Agentic Flow라는 실용적인 AI 아키텍처에서 Kahneman의 이중 시스템 이론, Friston의 예측 처리, Minsky의 마음 사회, Clark의 확장된 마음 등 4가지 영향력 있는 마음 이론 간의 구조적 수렴이 의도치 않게 나타났음을 보고합니다. 대규모 언어 모델(LLM)의 한계를 해결하기 위해 설계된 Agentic Flow는 반복 가능한 인지 루프로 구성된 Retrieval, Cognition, Control, Memory, Action의 5가지 연동 모듈로 구성됩니다. Minsky와 Clark에 의해 영감을 받았지만, 이후 분석을 통해 4가지 이론 모두에서 계산적 모티프가 반영되었음이 밝혀졌고, 이는 의도적인 합성이 아닌 구현 요구 사항으로부터 이론적 수렴이 자연스럽게 발생할 수 있음을 시사합니다. 구조화된 에이전트는 95.8%의 작업 성공률을 보였으며, 기본 LLM은 62.3%로, 견고한 제약 조건 준수 및 재현 가능한 추론을 입증했습니다. PEACE라는 더 넓은 설명적 메타 아키텍처에서 이러한 수렴을 설명하며, 예측 모델링, 연상 회상, 오류 감지 제어와 같은 반복적인 설계 패턴을 강조합니다. 나중에 Structured Cognitive Loop(SCL)로 공식화된 이 프레임워크는 LLM 기반 에이전트의 행동 지능을 위한 기반으로서 동일한 원리를 일반화합니다. 이론적 통일을 주장하기보다는, 이 논문은 지능형 아키텍처가 실질적인 제약 조건에 의해 형성된 공유된 구조적 패턴을 향해 진화할 수 있다고 제안합니다. 이 입론서는 이러한 수렴을 최종 이론이 아닌 해석적 성찰로 제시하며, 추가적인 이론적 및 실험적 대화를 유도합니다.
