💻 computer science

Agent-based Modeling meets the Capability Approach for Human Development: Simulating Homelessness Policy-making

본 논문은 개인의 자기 계발을 위한 실질적 기회를 확대하는 것을 목표로 하는 노숙 정책을 모델링하고 평가하기 위해, 역량 접근법(Capability Approach)과 강화 학습을 통합한 새로운 에이전트 기반 시뮬레이션 프레임워크를 제안한다.

원저자: Alba Aguilera, Nardine Osman, Georgina Curto

게시일 2026-01-29

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Alba Aguilera, Nardine Osman, Georgina Curto

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 거리에서 생존을 위해 사투를 벌이고 있는 사람들을 돕고자 한다고 상상해 보십시오. 전통적인 정책 입안자들은 지도를 보고 이렇게 말할 것입니다. "우리는 그들에게 더 많은 담요와 음식을 주어야 합니다." 하지만 이 논문은 단순히 물자를 나누어 주는 것만으로는 충분하지 않다고 주장합니다. 그것은 마치 누군가에게 자전거를 주면서, 그 사람이 그것을 페달을 밟을 다리가 있는지, 도로가 막혀 있지는 않은지, 혹은 "자전거 출입 금지"라는 표지판 때문에 타는 것을 두려워하고 있지는 않은지 확인하는 것을 잊은 것과 같습니다.

이 논문은 사람들이 다시 일어설 수 있도록 실제로 무엇이 도움이 되는지 확인하기 위해 "디지털 샌드박스"(컴퓨터 시뮬레이션)를 사용하는 새로운 정책 설계 방식을 제안합니다. 이들이 수행하는 방식은 다음과 같이 쉬운 개념들로 나누어 설명할 수 있습니다.

1. 핵심 아이디어: 중요한 것은 선물이 아니라 능력입니다

저자들은 **역량 접근법(Capability Approach)**이라는 개념을 사용합니다. 이것을 다음과 같이 생각해 보십시오:

**자원(Resources)**은 당신이 가진 도구입니다 (자전거, 일자리 제안, 쉼터).
**역량(Capabilities)**은 그 도구들을 통해 당신이 실제로 '할 수 있는 것'입니다.

만약 누군가에게 자전거를 탔을 때 어떻게 타는지 모르는 사람에게 주거나, 법적으로 타는 것이 금지되어 있다면, 그 사람은 이동할 수 있는 '역량'을 가진 것이 아닙니다. 이 논문은 노숙 문제가 단순히 돈이 부족한 문제가 아니라, 존엄한 삶을 살 수 있는 기회가 부족한 문제라고 주장합니다. 그들은 정책이 단순히 얼마나 많은 담요를 배포했는지를 세는 것이 아니라, 사람들이 건강을 유지하거나, 직업을 찾거나, 안전함을 느끼는 등의 일을 할 수 있는 실제적인 '능력'을 부여하는지를 측정하고자 합니다.

2. 도구: 사람들을 위한 "디지털 샌드박스"

실제 사람들에게 해를 끼치지 않고 정책을 테스트하기 위해, 팀은 **행위자 기반 모델(Agent-Based Model)**을 구축하고 있습니다.

이것은 모든 캐릭터(행위자)가 노숙인, 사회복지사, 또는 비영리 단체와 같은 실제 인물을 경험하는 거대한 비디오 게임이라고 상상해 보십시오.
이 캐릭터들은 단순히 대본을 따르는 것이 아니라, 자신만의 성격, 가치관, 그리고 절박한 필요를 가지고 있습니다.
컴퓨터는 규칙(정책)을 바꿨을 때 어떤 일이 일어나는지 확인하기 위해 시뮬레이션을 실행합니다. 예를 들어, "신분증이 없는 사람도 의사를 만날 수 있도록 법을 바꾸면 어떤 일이 벌어질까?"와 같은 질문입니다.

3. 엔진: 캐릭터들이 결정하는 방식

논문은 수학적 프레임워크인 **마르코프 결정 과정(Markov Decision Process, MDP)**을 사용하여, 디지털 캐릭터들이 실제 인간처럼 생각하게 만드는 영리한 방법을 소개합니다.

지도 (상태, States): 그 사람이 현재 처한 상황 (예: 아픔, 노숙 중, 등록된 시민).
움직임 (행동, Actions): 그들이 시도할 수 있는 것 (예: 클리닉에 가기, 도움 요청하기).
장애물 (전환 요인, Conversion Factors): 때때로 어떤 움직임은 차단됩니다. 아마도 클리닉이 너무 멀거나(환경적 요인), 법에서 "안 된다"고 규정하고 있을 수도 있습니다(사회적 요인).
동기 (선택 요인, Choice Factors): 이것이 특별한 부분입니다. 캐릭터들은 단순히 무작위로 행동하지 않습니다. 그들은 두 가지에 의해 움직입니다:
1. 긴급성 (필요, Urgency): "나는 지금 당장 고통스럽다." (단기적)
2. 가치 (Values): "나는 좋은 아버지가 되고 싶다" 또는 "나는 나의 존엄성을 소중히 여긴다." (장기적)

시뮬레이션은 이 캐릭터들이 즉각적인 고통과 장기적인 꿈 사이에서 어떻게 균형을 잡는지 파악하려고 노력합니다. 예를 들어, 어떤 사람은 자신의 가치관이나 안전을 침해한다는 이유로 (즉각적인 필요를 무시하고) 무료 식사를 거부할 수도 있습니다.

4. 실제 세계의 테스트: 바르셀로나의 건강 문제

팀은 이 모델을 스페인 바르셀로나의 특정 문제에 대해 테스트하고 있습니다: 왜 노숙인들이 더 일찍 사망하고 더 많이 병드는가?

문제점: 많은 노숙인은 "미등록 상태"(공식 신분증이 없음)입니다. 이 때문에 법적으로 이들은 1차 의료 의사를 만날 수 없습니다. 이들은 오직 생명이 위급한 응급 상황이 되어서야 병원에서 도움을 받게 됩니다.
시뮬레이션: 그들은 이 동네의 디지털 버전을 만들 것입니다. 다양한 배경과 건강 문제를 가진 수천 명의 "디지털 노숙인"을 생성할 것입니다.
실험: 그들은 시뮬레이션을 두 번 실행할 것입니다:
1. 현재의 현실: 법이 미등록자들의 의사 진료를 차단함.
2. 새로운 정책: 미등록자들도 즉시 의사를 만날 수 있게 하는 제안된 법안.

그들은 새로운 정책이 실제로 이 사람들의 건강을 유지할 수 있는 "역량"을 회복시켜 주는지, 아니면 다른 장벽(예: 두려움이나 불신)이 여전히 그들을 가로막고 있는지 관찰할 것입니다.

5. 이것이 중요한 이유

목표는 단순히 멋진 컴퓨터 프로그램을 만드는 것이 아닙니다. 그것은 비침습적인 테스트 환경을 만드는 것입니다.

새로운 법을 실제 사람들에게 적용하여 그것이 실패하거나 사람들에게 상처를 줄까 봐 걱정하는 대신, 컴퓨터에서 먼저 정책을 "망가뜨려" 볼 수 있습니다.
이를 통해 정책이 실제로 사람들의 자유를 확장하는지, 아니면 의도치 않게 새로운 문제를 만들어내는지 확인할 수 있습니다.

요약하자면, 이 논문은 사회 정책을 위한 "비행 시뮬레이터"를 구축하는 것에 관한 것입니다. 새로운 법이 노숙인들에게 도움이 될지 추측하는 대신, 수학과 컴퓨터 과학을 사용하여 이들의 삶을 시뮬레이션함으로써, 우리가 설계하는 정책이 단순히 생존을 위한 '물건'을 주는 것이 아니라, 그들이 존엄하게 건강한 삶을 살 수 있는 '힘'을 실제로 부여하는지 확인하고자 합니다.

기술 요약: 인간 개발을 위한 역량 접근법과 에이전트 기반 모델링의 결합

문제 정의
본 논문은 전 세계적으로 증가하는 노숙 문제에 대한 대안적인 정책 솔루션의 시급한 필요성을 다룹니다. 전통적인 개발 모델은 주로 자원 배분(예: 공리주의적 프레임워크)에 집중하는 반면, 저자들은 노숙과 빈곤을 **역량 결핍(capability deprivation)**의 심각한 형태로 이해해야 한다고 주장합니다. **역량 접근법(Capability Approach, CA)**에 뿌리를 둔 이 관점은, 개인이 자원의 부족과 부정적인 전환 요인(개인적, 사회적, 환경적 요인)으로 인해 "중심 역량"(건강, 신체적 온전성, 자신의 환경에 대한 통제권 등 존엄한 삶을 위한 필수적인 인간적 권리)에 접근하지 못한다고 상정합니다.

현재의 정책 결정 과정은 특정 개입(법적 규범, 자원 배분)이 이러한 역량에 어떻게 영향을 미치는지 비침습적으로 평가할 수 있는 도구가 부족합니다. 기존의 에이전트 기반 모델링(ABM) 문헌은 CA를 개념적 프레임워크로 활용하는 경우가 드물며, 이를 활용하는 경우에도 CA에 내재된 가치와 욕구의 복잡한 상호작용보다는 단순히 계층적 욕구(예: 매슬로의 욕구 단계설)에 의존하여 인간의 동기를 지나치게 단순화하는 경 Tendency가 있습니다.

방법론
저자들은 **에이전트 기반 모델링(ABM)**과 **강화 학습(특히 마르코프 결정 과정 - MDP)**을 사용하여 역량 접근법을 구체화하는 새로운 프레임워크를 제안합니다. 이 방법론은 세 가지 핵심 기술 단계를 포함합니다:

MDP로서의 CA 공식화: 저자들은 계산 가능한 시뮬레이션을 가능하게 하기 위해 CA 개념을 MDP 요소에 매핑합니다:
- 상태 ( $s$ ): 에이전트의 현재 상황을 나타내며, 여기에는 개인적 특성, 가용 자원, 개인의 욕구/가치 선호도가 포함됩니다.
- 행동 ( $a$ ): 가능한 행동(특정 역량), 불가능한 행동(결핍된 역량), 실현된 행동(기능/functionings)으로 구분됩니다.
- 전이 확률 ( $P(s'|s, a)$ ): **전환 요인(Conversion Factors)**을 나타냅니다. 이는 에이전트가 자원 상태에서 역량 상태로 이동할 확률을 결정합니다. 사회적 전환 요인은 법적 및 사회적 규범으로 모델링되며, 이는 특정 행동을 불가능하게 만들 수 있습니다 (예: 미등록 시민은 1차 의료 서비스를 이용할 수 없음).
- 보상(Rewards): **선택 요인(Choice Factors)**을 나타냅니다. 프레임워크는 다음을 구분합니다:
  - 단기 보상: 욕구의 긴급성(예: 즉각적인 통증 완화)에 의해 구동됩니다.
  - 장기 보상: 가치 선호(예: 장기적 건강 또는 안전)에 의해 구동됩니다.
- 정책 ( $\pi$ ): 에이전트의 결정 규칙은 단기 및 장기 기대 보상( $Q_s$ 및 $Q_l$ )을 종합하여 행동을 선택하며, 이를 통해 가치가 즉각적인 욕구를 압도할 수 있는 복잡한 행동을 모델링할 수 있게 합니다.
강화된 의사결정 모델: 경직된 욕구 계층 구조에 의존하는 기존 연구와 달리, 이 모델은 인간의 가치(Schwartz의 가치 체계 기반)와 욕구를 별개의 동기 부여 요소로 통합합니다. 이 시스템은 실현된 행동이 에이전트의 상태(자원/전환 요인)와 내부 선택 요인(예: 사고로 인해 에이전트가 위험 회피 성향이 강해짐)을 변화시킬 수 있는 동적 업데이트를 허용합니다.
시뮬레이션 프레임워크: MDP는 다양한 이해관계자(노숙 경험자 - PEH, 사회복지사, 비영리 단체)를 나타내는 에이전트의 행동 엔진 역할을 합니다. 시뮬레이션에는 물리적 환경(자원)과 규제 환경(법적 규범)이 포함됩니다. 이는 실제 익명화된 데이터와 이해관계자 인터뷰에서 추출한 합성 데이터를 사용하여 구축되도록 설계되었습니다.

주요 기여

CA의 계산적 구체화: 본 논문은 추상적인 역량 접근법(자원, 전환 요인, 역량, 선택 요인, 기능)을 MDP와 ABM의 기술적 언어로 구체적으로 매핑하는 방법을 제공합니다.
가치와 욕구의 통합: "가치"(중요도/장기적 목표)와 "욕구"(긴급성/단기적 목표)가 별개의 선택 요인으로서 작용하도록 하여, 이전의 CA 기반 시뮬레이션보다 더 미묘한 인간 행동 표현을 가능하게 하는 의사결정 모델을 도입합니다.
정책 평가 도구: 자원 배분뿐만 아니라 중심 역량의 확장 또는 복원에 미치는 영향을 평가하기 위한 도구로 설계되었습니다. 다양한 규제 시나리오 하에서 에이전트가 가질 수 있는 '가능한 행동'과 '불가능한 행동'의 집합을 분석함으로써 형평성을 평가합니다.
학제 간 사례 연구 설계: 저자들은 바르셀로나 라발(Raval) 지역의 보건 불평등에 초점을 맞춘 구체적인 적용 방안을 제시합니다. 이들은 비영리 단체(예: Arrels Fundació)와 도메인 전문가로부터 얻은 실제 데이터를 사용하여 에이전트 프로필을 구성하고, 등록 시민과 미등록 시민에 대한 1차 의료 접근성에 미치는 법안의 효과를 시뮬레이션하는 방법을 상세히 설명합니다.

결과 및 현재 상태
본 논문은 제안 및 방법론 논문이므로, 최종 시뮬레이션 결과나 경험적 검증 데이터를 제시하지 않습니다. 대신 다음을 제시합니다:

개념적 프로토타입: 법적 규범(등록 상태)이 전환 요인으로서 작용하여, 미등록 시민에게 "의료 지원 받기"라는 행동을 불가능하게 만듦으로써 "신체적 건강"이라는 중심 역량을 결핍시키는 과정을 보여주는 단순화된 MDP 예시(그림 2)를 보여줍니다.
구현 로드맵: 이 단순한 예시를 여러 중심 역량을 포함하는 복잡한 시뮬레이션으로 확장하고, 합성 인구 데이터와 이해관계자의 반복적인 피드백을 활용하는 계획을 제시합니다.
평가 지표: 주거 상태(ETHOS 용어), 건강 상태, 등록 상태, 경제적 비용, 제도적 차별을 포함하여 향후 평가를 위한 정의된 지표들을 제시합니다.

의의
본 논문은 역량 접근법에 기반한 비침습적이고 재현 가능한 시뮬레이션 프레임워크를 제공한다는 점에서 의의를 가집니다. 주요 목표는 인간의 역량을 확장하기 위한 정책 평가를 지원하는 것이며, 이는 UN의 지속가능발전목표(SDGs)와 궤를 같이합니다. 자원 배분에서 인간의 존엄한 삶을 성취할 수 있는 기회로 초점을 전환함으로써, 본 프레임워크는 소외 계층의 중심 역량을 효과적으로 복원하는 정책을 식별하는 것을 목표로 합니다. 저자들은 이 접근법이 맥락 특화적인 요소(전환 요인, 가치)를 정의하기 위한 긴밀한 학제 간 협력이 필요함을 강조하며, 아포포비아(aporophobia, 가난한 자에 대한 혐오) 및 제도적 차별과 같은 윤리적 과제를 해결하고자 합니다. 이 연구는 사회 정의와 인간 개발을 위한 견고하고 계산적으로 근거를 둔 도구를 향한 단계로 자리매김하고 있습니다.