[논문 리뷰] Inside the Muchnik Degrees I: Discontinuity, Learnability, and Constructivism

Kojiro Higuchi, Takayuki Kihara|arXiv (Cornell University)|2012. 10. 02.

Computability, Logic, AI Algorithms참고 문헌 41인용 수 3

한 줄 요약

이 논문은 갈로아 연결을 통한 학습 가능성, 조각별 계산 가능성, 및 차수 구조를 연결하여 계산 분석 내 비균일 계산 가능성과 불연속성에 대해 연구한다. $\Pi^{0}_{1}$, $\Delta^{0}_{2}$, $\Sigma^{0}_{2}$ 도메인 상에서 학습 가능성 개념들(예: 마음 전환 수가 유한한, 오차 수가 유한한)과 조각별 계산 가능성 간의 동치성을 확립하며, BHK 유사 분할 연산을 도입하여 차수 구조를 복원하고 Weihrauch 차수 및 Wadge 게임과 연결한다.

ABSTRACT

Every computable function has to be continuous. To develop computability theory of discontinuous functions, we study low levels of the arithmetical hierarchy of nonuniformly computable functions on Baire space. First, we classify nonuniformly computable functions on Baire space from the viewpoint of learning theory and piecewise computability. For instance, we show that mind-change-bounded-learnability is equivalent to finite $(Π^0_1)_2$-piecewise computability (where $(Π^0_1)_2$ denotes the difference of two $Π^0_1$ sets), error-bounded-learnability is equivalent to finite $Δ^0_2$-piecewise computability, and learnability is equivalent to countable $Π^0_1$-piecewise computability (equivalently, countable $Σ^0_2$-piecewise computability). Second, we introduce disjunction-like operations such as the coproduct based on BHK-like interpretations, and then, we see that these operations induce Galois connections between the Medvedev degree structure and associated Medvedev/Muchnik-like degree structures. Finally, we interpret these results in the context of the Weihrauch degrees and Wadge-like games.

연구 동기 및 목표

• 표현 또는 위상의 변경 없이도 바닥 함수와 같은 함수의 비계산 가능성 및 불연속성 수준을 이해하기 위해.
• 학습 가능성 및 조각별 계산 가능성 프레임워크를 사용하여 바이어 공간 상의 비균일 계산 가능 함수를 분류하기 위해.
• 도메인 이론적 구조를 통한 동적 근사(학습)와 정적 근사(조각별 계산 가능성) 간의 연결을 수립하기 위해.
• BHK 유사 해석에 기반한 복합 연산(예: 코곱)과 같은 분할 유사 연산을 도입하여 Medvedev/Muchnik 차수 구조를 복원하기 위해.
• Weihrauch 차수 및 Wadge 유사 게임의 맥락에서 결과를 해석하여, ${\sf LLPO}$ 및 ${\sf LPO}$와 같은 원리의 비계산 가능성 수준을 분석하기 위해.

제안 방법

• 바이어 공간 상의 부분 함수에 대해 $(\alpha,\beta|\gamma)$-계산 가능성을 도입하여 비균일 계산 가능성 수준을 형식화한다.
• 심리적 전환 수가 유한한 학습과 오차 수가 유한한 학습을 모델링하기 위해 학습 게임 $G(f, {\sf PM}_m)$ 및 $G(f, {\sf PBM}_m)$ 을 정의한다.
• 학습 가능성의 특성화와 조각별 계산 가능성과의 관계를 위해 학습 게임에서 계산 가능한 승리 전략을 구성한다.
• BHK 유사 해석과 동적 증명 모델(예: 정상적 또는 비정상적 트리에 沿해)을 사용하여 분할 연산을 정의한다.
• 이러한 분할 연산을 통해 Medvedev 차수 구조와 관련된 Muchnik 유사 차수 구조 사이의 갈로아 연결을 수립한다.
• 비구조적 원리인 ${\sf LLPO}$ 및 ${\sf LPO}$ 를 도메인 이론적 프레임워크 내에서 해석하여 결과를 Weihrauch 차수와 연결한다.

실험 결과

연구 질문

• RQ1 어떤 산술적 클래스 상에서 학습 가능성 개념들(예: 마음 전환 수가 유한한, 오차 수가 유한한)이 특정한 조각별 계산 가능성의 관점에서 어떻게 특성화될 수 있는가?
• RQ2 코곱과 같은 분할 유사 연산이 동적 근사 모델로부터 차수 구조를 복원하는 데 어떤 역할을 하는가?
• RQ3 BHK 유사 해석과 중첩된 동적 모델(예: 정상적 또는 비정상적 트리에 따라)은 고차원 학습 가능성과 분해 가능성의 본질을 어떻게 포착하는가?
• RQ4 갈로아 연결은 학습 및 조각별 계산 가능성에 의해 유도된 Muchnik 유사 차수 구조와 Medvedev 차수 구조 사이에 어떻게 연결되는가?
• RQ5 Weihrauch 차수 및 Wadge 유사 게임은 거의 계산 가능한 함수의 비계산 가능성 수준을 어떻게 분류하는가?

주요 결과

• 심리적 전환 수가 유한한 학습 가능성은 유한한 $(\Pi^{0}_{1})_{2}$-조각별 계산 가능성과 동치이며, 이는 $\Pi^{0}_{1}$ 도메인을 가진 유한 개의 계산 가능한 함수로의 분해 가능성과 동치이다.
• 오차 수가 유한한 학습 가능성은 정확히 유한한 $\Delta^{0}_{2}$-조각별 계산 가능성과 일치하며, 이 경우 도메인은 $\Sigma^{0}_{2}$-집합이다.
• 일반 학습 가능성은 가산 $\Pi^{0}_{1}$-조각별 계산 가능성과 동치이며, 이는 가산 $\Sigma^{0}_{2}$-조각별 계산 가능성과도 동치이다.
• 게임 $G_{*}(f, {\sf PM}_m)$ 에서 계산 가능한 승리 전략이 존재하는 것은 $f$ 가 $(1,\omega|m)$-계산 가능하다는 것과 동치이며, 이는 전략 존재성과 마음 전환 수가 유한한 학습 가능성 간의 연결을 둔다.
• 극한-BHK 해석에 기반한 코곱 연산은 학습 가능한 함수의 환원 가능성을 포착하며, Medvedev 차수 구조와 갈로아 연결을 유도한다.
• 논문은 거의 계산 가능한 함수의 비계산 가능성 수준이 Weihrauch 차수를 통해 특성화될 수 있음을 수립하며, 특히 ${\sf LLPO}$ 및 ${\sf LPO}$ 와 같은 원리의 해석을 통해 이를 뒷받침한다.