Social Reality Construction via Active Inference: Modeling the Dialectic of… — 쉬운 설명

✨

이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

Each language version is independently generated for its own context, not a direct translation.

🎭 핵심 비유: "소설가들의 모임과 새로운 단어 만들기"

이 연구의 주인공들은 **14 명의 '소설가 (에이전트)'**입니다. 이들은 두 개의 작은 방 (클러스터) 으로 나뉘어 있습니다.

사회적 규범 (Conformity): 소설가들은 서로 만나서 "우리 이야기가 어떻게 흘러가야 할지" 합의합니다. (예: "우리 이야기는 슬픈 분위기로 가자.")
창의적 행동 (Creativity): 하지만 각 소설가는 혼자 있을 때 "아, 이거 좀 더 독특하게 바꿔볼까?"라고 생각하며 새로운 장면을 만들어냅니다.

이 논문은 **"이 두 가지 힘 (서로 맞추려는 힘 vs 새로 만들어내는 힘) 이 어떻게 섞여 우리가 사는 '사회적 현실'을 만들어내는가?"**를 보여줍니다.

🧩 이 연구가 발견한 3 가지 놀라운 사실

1. "동질적인 친구 그룹"이 자연스럽게 생깁니다.

상황: 처음에는 모든 소설가들이 서로 다른 스타일을 가지고 있었습니다.
변화: 시간이 지나자, 같은 방에 있는 소설가들은 서로의 이야기를 많이 공유하며 서로 매우 비슷한 스타일을 갖게 되었습니다. 반면, 다른 방에 있는 사람들과는 스타일이 달라졌습니다.
비유: 마치 같은 반 친구들이 서로의 말투나 유행어를 공유하며 '우리 반'만의 독특한 분위기를 만드는 것과 같습니다. 컴퓨터는 이 **'사회적 동질성'**이 네트워크 구조 (누구와 누구를 연결했는지) 를 그대로 반영하며 자연스럽게 생겨난다는 것을 증명했습니다.

2. "우리가 만든 이야기가 현실을 바꿉니다." (가장 중요한 발견!)

기존 생각: 사람들은 사회의 규칙을 배우고 그 규칙대로만 행동한다고 생각했습니다. (사회 → 개인)
이 연구의 발견: 하지만 이 모델에서는 개인이 만든 '새로운 아이디어 (창의적 행동)'가 다시 사회 전체의 규칙을 바꿔놓습니다. (개인 → 사회)
비유:
- 처음에는 "우리는 파란색 옷만 입자"라는 규칙이 있었습니다.
- 그런데 한 소설가가 "오늘은 파란색에 노란색 줄무늬를 추가해 볼까?"라고 창의적으로 옷을 만들었습니다.
- 다른 소설가들이 그걸 보고 "오, 이거 재밌네!"라고 받아들였습니다.
- 결국 "파란색에 노란색 줄무늬"라는 새로운 사회적 규칙이 생겨난 것입니다.
- 즉, 사회적 현실은 단순히 위에서 내려오는 것이 아니라, 우리가 매일매일 만들어내는 '작은 창의성'들이 모여서 만들어지는 것입니다.

3. "새로운 아이디어"는 '소문'과 다르게 퍼집니다.

사회적 규칙 (소문): "우리는 파란 옷을 입는다"는 규칙은 그룹 전체에 안정적으로 퍼집니다. 모든 사람이 다 알고 있습니다.
창의적 아이디어 (새로운 트렌드): "노란 줄무늬" 같은 새로운 아이디어는 선택적으로 퍼집니다.
- 어떤 소설가 A 는 B 와만 공유하고, C 와는 공유하지 않을 수 있습니다.
- 시간이 지나면 A 와 B 는 새로운 스타일을 공유하지만, C 와는 다시 다른 스타일을 공유하게 됩니다.
의미: 이는 우리가 사회에서 **자신만의 '문화적 틈새 (Cultural Niche)'**를 만들어간다는 뜻입니다. 모든 사람이 똑같은 것을 공유하는 게 아니라, 서로 다른 조합으로 새로운 문화를 만들어내는 것입니다.

🤖 컴퓨터는 어떻게 이를 구현했나요? (간단한 원리)

이 연구는 **'적극적 추론 (Active Inference)'**이라는 이론을 사용했습니다. 쉽게 말해, 각 소설가 (에이전트) 는 두 가지 목표를 동시에 추구합니다.

예상치 못한 놀라움을 줄이려 합니다 (사회적 동화): "내 이웃들이 이해할 수 있는 이야기인가?"를 확인하며, 이웃의 이야기를 받아들여 내 이야기를 수정합니다. (이게 규칙 준수)
새로운 것을 발견하려 합니다 (창의적 도전): "내 이야기에서 아직 없던 새로운 장면을 만들어보자"라고 시도합니다. (이게 창의성)

이 두 가지가 서로 싸우면서도 (Adversarial) 동시에 서로를 보완합니다.

규칙이 없으면 혼란스럽고, 창의성이 없으면 진부해집니다.
이 두 힘의 균형이 바로 **살아있는 사회 (Social Reality)**를 만들어냅니다.

💡 결론: 우리가 배울 수 있는 교훈

이 논문은 우리에게 다음과 같은 메시지를 줍니다.

"사회는 이미 완성된 것이 아니라, 우리가 매일매일 서로 소통하고, 조금씩 다르게 행동하며, 새로운 것을 만들어내는 과정에서 '지속적으로 재구성'되는 것입니다."

우리가 친구와 대화할 때, 혹은 SNS 에서 새로운 유행을 만들 때, 우리는 단순히 사회의 규칙을 따르는 것이 아니라 사회 그 자체를 다시 만들고 있는 것입니다. 이 연구는 그 복잡한 과정이 컴퓨터 시뮬레이션으로도 완벽하게 설명될 수 있음을 보여주었습니다.

Each language version is independently generated for its own context, not a direct translation.

1. 연구 배경 및 문제 제기 (Problem)

핵심 문제: 사회적 행위자는 집단적 규범을 내면화하면서도 창의적 행동을 통해 이를 재형성합니다. 그러나 기존 계산 모델들은 이 **양방향 과정 (내면화 vs. 재형성)**을 통합된 프레임워크 내에서 포착하지 못했습니다.
기존 연구의 한계:
- 인공생명 (Artificial Life) 및 언어 게임 모델: 공유된 관습이 국소적 상호작용을 통해 발생할 수 있음을 보였으나, 에이전트를 단순한 규칙 추종자로 간주하여 내부 생성 모델 (Generative Model) 을 가진 확률적 추론자로서 사회적 맥락의 하향식 (Top-down) 규제 영향이나 기존 규범을 벗어난 관측치 생성 능력을 설명하지 못했습니다.
- 적성 추론 (Active Inference) 기반 집단 모델: 공간적 조정이나 기존 기대의 내면화는 다루었으나, 개인의 창의적 행동이 공유된 사회적 표상 형성에 어떻게 피드백되는지 (바텀업 방향) 를 설명하지 못했습니다.
- 집단 예측 코딩 (CPC) 가설: 사회적 표상을 외부의 공유 변수로 가정하여 자연스러운 사회적 그룹의 분화를 설명하기 어렵고, 에이전트를 수동적 관찰자로만 취급하여 창의성에서 사회적 표상 형성으로의 피드백 경로를 간과했습니다.
연구 목표: 자유 에너지 원리 (Free Energy Principle) 에 기반한 다중 에이전트 시뮬레이션을 통해, 사회적 네트워크 위에서 **사회적 현실의 변증법적 구성 (내면화와 창의적 재형성의 상호작용)**을 계산적으로 규명하는 것입니다.

2. 방법론 (Methodology)

A. 에이전트 아키텍처 및 생성 모델

내부 생성 모델: 각 에이전트 $A_k$ $A_{k}$ 는 관측치 ( $o$ $o$ ) 가 잠재 변수인 사회적 표상 ( $z$ $z$ ) 에서 어떻게 생성되는지 설명하는 내부 생성 모델을 유지합니다.
- 사회적 사전 확률 (Social Prior, $p_{social}(z)$ ): 이웃과의 상호작용을 통해 진화하는 사회적 맥락을 반영합니다.
- 가능도 (Likelihood, $p_\theta(o|z)$ ) 및 근사 사후 확률 (Posterior, $q_\phi(z|o)$ ): 신경망 가중치로 파라미터화됩니다.
판별기 (Discriminator, $D_\psi$ ): 에이전트의 사후 확률과 사회적 사전 확률 간의 발산 (KL 발산) 을 추정하여, 에이전트가 사회적 기대에서 얼마나 벗어났는지 평가합니다. 이는 모델 업데이트와 새로운 관측치 생성의 핵심 역할을 합니다.
메모리 버퍼 (Memory Buffer, $B_k$ ): 에이전트가 생성한 아티팩트나 다른 에이전트의 아티팩트를 선입선출 (FIFO) 방식으로 저장하며, 모델 학습과 소통의 관측치 원천이 됩니다.

B. 핵심 프로세스: 적성 추론 기반 상호작용

새로운 아티팩트 생성 (Active Creation):
- 에이전트는 **예상 자유 에너지 (Expected Free Energy, $G$ )**를 최소화하는 새로운 관측치 $o^+$ 를 생성합니다.
- $G$ $G$ 는 두 항의 합으로 구성됩니다:
  - 지식적 이익 (Epistemic Gain): 사회적 사전 확률과의 발산을 최소화 (즉, 사회적 규범에서 벗어나 새로운 정보 획득).
  - 재구성 오차 (Reconstruction Error): 에이전트 자신의 생성 모델과 일치하도록 유지 (과도한 편차 방지).
- 이 과정은 에이전트가 기존 사회적 맥락에 포함되지 않은 새로운 물리적 실체를 탐색하도록 유도합니다.
모델 업데이트 (Model Update):
- **변분 자유 에너지 (Variational Free Energy, $F$ )**를 최소화하여 생성 모델과 판별기를 업데이트합니다.
- 이 과정은 에이전트의 사후 확률을 사회적 사전 확률에 가깝게 이동시켜, **사회적 규범의 내면화 (하향식 규제)**를 실현합니다.
- 창의적 생성 ( $G$ 최소화) 과 모델 업데이트 ( $F$ 최소화) 는 서로 반대되는 부호를 가지며, 이는 '동조성'과 '창의적 이탈' 사이의 변증법적 관계를 수학적으로 구현합니다.
선택적 기억 (Selective Memorization):
- 이웃으로부터 받은 새로운 아티팩트를 자신의 메모리에 수용할지 여부는 적성 추론 하의 행동 선택으로 간주됩니다.
- 예상 자유 에너지가 더 낮은 아티팩트를 수용할 확률 (볼츠만 분포 기반) 을 계산하여, 더 관련성 높은 아티팩트를 선택적으로 기억합니다.
소통 (Communication via MHNG):
- 메트로폴리스 - 헤이스팅스 네이밍 게임 (MHNG) 을 통해 이웃과 공유된 관측치 (기억 및 생성물) 에 기반하여 사회적 표상 ( $z$ ) 을 추론하고 교환합니다.
- 이를 통해 각 에이전트는 '일반화된 사회적 구성원'의 관점을 반영한 사회적 사전 확률을 형성합니다.

C. 실험 설정

네트워크: 14 개의 에이전트로 구성된 연결된 캐브맨 그래프 (Connected Caveman Graph). 두 개의 클러스터 (각 7 명) 로 구성되며, 클러스터 간 연결이 제한적입니다.
조건 비교:
- w/ creation: 에이전트가 창의적 생성과 선택적 기억을 수행 (전체 프로세스).
- w/o creation: 생성 및 선택적 기억 없이 소통만 수행 (대조군).
지표: 워터스틴 거리 (Wasserstein distance), 그로모프 - 워터스틴 거리 (Gromov-Wasserstein distance, GW), 표현 유사성 분석 (RSA).

3. 주요 결과 (Results)

A. 정보적 응집력을 가진 사회적 그룹의 자발적 형성

시뮬레이션 결과: 초기에는 모든 에이전트 간의 표상 거리가 균일했으나, 시간이 지남에 따라 클러스터 구조에 맞춰 블록 대각선 (block-diagonal) 형태로 분화되었습니다.
GW 거리 분석: 에이전트 간 관측치 값의 차이 (워터스틴 거리) 가 먼저 발생하고, 이후 관측치 간의 관계적 구조 (GW 거리) 가 분화되었습니다. 이는 국소적 상호작용을 통해 공유된 사회적 현실이 자연스럽게 그룹화됨을 의미합니다.
허브 에이전트: 두 클러스터를 연결하는 에이전트 (0, 7, 13 번) 는 특정 클러스터로 완전히 수렴하지 않고 중간 영역에서 진동하며, 경쟁하는 사회적 사전 확률에 노출된 상태를 유지했습니다.

B. 사회적 표상과 관측치 분포의 순환적 상호구성 (Circular Mutual Constitution)

창의적 행동의 역할: 'w/ creation' 조건에서는 사회적 표상과 관측치 간의 구조적 유사성 (RSA) 이 시뮬레이션 내내 높게 유지되었습니다. 반면 'w/o creation' 조건에서는 유사성이 급격히 감소했습니다.
의미: 에이전트의 창의적 행동은 사회적 표상의 구조를 외부 관측 공간에 투사 (Project) 하는 메커니즘으로 작용합니다. 즉, 사회적 규범이 하향식으로 관측치를 형성하고, 에이전트의 창의적 행동이 다시 그 관측치를 통해 사회적 표상을 재구성하는 상호 강화 순환이 발생합니다.

C. 선택적이고 이질적인 전파 패턴

사회적 표상 전파: 클러스터 내부에서는 표상이 지속적으로 수용되어 안정화되었으나, 클러스터 간 경계에서는 전파가 차단되었습니다.
창의적 아티팩트 전파: 반대로 창의적 아티팩트는 동적으로 재구성되는 경로를 통해 전파되었습니다. 특정 에이전트 쌍 (예: 허브 에이전트 간) 에서만 창의물이 공유되거나, 시간이 지남에 따라 수용 패턴이 변화하여 **문화적 틈새 (Cultural Niches)**가 국소적 상호작용을 통해 구축됨을 보여줍니다.

4. 주요 기여 (Key Contributions)

통합적 프레임워크 제안: 사회적 동조성 (내면화) 과 창의적 이탈 (재형성) 을 단일 적성 추론 프레임워크 내에서 변증법적으로 통합한 계산 모델을 최초로 제시했습니다.
사회적 현실의 자생적 형성 메커니즘 규명: 하향식 규제와 바텀업 창의성이 상호작용하여 정보적으로 응집된 사회적 그룹이 네트워크 토폴로지에 맞춰 어떻게 자발적으로 분화되는지를 시뮬레이션으로 증명했습니다.
창의성의 기능적 역할 재정의: 창의적 행동을 단순한 개체 표현이 아닌, 사회적 현실의 일관성을 유지하고 새로운 문화적 틈새를 구축하는 필수적인 메커니즘으로 규명했습니다.

5. 의의 및 결론 (Significance)

이론적 의의: 미드 (Mead) 의 'I'와 'Me'의 상호작용이나 베르거와 luckmann 의 외부화 - 객관화 - 내면화 변증법을 계산적 수준에서 구현했습니다. 이는 사회학 및 심리학 이론을 기계 학습 및 복잡계 과학과 연결하는 중요한 다리 역할을 합니다.
실용적/미래적 함의:
- 고정된 네트워크 구조와 신체성 (Embodiment) 부재는 한계이나, 향후 에이전트의 파트너 선택, 이동, 신체적 상호작용을 포함하면 더 정교한 사회 진화 모델링이 가능할 것입니다.
- 이 연구는 **사회적 자아 (Social Self)**의 형성과 문화적 진화가 어떻게 하향식 통제와 바텀업 혁신의 긴장 관계 속에서 발생하는지를 수학적으로 이해하는 기초를 제공합니다.

결론적으로, 이 논문은 사회적 규범이 단순히 강제되는 것이 아니라, 개인의 창의적 탐구와 사회적 상호작용의 역동적인 피드백 고리를 통해 지속적으로 재구성되고 진화함을 보여줍니다.

Social Reality Construction via Active Inference: Modeling the Dialectic of Conformity and Creativity