Self-organized Regulation of Group Size and Number in Natural and Artificial Collectives
이 논문은 흰코코아티와 같은 인공 및 자연적 집단이 환경적 요구에 맞춰 집단의 크기와 수를 스스로 조직하고 능동적으로 조절할 수 있게 하는, 국소적 지각과 개별적 선호도에 기반한 분산형 메커니즘을 제안하고 검증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
자연계에서, 소용돌이치는 물고기 떼부터 북적이는 개미 군집에 이르기까지, 생명체들은 좀처럼 홀로 행동하는 법이 없다. 그들은 모이고, 나누어지며, 구름처럼 변화하고 이동하는 집단을 형성한다. 이러한 조직화와 재조직화 능력은 필수적이다. 집단은 포식자로부터 보호를 제공하거나 먹이를 찾는 데 도움을 줄 수 있지만, 너무 커지면 구성원들이 한정된 자원을 두고 다투거나 질병을 퍼뜨리는 등 부담이 된다. 과학자들은 집단이 가장 잘 기능할 수 있는 이상적인 크기, 즉 '스위트 스팟(sweet spot)'이 존재한다는 것을 오랫동안 이해해 왔다. 그러나 더 깊은 미스터리는 여전히 남아 있다. 각자가 주변 환경에 대해 제한적인 시야만을 가진 개체들이, 언제 함께 머물고 언제 갈라져야 할지를 어떻게 아느냐는 것이다. 그들은 전체 개체 수를 볼 수 없으며, 총 몇 개의 집단이 존재하는지도 셀 수 없다. 하지만 자연과 우리가 만드는 기계 모두에서, 집단은 중앙의 지시 없이도 스스로 조절하며 안정적인 규모와 숫자의 패턴을 찾아가는 것처럼 보인다.
연구팀은 구체적인 질문을 던짐으로써 이 수수께끼를 풀고자 했다: 개별 개체들이 오직 국소적인 정보와 자신만의 선호도를 사용하여, 집단의 크기와 집단의 총 개수를 모두 스스로 제어하며 자기 조직화를 할 수 있는가? 이 답을 찾기 위해, 연구진은 먼저 가장 단순한 형태의 행동인 '따르기(following)'를 살펴보았다. 많은 동물 집단에서 개체들은 단순히 이웃을 향해 이동한다. 연구진은 이 단순한 규칙만으로 안정적인 집단을 만들 수 있는지 확인하기 위해 수학적 모델을 구축했다. 그들은 따르기 행동이 실제로 개체들을 뭉치게 할 수는 있지만, 집단 크기를 능동적으로 조절하는 데에는 충분하지 않다는 것을 발견했다. 집단은 형성되겠지만, 그 크기는 환경이 얼마나 붐비느냐에 따른 수동적인 결과일 뿐, 이상적인 숫자에 도달하기 위한 의식적인 조정이 아니었다. 동물들은 자신이 너무 큰 집단에 있는지 혹은 너무 작은 집단에 있는지 알 수 없었다.
이를 해결하기 위해, 연구진은 '특정한 집단 크기에 대한 개인적 선호'라는 단순한 내부 감각에 기반한 새로운 메커니즘을 제안했다. 각 개체가 자신에게 완벽한 집단 크기가 얼마인지에 대한 조용한 내부 감각을 지니고 있다고 상상해 보라. 만약 자신이 속한 집단이 너무 작다고 느껴지면, 그들은 다른 이들이 합류하기를 기다린다. 만약 집단이 너무 크다고 느껴지면, 그들은 떠나서 새로운 집단을 시작하거나 다른 집단을 찾기로 결정한다. 이 아이디어는 가상의 에이전트(로봇이나 동물을 나타냄)가 움직이며 자신의 내부 선호도에 따라 결정을 내리는 컴퓨터 시뮬레이션으로 구현되었다. 연구진은 세 가지 다른 통신 조건 하에서 이 시스템을 테스트했다. 첫째, 에이전트들은 다른 이들의 위치만 볼 수 있을 뿐, 집단에 몇 명이 있는지는 알 수 없었다. 둘째, 그들은 집단에 합류하기 전 딱 한 번 집단 크기를 물어볼 수 있었다. 셋째, 그들은 집단 크기에 대한 지속적이고 업데이트된 정보의 흐름을 받았다.
결과는 에이전트들이 집단 크기에 대한 정보에 접근할 수 있을 때 시스템이 가장 잘 작동한다는 것을 보여주었다. 에이전트들이 위치 정보만 가졌을 때, 집단은 너무 커졌다가 다시 너무 작아지는 등 격렬하게 요동치며 안정적인 리듬을 찾지 못했다. 에이전트들이 집단 크기를 단 한 번이라도 확인할 수 있었을 때, 시스템은 훨씬 더 안정되었고 집단은 목표한 크기에 더 가깝게 안착했다. 가장 효과적인 방법은 지속적인 통신이었는데, 이는 에이전트들이 고려 중인 집단의 크기를 끊임없이 알 수 있는 경우였다. 이 시나리오에서 가상의 로봇들은 14명씩 구성된 세 개의 완벽한 집단을 성공적으로 형성하며, 너무 크거나 너무 작아지는 혼란스러운 변동을 제거했다. 연구진은 로봇들이 목표 크기보다 큰 집단에서 머문 시간을 측정했는데, 지속적인 정보 제공이 위치 정보만 사용했을 때보다 이 '과대 규모(oversize)' 시간을 95% 이상 줄였다는 것을 발견했다.
이 인공적인 메커니즘이 현실을 반영하는지 확인하기 위해, 연구진은 야생 흰코누구(white-nosed coati, 너구리와 친척 관계인 포유류)의 실제 데이터를 활용했다. 이 동물들은 사회적 무리를 지어 살며 빈번하게 분리되고 합쳐진다. 연구팀은 두 그룹의 코누구 GPS 추적 데이터를 사용하여 모델을 보정했다. 그들은 코누구에게 특정 규칙을 프로그래밍한 것이 아니라, 실제 야생에서 동물들이 경험한 집단 크기를 바탕으로 개별적인 선호도가 무엇이었을지를 추론했다. 균등하게 분리되는 한 그룹의 경우, 모든 개체가 유사한 선호도를 공유한다고 가정했다. 반면 불균등하게 분리되는 다른 그룹의 경우, 서로 다른 개체들에게 서로 다른 선호도를 할당했다. 연구진이 이러한 실제 세계의 선호도를 적용하여 시뮬레이션을 실행했을 때, 가상의 코누구들은 실제 동물들의 통계적 패턴을 재현해 냈다. 모델은 관찰된 하위 그룹의 수, 하위 그룹의 전형적인 크기, 그리고 집단이 다른 구성으로 전환되는 방식을 성공적으로 일치시켰다.
이 연구는 자연에서 보이는 복잡하고 변화무쌍한 사회 구조와 공학적 시스템의 효율적인 조직화가 동일한 근본 원리에 의존할 수 있음을 시사한다. 모든 개체가 전체 동물의 수나 전체 집단의 수를 알 필요는 없다. 대신, 각 개체가 단순히 자신의 현재 상황을 개인적인 기준과 비교하고 그에 따라 행동할 때 안정성이 나타난다. 본 연구는 중앙의 지휘관 없이도, 모든 이가 국소적인 인지와 개인적인 목표를 바탕으로 결정을 내리는 탈중앙화된 시스템이 집단 크기와 집단 수를 동시에 조절하는 어려운 문제를 해결할 수 있음을 보여준다. 이 연구는 그러한 메커니즘이 수학적으로 가능하며 실제 동물 데이터와 일치함을 확인해주지만, 이것이 야생 코누구가 정확히 이 방법을 사용한다는 것을 증명하는 것은 아니다. 오히려, 이 단순하고 국소적인 전략이 집단이 중앙의 명령 없이도 적응하고 번성할 수 있는 타당하고 강력한 방법임을 보여주는 것이다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.