본 논문은 동적이고 불확실한 환경에서 자율적으로 작동해야 하는 인공지능(AI) 시스템의 필요성에 맞춰, 목표 추론, 동적 작업 생성, 자기 반성 학습을 통합한 적응형 아키텍처인 Active Thinking Model (ATM)을 제안합니다. ATM은 고정된 절차를 수동적으로 실행하는 기존 시스템과 달리, 논리적 추론과 환경 지표를 통해 성능을 평가하고, 효과적인 방법을 재사용하며, 지속적인 자기 개선 루프를 통해 새로운 상황에 대한 새로운 전략을 생성합니다. 수학적 분석을 통해 ATM이 외부 감독 없이 최적의 동작으로 자율적으로 진화하고, 변화하는 환경 조건에서도 경계된 추적 후회를 유지할 수 있음을 입증합니다.
