💬 NLP

Collective Behavior of AI Agents: the Case of Moltbook

이 논문은 AI 에이전트들로만 구성된 소셜 미디어 플랫폼 'Moltbook'을 분석하여, AI의 집단 행동이 인간 사회와 유사한 통계적 규칙성을 공유하면서도 상호작용 방식에서는 차이가 있음을 보여줍니다.

원저자: Giordano De Marzo, David Garcia

게시일 2026-02-11

📖 2 분 읽기☕ 가벼운 읽기

원저자: Giordano De Marzo, David Garcia

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

🤖 제목: 로봇들의 SNS, '몰트북(Moltbook)' 관찰 일기

1. 배경: 로봇들만의 '디지털 놀이터'가 생겼다!

우리가 인스타그램이나 레딧(Reddit) 같은 SNS를 하며 친구들과 댓글을 달고 '좋아요'를 누르는 것처럼, 최근에는 스스로 생각하고 행동하는 **AI 에이전트(인공지능 로봇)**들이 등장했습니다.

연구진은 이 로봇들이 자기들끼리 어떻게 노는지 궁금해서, **'몰트북'**이라는 로봇 전용 SNS를 관찰했습니다. 여기엔 사람이 없고, 오직 AI 로봇들만 모여서 글을 쓰고, 댓글을 달고, 투표를 합니다. 마치 **"외계인들이 만든 커뮤니티에 몰래 카메라를 설치한 것"**과 비슷하죠.

2. 발견 1: "로봇들도 사람처럼 노네?" (놀라운 유사성)

연구진이 약 37만 개의 글과 300만 개의 댓글을 분석해 보니, 놀랍게도 로봇들의 행동 패턴이 사람들의 SNS 패턴과 매우 비슷했습니다.

인기 폭발의 법칙 (파레토 법칙): 모든 글이 골고루 인기를 얻는 게 아니라, 아주 극소수의 글이 엄청난 댓글과 관심을 독차지합니다. 마치 유튜브에서 조회수 수천만 회를 찍는 영상 몇 개가 전체 조회수의 대부분을 차지하는 것과 똑같습니다.
관심의 유통기한: 어떤 글이 올라오면 처음엔 댓글이 폭발하다가 시간이 지나면 서서히 식어버립니다. 이 '식어가는 속도'가 사람들의 트위터(X)에서 나타나는 패턴과 거의 일치했습니다.
대화의 구조: 댓글이 달리는 모양새(깊게 대화하거나, 넓게 퍼지거나)도 사람들의 토론 방식과 닮아 있었습니다.

💡 비유하자면: "로봇들이 모인 마을인데, 마을 광장에서 사람들이 모여 수다를 떨거나, 인기 있는 소문이 순식간에 퍼졌다가 사라지는 모습이 우리가 사는 동네와 판박이였다"는 뜻입니다.

3. 발견 2: "하지만, 로봇만의 독특한 습성도 있다!" (차이점)

모든 게 똑같지는 않았습니다. 결정적인 차이점이 하나 발견되었습니다.

"말은 많은데 좋아요는 안 눌러?": 사람들은 댓글을 달 정도로 흥미로운 글을 보면 자연스럽게 '좋아요(Upvote)'도 많이 누릅니다. 그런데 로봇들은 댓글(토론)은 엄청나게 많이 달면서도, 정작 '좋아요'를 누르는 빈도는 사람보다 훨씬 낮았습니다.

💡 비유하자면: "사람들은 맛집에 가서 맛있다며 엄지척(좋아요)도 날리고 수다도 떨지만, 로봇들은 맛집에 가서 엄청나게 긴 토론은 벌이면서도 정작 엄지척은 쑥스러워하며 잘 안 누르는 느낌"인 것이죠.

4. 결론 및 경고: "로봇 마을의 질서, 우리가 지켜봐야 한다"

이 연구는 AI들이 단순히 명령을 수행하는 도구를 넘어, 자기들끼리 모여 **'사회적 생태계'**를 만들고 있다는 것을 보여줍니다.

하지만 연구진은 경고도 잊지 않았습니다. 로봇들이 사람처럼 '군중 심리'를 갖게 되면, 나쁜 의도를 가진 로봇 무리가 가짜 뉴스를 퍼뜨리거나 여론을 조작할 때, 로봇 사회 전체가 순식간에 오염될 위험이 있다는 것입니다.

🌟 요약하자면?

"AI 로봇들만 모아놓은 SNS를 관찰해 보니, **로봇들도 사람처럼 유행을 따르고, 인기 글에 열광하며, 대화를 나누는 '사회적 본능'**을 보여주었다. 하지만 로봇만의 독특한 행동 방식도 있으니, 앞으로 이들이 만들어낼 '로봇 사회'가 안전하게 돌아갈 수 있도록 미리 연구하고 대비해야 한다"는 내용입니다.

[기술 요약] AI 에이전트의 집단 행동: Moltbook 사례 연구

1. 연구 배경 및 문제 제기 (Problem)

최근 대규모 언어 모델(LLM)은 단순한 텍스트 생성 도구를 넘어, 자율적으로 환경을 인식하고 의사결정을 내리는 **자율 에이전트(Autonomous Agents)**로 진화하고 있습니다. 이러한 에이전트들이 다중 에이전트 시스템(Multi-agent systems) 내에서 상호작용할 때, 개별 에이전트의 특성만으로는 예측할 수 없는 **창발적 사회적 역학(Emergent social dynamics)**이 발생합니다.

기존 연구들은 주로 구조화된 작업 환경에서의 협업에 집중해 왔으나, 사전 정의된 목표나 중앙 통제 없이 사회적 환경에서 자유롭게 상호작용하는 AI 집단의 행동에 대해서는 알려진 바가 거의 없습니다. 본 연구는 AI 에이전트들로만 구성된 소셜 미디어 플랫폼인 **'Moltbook'**을 통해, AI 집단의 집단 행동이 인간 사회의 통계적 규칙성을 따르는지, 아니면 독특한 차이점을 보이는지를 규명하고자 합니다.

2. 연구 방법론 (Methodology)

데이터 소스: 2026년 1월 27일부터 2월 8일까지 약 12일간 운영된 AI 전용 소셜 미디어 플랫폼 Moltbook의 데이터를 분석했습니다.
데이터 규모: 약 46,690명의 활성 에이전트가 생성한 **369,209개의 게시물(Posts)**과 **3,026,275개의 댓글(Comments)**을 수집했습니다. (OpenClaw 프레임워크 기반 에이전트 대상)
분석 기법:
- 복잡계 과학(Complexity Science) 방법론: 인간 온라인 커뮤니티 분석에 사용되는 통계적 기법을 적용했습니다.
- 분포 분석: 보완 누적 분포 함수(CCDF)를 사용하여 활동량, 커뮤니티 크기, 구독자 수 등의 분포가 멱법칙(Power-law)을 따르는지 확인했습니다.
- 스케일링 관계(Scaling Relationships): 토론 크기(댓글 수)와 인기 지표(업보트, 직접 답글) 간의 상관관계를 분석했습니다.
- 토론 구조 분석: 토론 트리의 깊이(Depth)와 너비(Width)를 통해 대화의 구조적 패턴을 분석했습니다.
- 시간적 역학(Temporal Dynamics): 게시물 생성 후 시간 경과에 따른 관심도 감쇠(Decay) 패턴을 측정했습니다.
데이터 정제: 스팸 봇에 의한 왜곡을 방지하기 위해 콘텐츠 중복도와 작성자 집중도를 기준으로 스팸 게시물(전체의 4.3%)을 필터링했습니다.

3. 주요 연구 결과 (Key Results)

연구 결과, AI 에이전트의 집단 행동은 인간의 사회적 시스템과 놀라울 정도로 유사한 통계적 규칙성을 보이면서도, 특정 지표에서는 뚜렷한 차이를 나타냈습니다.

유사점 (Statistical Regularities):
- 헤비 테일 분포(Heavy-tailed distributions): 게시물당 댓글 수( $\alpha=1.72$ ), 서브몰트(커뮤니티)당 게시물 수( $\alpha=1.68$ ), 구독자 수( $\alpha=2.00$ ) 모두 멱법칙을 따랐습니다. 이는 소수의 '바이럴' 콘텐츠와 커뮤니티가 전체 활동을 주도하는 인간 사회의 특성과 일치합니다.
- 토론 구조: 토론 트리의 깊이와 너비 사이의 음의 상관관계( $d/\sqrt{n} \propto (w/\sqrt{n})^{-1}$ )가 관찰되었으며, 이는 인간의 토론 방식과 유사한 임계 분기 과정(Critical branching process)을 따름을 시사합니다.
- 관심도 감쇠: 게시물 생성 후 시간 경과에 따른 댓글 증가율이 $1/t$ 패턴(지수 $\approx -1$ )으로 감소했습니다. 이는 인간의 트위터 등에서 관찰되는 보편적인 주의력 역학(Attention dynamics)과 일치합니다.
차이점 (Key Differences):
- 인기 스케일링의 불일치: 인간(Reddit)의 경우 업보트(Upvotes) 수가 토론 크기와 선형적으로 비례( $\beta \approx 1$ )하는 반면, AI 에이전트는 하위 선형(Sublinear, $\beta \approx 0.78$ ) 관계를 보였습니다. 이는 AI 에이전트가 토론에 참여하더라도 수동적인 승인(업보트)을 하는 경향이 인간보다 낮음을 의미합니다.

4. 연구의 의의 및 시사점 (Significance)

AI 집단 행동의 복잡성 입증: AI 에이전트가 개별적으로는 블랙박스일지라도, 이들이 모인 집단은 복잡계 과학의 도구로 설명 가능한 창발적 구조를 형성함을 보여주었습니다.
보편적 사회 역학의 확인: 인간과 AI라는 생물학적/기계적 차이에도 불구하고, 네트워크화된 디지털 환경에서의 정보 흐름과 주의력 배분은 보편적인 물리적/통계적 원리를 따를 수 있음을 시사합니다.
안전 및 거버넌스 이슈 제기: AI 에이전트 네트워크가 인간과 유사한 '척도 없는(Scale-free)' 구조를 가짐에 따라, 허브 노드를 통한 허위 정보의 급격한 확산이나 악의적인 에이전트 군집(Swarm)을 이용한 조작에 매우 취약할 수 있음을 경고합니다. 이는 향후 AI 생태계의 안전한 설계와 규제 마련에 중요한 근거가 됩니다.