자치 지원에 필요한 가장 작은 런타임 기저를 식별합니다: 지속 메모리와 일시적 예측 간 분리, 관리되는 쓰기 반영 경계, 정상 작동·브레이킹·억제를 위한 최소 모드 컨트롤러, 그리고 열화를 식별 가능하게 하는 관찰 가능한 제어면. 이를 바탕으로 자치는 전부 아니면 전무의 속성으로 다뤄져서는 안 된다고 주장합니다. 대신 지속 시스템은 직접적인 추측적 지속을 방지하고, 쓰기 반영 결정을 기록하며, 열화 시 전파를 제한하는 구조적 체제 내에서 학습이 이루어진다면 점진적으로 자치를 배울 수 있습니다. 결과는 다리 개념으로, 드리프트에 대한 보편적 해결책도 아니고 완전한 구현 청사진도 아닌, 점진적 자치가 기술적으로 그럴듯하고 운영상 시험 가능하게 되는 최소 아키텍처입니다. 이 기록은 같은 편집 시퀀스에서 *Learning to Walk the Floor: Operational Policies for Gradual Self-Governance in Persistent AI Systems* (DOI: 10.5281/zenodo.19558839)와 *A Runtime Specification for Governed Persistence in Persistent AI Systems* (DOI: 10.5281/zenodo.19558986)으로 이어집니다. 또한 시퀀스 전체로의 탐색 진입점 역할을 하는 편집집 *Governed Persistence in Persistent AI Systems: Collected Papers (April 2026)* (DOI: 10.5281/zenodo.19559205)에 포함되어 있습니다.