[논문 리뷰] Self-Organization and Artificial Life: A Review

Carlos Gershenson, Vito Trianni외 2명|arXiv (Cornell University)|2018. 04. 03.

Modular Robots and Swarm Intelligence인용 수 3

한 줄 요약

이 논문은 인공생명학(ARTIFICIAL LIFE, ALife)에서의 자가조직화에 대한 종합적인 검토를 제공하며, 이론적 기초, 연속형(시뮬레이션), 하드웨어(로봇), 생물화학(생물학적 화학) 분야에 걸친 응용, 그리고 부상하는 복잡성의 역할을 다룬다. 개념적 모호함을 명확히 하고 핵심 연구를 통합하며, ALife 시스템에서 지도된 자가조직화의 향후 방향을 제시한다.

ABSTRACT

Self-organization has been an important concept within a number of disciplines, which Artificial Life (ALife) also has heavily utilized since its inception. The term and its implications, however, are often confusing or misinterpreted. In this work, we provide a mini-review of self-organization and its relationship with ALife, aiming at initiating discussions on this important topic with the interested audience. We first articulate some fundamental aspects of self-organization, outline its usage, and review its applications to ALife within its soft, hard, and wet domains. We also provide perspectives for further research.

연구 동기 및 목표

• 자신감 있는 정의 없이 또는 분야 간 일관성 없이 해석되는 자가조직화 개념을 명확히 하기 위해.
• 인공생명학의 세 가지 영역인 소프트(시뮬레이션), 하드(로봇공학), 웻(생물화학적 시스템)에서 자가조직화의 역할을 검토하기 위해.
• 자기조직화에 관한 핵심 연구를 통합하기 위해, 특히 집단 행동, 형체 형성, 패턴 형성 분야에서.
• 자기조직화가 인공 시스템에서 부상하는 분산형 및 적응형 행동을 가능하게 하는 데서 중요한 역할을 하므로 이를 강조하기 위해.
• 열린 과제와 기회를 특정화하여 토론을 촉진하고 향후 연구를 이끌기 위해 지도된 자가조직화 분야의 연구 방향을 제시하기 위해.

제안 방법

• 사이버네틱스, 통계역학, 정보이론 분야의 자가조직화 기초 문헌을 조사하기 위해.
• ALife 연구를 소프트, 하드, 웻 영역으로 분류하여 자가조직화의 영역별 응용을 분석하기 위해.
• 새로운 무리 행동, 세포자기모형, 화학적 패턴 형성(예: 벨루소프-자보티니 반응) 등의 사례 연구를 분석하기 위해.
• 엔트로피 최소화, 통계적 복잡성, 조직화의 정보이론적 측정치 등의 이론적 프레임워크를 검토하기 위해.
• 에이전트 기반 모델을 사용하여 인공 사회의 자가조직 시스템, 자기복제 로봇, 군집로봇공학을 분석하기 위해.
• 시스템의 동역학이 특정 안착점이나 기능적 결과를 달성하도록 유도하는 지도된 자가조직화의 통찰을 통합하기 위해.

실험 결과

연구 질문

• RQ1 자가조직화의 핵심 특성과 정의는 무엇이며, 왜 종종 오해되거나 일관성 없이 적용되는가?
• RQ2 자기조직화가 ALife 시스템에서 국소적 상호작용으로부터 복잡한 전역적 패턴이 부상하게 하는 방식은 무엇인가?
• RQ3 자기조직화가 소프트, 하드, 웻 ALife 영역에서의 진전에 어떻게 기여해 왔는가?
• RQ4 자기조직화가 원하는 결과로 유도되거나 조정될 수 있는 메커니즘은 무엇이며, 이를 어떻게 체계화할 수 있는가?
• RQ5 자기조직화와 복잡계 분야에서의 열린 과제와 향후 연구 방향은 무엇인가?

주요 결과

• 자기조직화는 ALife에서 핵심 메커니즘으로, 분산형 국소 상호작용에서 복잡하고 유능한 패턴이 부상하게 한다.
• 소프트 ALife에서는 에이전트 기반 모델에서의 무리 행동, 세포자기모형에서의 패턴 형성, 불리안 네트워크에서의 진화적 역학 등에 자기조직화가 기초가 된다.
• 하드 ALife에서는 자기조직화된 로봇 무리가 중앙 집중식 제어 없이도 채굴, 항로 탐색, 의사결정 등의 집단 작업을 수행한다.
• 웻 ALife에서는 자기조직화가 생물학적 시스템의 형체 형성과 화학적 패턴 형성(예: 벨루소프-자보티니 반응)을 이끈다.
• 시스템의 동역학이 특정 안착점을 향해 유도되는 지도된 자기조직화는 정보이론적 프레임워크에 의해 뒷받침되는 유망한 연구 방향이다.
• 개념적 모호함에도 불구하고, 자기조직화는 ALife에서 강력하고 실용적인 개념으로서, 시뮬레이션, 로봇공학, 생물화학 시스템 전반에 걸쳐 넓은 적용 범위를 가진다.