기술 요약: Genesis – 적합도 함수 없는 개방형 진화 연구를 위한 경험적 플랫폼

1. 문제 정의

진화 연산(Evolutionary Computation, EC)은 역사적으로 솔루션을 점수화하고 선택을 유도하기 위해 스칼라 적합도 함수(scalar fitness function)에 의존해 왔다. 그러나 생물학적 진화는 이러한 함수 없이도 복잡한 개방형 진화 역학(open-ended dynamics, OEE)을 지속한다. 본 연구 이전에는 적합도가 완전히 제거된 인공 시스템에서 어떤 현상이 발생하는지에 대한 경험적 규명이 없었으며, 설계자가 지정한 목표가 없는 상황에서 진화 역학을 유지하기 위해 어떤 구조적 구성 요소가 필수적인지에 대한 명확한 이해도 부족했다. 본 논문은 다음과 같은 질문을 통해 이 간극을 메우고자 한다: 적합도를 완전히 제거한 후에도 진화적 활동을 지속시키기 위해 인공 시스템에 필요한 것은 무엇인가?

2. 방법론: Genesis 아키텍처

본 논문은 적합도 없는 진화에 관한 가설을 검증하기 위해 설계된 오픈 소스 플랫폼인 Genesis를 소개한다. Genesis는 전통적인 적합도 기반 선택을 대신하여, 성능이 아닌 생존 가능성(viability)과 다양성을 조절하는 세 가지 상호작용 메커니즘을 도입한다:

1. 제약 기반 선택 (Constraint-Driven Selection, CDS): 에이전트들은 가변 길이의 코돈 기반 게놈을 보유한다. 생존은 오로지 불변의 물리적 제약을 충족하는지에 따라 결정된다. 대사 비용 함수 $M(G) = \alpha|G|^\beta + \sum k\gamma_k f_k(G)$는 게놈의 비대화(bloat)를 억제한다. "물리 게이트키퍼(Physics Gatekeeper)"는 엄격한 자원 한계를 강제하며, 생존자들은 내부 축(에너지 효율, 자원 획득, 상호작용 안정성)에 대한 파레토 관계적 지배(Pareto relational dominance)를 통해 선택된다.
2. 제약 적응형 조절 원리 (Constraint-Adaptive Regulation Principle, CARP): 이 메커니즘은 인구 생존 가능성($V(t)$)을 목표 범위(70–90%) 내로 유지하기 위해 제약 강도($\lambda$)를 동적으로 조정한다. 업데이트 규칙은 $\lambda(t+1) = \lambda(t) + \eta(V_{target} - V(t))$이다. 결정적으로, CARP는 특정 행동에 대한 선호도를 인코딩하지 않고 용량(capacity)만을 조절한다.
3. 인공 면역 시스템 (Artificial Immune System, AIS): 정체를 방지하기 위해, AIS는 대표적인 유전자형(genotypes)의 참신성 기반 아카이브를 유지한다. 이는 지배적인 계통을 제거하고, 인구의 참신성이 최소 임계값($N_{min}$) 아래로 떨어지면 아카이브된 유전자형을 재도입한다.

측정 도구 (PNCT):
플랫폼은 적합도 지표 없이 진화적 활동을 정량화하기 위해 **인구 수준 비적합도 특성화 툴킷(Population-level Non-fitness Characterisation Toolkit, PNCT)**을 활용한다:

• 유전적 활동 계수 (Genetic Activity Coefficient, GAC): 500세대 이후에도 지속되는 게놈 편집의 비율. 중앙값 GAC $\ge 0.1$인 경우 해당 실행(run)을 "지속됨(sustained)"으로 간주한다.
• 발현 표현형 복잡도 (Expressed Phenotype Complexity, EPC): LZW 압축 기반의 발현된 표현형 복잡도이다. 양(+)의 EPC 기울기는 더 엄격한 개방형 성장의 기준이 된다.
• 참신성 네트워크 밀도 (Novelty Network Density, NND): 표현형 특징 공간에서의 국소 밀도를 측정하여 다양성을 보장한다.

3. 실험 결과

본 논문은 총 100만 세대 이상의 실험을 포함하는 세 가지 별개의 실험 결과를 보고한다:

실험 1: 적합도 제거 (V2)

• 설정: 10,000 세대의 12개 독립 실행, 점진적 외부 적합도 제거 ($p_m=0.01, N=512$).
• 결과: 12개 실행 중 7개(58.3%)가 완전한 적합도 제거 후에도 진화적 활동을 지속했다. 이는 네 가지 베이스라인(무작위 탐색, 고정 제약, 참신성 탐색, MAP-Elites)보다 유의미하게 높은 성능을 보였다 ($p<0.01, \text{Cohen's } d=1.47$).
• 절제 실험 (Ablation): CARP 또는 AIS를 제거하면 실패율이 41.7%에서 90% 이상으로 상승하여, 두 요소 모두 필수적임을 확인했다.
• 한계: 지속적인 활동에도 불구하고, 성공적인 모든 실행에서 EPC가 140–155에서 정체되었다. 이는 진화는 계속되지만 반드시 개방형 성장을 의미하지는 않는 구조적 천장이 존재함을 나타낸다.

실험 2: 샴 통제 니치 구축 (Sham-Controlled Niche Construction, V3)

• 가설: 유기체가 환경을 기록할 수 있는 환경(니치 구축)이 EPC 천장을 깨뜨릴 것이다.
• 설정: 50,000 세대의 20개 실행 (실제 10개, 샴 10개). 에이전트는 3×3 이웃 영역에 지속적인 화학 물질($S$)을 분비할 수 있다. "샴(sham)" 대조군은 해당 동작을 수행하고 비용을 차감하지만, 화학 필드를 업데이트하지는 않는다.
• 결과: 분비 물리 법칙은 정상 작동했으나($S_{mean}=0.48$ in real runs), 실제와 샴 조건 모두에서 EPC는 0이었으며, LZ76 복잡도는 동일했다(0.068).
• 결론: 주파수 의존적 선택(frequency-dependent selection)이 없는 환경 수정은 개방형 성장을 유도하기에 불충분하다. 에이전트의 내부 정책이 화학 필드에 반응하지 않았다.

실험 3: 종 분화 보호형 니치 구축 (Speciation-Protected Niche Construction, V4 Stage 3)

• 가설: 새로운 구조가 축적될 만큼 충분히 오래 보호받으려면 (종 분화를 통한) 보호가 필요하다.
• 설정: 아키텍처에 CPPN 게놈과 NEAT 방식의 종 분화를 추가했다.
• 결과: 예비 검증 실행(두 개의 시드, 500세대)에서 실제 조건과 샴 조건 사이에 게놈 크기와 종의 수에서 차이가 나타났다(V3와 달리). 이는 가설과 일치하는 결과이다.
• 상태: 이 결과들은 가설을 입증하기에는 아직 불충분하며, 현재 진행 중인 중규모 복제 실험을 위한 방향성 있는 기초 자료 역할을 한다.

4. 주요 기여

• 적합도 없는 진화의 경험적 경계 확립: 제약 기반 선택이 적합도 없이도 진화적 활동을 지속시킬 수 있음을 입증했으나, 이것이 자동으로 개방형 성장을 보장하지는 않음을 보여주었다.
• 샴 통제 프로토콜 (Sham-Controlled Protocol): 니치 구축을 그 에너지 비용으로부터 격리하는 엄격한 방법을 제공하여, 니치 구축 단독으로는 복잡도 정체를 깨뜨릴 수 없음을 밝혀냈다.
• PNCT 지표: 적합도 없이 진화를 특성화하기 위한 일련의 검증 가능한 지표(GAC, EPC, NND)를 도입했다.
• 기질 진화 가능성에 대한 가설: 진정한 OEE를 위해서는 시스템을 규정하는 법칙(물리 법칙) 자체가 진화 가능해야 한다는 가설을 제시한다.

5. 의의 및 전망

본 논문은 적합도 없는 진화의 경험적 경계를 설정한다고 주장한다. 고정된 물리 환경(V2–V3)에서의 EPC 정체 관찰은 고정된 물리 법칙이 구조적으로 OEE를 지원할 수 없음을 시사한다. 이에 따라 저자들은 새로운 방향인 **물리 법칙의 메타 진화(meta-evolution of physics)**를 제안한다. 즉, 시스템을 지배하는 법칙(예: 확산, 붕괴, 에너지 주입 등) 자체가 진화되어야 한다는 것이다.

본 연구는 PNCT라는 휴대 가능한 툴킷, 재사용 가능한 실험 프로토콜(샴 통제), 그리고 기질의 진화 가능성(substrate evolvability)이 개방형 성도의 필수 조건이라는 가설을 제공함으로써 EC 분야에 기여한다. 저자들은 메타 진화를 테스트하기 위한 100-world 실험을 현재 준비 중이라고 밝혔다.