The Mathematical Theory of Behavioural Swarms: Towards Modelling the Collective Dynamics of Living Systems
이 논문은 동적인 내부 활동 변수를 통합함으로써 살아있는 시스템의 적응적이고 이질적이며 주체 중심적인 집단 역학을 엄밀하게 모델링하여 고전적 모델의 한계를 극복하는 '행동적 군집(Behavioural Swarms)'에 관한 포괄적인 수학적 프레임워크를 소개한다.
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
생명체는 돌이나 행성처럼 움직이지 않습니다. 바위는 물리 법칙을 따라 완벽하게 예측 가능한 경로를 따르지만, 새나 박테리아, 혹은 인간은 자신의 행동을 변화시키는 내면의 세계를 지니고 있습니다. 이 내면의 세계에는 공포, 자신감, 스트레스와 같은 감정들이 포함되며, 이러한 감정들은 매 순간 변화하며 개체가 타인과 상호작용하는 방식을 바꿉니다. 수십 년 동안 과학자들은 이러한 생명체 집단이 어떻게 함께 움직이는지를 설명하는 수학적 규칙을 쓰기 위해 노력해 왔습니다. 가장 유명한 시도들은 집단의 모든 구성원을 단순한 기계로 취급하여, 이웃의 속도와 방향에 맞추기 위해 고정된 규칙을 따르는 존재로 보았습니다. 이러한 모델들은 새 떼나 물고기 떼가 어떻게 무리를 유지하는지는 설명해 냈지만, 결정적인 진실 하나를 놓쳤습니다. 그것은 바로 살아있는 생명체는 기계가 아니라는 사실입니다. 그들은 자신의 변화하는 기분과 전략에 기반하여 선택을 내립니다.
이러한 이해의 간극을 메우기 위해 스페인, 중국, 모로코의 연구진이 발표한 새로운 연구가 등장했습니다. 그들은 '행동적 군집 이론(theory of behavioural swarms)'이라는 신선한 수학적 이론을 개발했습니다. 모든 구성원을 정적인 객체로 취급하는 대신, 이 새로운 프레임워크는 각 개인에게 '활동성(activity)'이라는 숨겨진 가변적인 변수를 부여합니다. 이 활동성을 개인이 어느 순간에 얼마나 경계하고 있는지, 스트레스를 받고 있는지, 혹은 의욕이 있는지를 나타내는 척도로 생각하면 됩니다. 이 수치는 고정되어 있지 않습니다. 이는 개인이 타인과 상호작용함에 따라 변화하며, 결과적으로 그 개인의 움직임을 변화시킵니다. 연구진은 이 내부 상태를 물리적 움직임과 직접 연결하는 규칙 세트를 구축하여, 사람의 공포가 즉각적으로 걷는 속도를 바꾸거나 새의 자신감이 비행 경로를 바꿀 수 있는 시스템을 만들어냈습니다.
연구는 단순한 정렬에는 효과적이었으나 생명의 복잡성을 포착하는 데는 실패했던 기존 모델들을 살펴보는 것으로 시작됩니다. 기존 시스템에서 새가 방향을 바꾸고 싶다면, 단순히 주변 새들의 방향을 평균 내어 따랐습니다. 새로운 이론은 여기에 의사결정이라는 층위를 추가합니다. 이 이론은 새나 사람이 움직이기 전에, 자신이 보고 느끼는 것에 기반하여 먼저 내부 상태를 업데이트한다고 제안합니다. 만약 군중 속의 보행자가 치솟는 공포를 느낀다면, 그 감정(활동성)은 즉시 그가 걷는 속도와 방향에 영향을 미칩니다. 연구진은 이 내부 상태와 물리적 움직임이 하나의 고리로 묶여 있음을 보여주었습니다. 즉, 환경이 감정을 변화시키고, 감정이 다시 움직임을 변화시키는 것입니다.
이 아이디어가 실제로 작동하는지 테스트하기 위해, 연구팀은 두 가지 매우 다른 실제 상황, 즉 군중 속 사람들의 움직임과 시장에서의 재화 매매에 이를 적용했습니다. 군중 시나리오에서 연구진은 한 사람이 갑자기 공포에 질린 보행자 그룹을 시뮬레이션했습니다. 모델은 그 공포가 어떻게 전파되는지를 보여주었습니다. 공포에 질린 사람이 다른 사람들을 보자, 그들의 두려움이 이웃들에게 영향을 미쳤고, 그 이웃들 또한 스스로 두려움을 느끼게 되었습니다. 연구진은 공포의 파동이 어떤 형태를 띠는지가 사람들이 얼마나 멀리 볼 수 있는지에 크게 달려 있다는 것을 발견했습니다. 만약 모두가 넓은 시야를 가지고 있다면 공포는 더 빠르게 퍼지고 더 넓은 영역을 덮었습니다. 반면 시야가 좁다면 공포는 좁은 선을 그리며 더 느리게 이동했습니다. 이는 우리가 실생활에서 예상하는 바와 일치하지만, 모델은 시뮬레이션 속 모든 개인의 변화하는 '활동성'을 추적함으로써 이를 수학적으로 증명해 냈습니다.
두 번째 적용 사례에서 연구진은 구매자와 판매자가 상호작용하는 시장을 살펴보았습니다. 여기서 '활동성'은 구매자가 제품을 얼마나 원하는지, 혹은 판매자가 가격을 얼마나 낮출 용의가 있는지를 나타냅니다. 모델은 구매자들이 최선의 거래를 찾아 집단적으로 행동할 때, 가격 변화를 강제하는 급격한 수요의 파동을 만들어낼 수 있음을 보여주었습니다. 중앙 권력이 가격을 설정한다고 가정하는 기존의 경제 모델과 달리, 이 시스템은 많은 사람의 혼란스러운 개별적 결정으로부터 가격이 어떻게 자연스럽게 발생하는지를 보여주었습니다. 시뮬레이션 결과, 판매자가 자신을 보고 있는 구매자의 수에 따라 가격을 조정할 수 있다면, 시장은 누군가의 지시 없이도 스스로 안정적인 가격을 찾아낼 수 있음이 밝혀졌습니다.
연구진은 또한 집단이 단순히 함께 움직이는 것을 넘어, 함께 생각하는 경우에도 어떤 일이 일어나는지 탐구했습니다. 그들은 개인들이 가야 할 방향에 합의하려고 노력하면서 동시에 내부적인 의견에도 합의하려는 시나리오를 시뮬레이션했습니다. 그들은 놀라운 사실을 발견했습니다. 집단이 가야 할 방향에 대해서는 완벽한 합의에 도달할 수 있었지만, 그들의 내부적인 의견은 여전히 깊게 갈라져 있을 수 있다는 점이었습니다. 집단의 물리적 움직임은 통일되었지만, 그들의 내부 상태는 서로 다른 진영으로 나뉘어 있었습니다. 이는 현실 세계에서 사람들이 서로 논쟁하거나 서로 다른 견해를 가지고 있더라도 군중은 하나의 단위로서 움직일 수 있음을 시사합니다.
이 이론이 강력하긴 하지만, 저자들은 그 한계에 대해서도 주의 깊게 언급하고 있습니다. 현재 버전의 모델은 집단 내 인원수가 일정하다고 가정하며, 사람이 태어나거나 죽는 것, 혹은 새로운 개체가 갑자기 나타나는 상황은 고려하지 않습니다. 따라서 이 모델은 감염자 수가 끊임없이 변하는 바이러스 확산 등을 연구하기에는 적합하지 않습니다. 그러나 집단의 크기가 안정적인 시스템의 경우, 이 이론은 내부의 감정이 외부의 행동을 어떻게 이끄는지에 대해 훨씬 더 명확한 그림을 제공합니다.
논문은 결론 부분에서 이 이론이 현대의 컴퓨터 학습 도구와 결합될 수 있는 미래를 전망하며, 동물 떼나 인간 군중으로부터 얻은 실제 데이터를 이러한 모델에 입력함으로써, 과학자들이 언젠가는 활동성이 어떻게 변화하는지에 대한 정확한 규칙을 자동으로 발견할 수 있을 것이라고 제안합니다. 이는 해당 분야를 인간의 행동을 추측하는 단계에서 실제로 예측하는 단계로 옮겨놓을 것입니다. 이 연구는 생명의 신비를 풀었다고 주장하는 것이 아니라, 생명을 묘사하기 위한 더 정직하고 새로운 언어를 제공하는 것입니다. 살아있는 존재가 변화하고 요동치는 내면의 세계를 지니고 있다는 점을 인정함으로써, '행동적 군집 이론'은 생명을 단순한 기계적 작용으로 환원하지 않고도, 생명이 펼치는 복잡하고 적응적인 춤을 이해할 수 있는 길을 열어줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.