[논문 리뷰] Enfrentando a la Complejidad: Predecir vs. Adaptar

Carlos Gershenson|ArXiv.org|2009. 05. 29.

Complex Systems and Decision Making인용 수 3

한 줄 요약

이 논문은 고전적 과학이 최적화를 통해 예측 가능성을 가정하지만, 복잡하고 동적인 시스템은 본질적인 예측 불가능성과 자기 영향을 미치는 변화로 인해 이러한 접근 방식을 거부하는 경우가 많다는 점을 주장한다. 대신, 이 논문은 문제 공간이 최적화가 따라잡을 수 없을 정도로 빠르게 변화하는 상황이나 예측할 수 없는 상황에서 새로운 해결책을 자율적으로 생성할 수 있는 능력을 부여하는 적응 전략이 더 우월하다고 주장한다.

ABSTRACT

Una de las presuposiciones de la ciencia desde los tiempos de Galileo, Newton y Laplace ha sido la previsibilidad del mundo. Esta idea ha influido en los modelos cientificos y tecnologicos. Sin embargo, en las ultimas decadas, el caos y la complejidad han mostrado que no todos los fenomenos son previsibles, aun siendo estos deterministas. Si el espacio de un problema es previsible, podemos en teoria encontrar una solucion por optimizacion. No obstante, si el espacio de un problema no es previsible, o cambia mas rapido de lo que podemos optimizarlo, la optimizacion probablemente nos dara una solucion obsoleta. Esto sucede con frecuencia cuando la solucion inmediata afecta el espacio del problema mismo. Una alternativa se encuentra en la adaptacion. Si dotamos a un sistema de esta propiedad, este mismo podra encontrar nuevas soluciones para situaciones no previstas. One of the assumptions of science since the times of Galileo, Newton, and Laplace has been the predictability of the world. This idea has influenced scientific and technological models. However, in the last decades, chaos and complexity have shown that not all phenomena are predictable, even if they are deterministic. If a problem space is predictable, we can in theory find a solution via optimization. Nevertheless, if a problem space is not predictable, or changes faster than we can optimize it, optimization probably will give us an obsolete solution. This often happens when the immediate solution affects the problem space itself. One alternative is found in adaptation. If we give this property to a system, the system will be able to find by itself new solutions for unforeseen situations.

연구 동기 및 목표

• 모든 결정론적 시스템이 최적화를 통해 예측 가능하다는 장기적인 과학적 가정에 도전하기 위해.
• 문제 공간이 빠르게 변화하거나 본질적으로 예측 불가능한 시스템에서 최적화의 한계를 검토하기 위해.
• 행동이 문제 공간을 변화시키는 자기 영향을 미치는 해결책이 전통적 최적화를 무의미하게 만든다는 점을 주장하기 위해.
• 예측할 수 없거나 급격히 변화하는 조건에 직면한 시스템에서 적응이 최적화 기반 솔루션보다 더 효과적인 대안이 될 수 있음을 제안하기 위해.
• 특히 실제 적용 사례에서 복잡한 시스템을 모델링할 때, 예측에서 적응으로의 패러다임 전환의 필요성을 제시하기 위해.

제안 방법

• 갈릴레오, 뉴턴, 라플라스로 거슬러 올라가는 과학에서 예측 가능성의 이론적 기초를 분석한다.
• 혼돈과 복잡성의 요소가 결정론적 예측 가능성조차 원리적으로도 뒤흔들 수 있음을 밝힌다.
• 이론적으로 성공할 수 있는 최적화가 가능한 예측 가능한 문제 공간과 그렇지 않은 문제 공간을 구분한다.
• 해결책이 문제 공간을 변화시키는 자기 영향을 미치는 시스템의 개념을 도입하며, 이로 인해 최적화가 효과를 잃게 된다.
• 예측할 수 없는 변화에 대응하여 새로운 해결책을 자율적으로 발견할 수 있도록 해주는 적응의 메커니즘을 제안한다.
• 개념적이고 이론적인 추론을 통해, 복잡하고 동적인 환경에서는 적응 시스템이 최적화된 시스템보다 뛰어난 성능을 발휘할 수 있음을 주장한다.

실험 결과

연구 질문

• RQ1 혼돈과 복잡성이 존재하는 상황에서, 결정론적 시스템을 최적화를 통해 얼마나 잘 예측할 수 있는가?
• RQ2 문제 공간이 시스템의 적응 속도를 초월해 변화할 경우, 최적화 기반 솔루션은 어떻게 되는가?
• RQ3 행동이 문제 공간을 변화시키는 자기 영향을 미치는 솔루션의 성격이 전통적 최적화를 어떻게 무너뜨리는가?
• RQ4 어떤 종류의 시스템에서 적응 전략이 예측과 최적화보다 더 효과적인가?
• RQ5 예측에서 적응으로의 전환은 이론적·실용적으로 어떤 함의를 지닌다?

주요 결과

• 초기 조건에 민감하고 혼돈적 역학으로 인해, 이론적으로는 해법이 존재하지만 실질적으로는 예측 불가능한 결정론적 시스템이 존재한다.
• 문제 공간이 최적화 과정의 반응 속도를 초월해 변화할 경우, 최적화는 기능을 失효시키며 오래된 솔루션을 낳는다.
• 해결책이 문제 공간을 변화시키는 자기 영향을 미치는 시스템에서는 최적화가 본질적으로 불안정하고 효과가 없어진다.
• 적응은 예측할 수 없는 변화나 변화하는 조건에 대응하여 시스템이 새로운 해결책을 자율적으로 발견할 수 있도록 한다.
• 복잡하고 동적이며 예측 불가능한 환경에서는 적응 능력을 지닌 시스템이 최적화된 시스템보다 뛰어난 성능을 발휘한다.
• 논문은 적응이 단지 대안이 아니라, 실제 복잡한 시스템을 모델링하기 위해 필수적인 패러다임 전환임을 결론 내린다.