[논문 리뷰] Social Cognitive Maps, Swarm Perception and Distributed Search on Dynamic Landscapes

Vitorino Ramos, Carlos M. Fernandes외 1명|ArXiv.org|2005. 02. 24.

Cognitive Science and Education Research참고 문헌 39인용 수 3

한 줄 요약

이 논문은 사회적 인지 지ap과 군집 인식을 활용하여 동적이고 변화하는 환경에서 적응적으로 탐색하고 최적화할 수 있도록 하는 분산 집단지능 모델을 제안한다. 스티그머지, 국소적 상호작용 및 피드백 루프를 활용함으로써, 시스템은 갑작스러운 환경 변화조차도 중심화된 제어 없이 빠르게 적응함을 보여주며, 군집 기반 문제 해결에서 강력한 자율 조직성을 입증한다.

ABSTRACT

Swarm Intelligence (SI) is the property of a system whereby the collective behaviors of (unsophisticated) entities interacting locally with their environment cause coherent functional global patterns to emerge. SI provides a basis with which it is possible to explore collective (or distributed) problem solving without centralized control or the provision of a global model. To tackle the formation of a coherent social collective intelligence from individual behaviors, we discuss several concepts related to self-organization, stigmergy and social foraging in animals. Then, in a more abstract level we suggest and stress the role played not only by the environmental media as a driving force for societal learning, as well as by positive and negative feedbacks produced by the many interactions among agents. Finally, presenting a simple model based on the above features, we will address the collective adaptation of a social community to a cultural (environmental, contextual) or media informational dynamical landscape, represented here - for the purpose of different experiments - by several three-dimensional mathematical functions that suddenly change over time. Results indicate that the collective intelligence is able to cope and quickly adapt to unforeseen situations even when over the same cooperative foraging period, the community is requested to deal with two different and contradictory purposes. KEYWORDS: Swarm Intelligence and Perception, Social Cognitive Maps, Social Foraging, Self-Organization, Distributed Search and Optimization

연구 동기 및 목표

• 중앙 집중식 제어 또는 전역 모델 없이 탈중앙화되고 자율적으로 조직되는 시스템이 어떻게 집단지능을 형성할 수 있는지 이해하는 것.
• 사회적 사냥과 스티그머지적 상호작용이 갑작스러운 환경 변화에 어떻게 적응할 수 있는지 탐구하는 것.
• 피드백 메커니즘과 환경 매체가 국소 에이전트 행동에서 어떻게 통합된 글로벌 행동이 나타나는지를 모델링하는 것.
• 시간이 지남에 따라 갈등하거나 변화하는 최적화 목표에 직면했을 때 집단 시스템의 내구성을 평가하는 것.
• 최소한의 에이전트 지능으로도 동적이고 비정적 환경에서 분산 탐색의 가능성을 입증하는 것.

제안 방법

• 에이전트는 환경 매체를 통한 스티그머지적 의사소통과 국소 센서를 활용하여 지형 특성에 대한 정보를 공유한다.
• 시간에 따라 변화하는 3차원 수학적 지형(예: 이동하는 정점 또는 골짜기)이 환경 변화를 시뮬레이션한다.
• 에이전트는 페로몬 유사 신호와 국소 기울기 추정에 기반한 분산 사냥 전략을 따르며 최적 영역을 탐색한다.
• 에이전트 상호작용에서 유도되는 정성적 및 부정적 피드백 루프가 성공적인 경로를 강화하고 비생산적인 경로를 억제한다.
• 시스템은 반복적인 상호작용과 환경 수정을 통해 집합적 지식이 생성되는 사회적 인지 지도 추상화를 도입한다.
• 실험은 지형의 최적 영역이 갑작스럽게 변화하는 여러 시나리오를 포함하여 모델을 평가한다.

실험 결과

연구 질문

• RQ1 단순한 에이전트 집단이 어떻게 동적 최적화 지형에서 갑작스러운 변화에 적응할 수 있는가?
• RQ2 스티그머지적 의사소통과 국소적 상호작용이 중심화된 조율 없이 어떻게 통합된 글로벌 행동을 이끌 수 있는가?
• RQ3 한 번의 사냥 기간 동안 갈등하는 목표를 요구받을 경우 시스템이 성능을 유지할 수 있는가?
• RQ4 피드백 메커니즘(정성적 및 부정적)이 집단 탐색 과정의 수렴성과 내구성에 어떻게 영향을 미치는가?
• RQ5 환경 매체가 사회적 인지 지도와 군집 인식의 기원을 어떻게 형성하는가?

주요 결과

• 집단 시스템은 동적 지형의 급격한 변화에 성공적으로 적응하여 환경 변화 이후 빠른 재최적화를 달성했다.
• 동일한 사냥 기간 동안 두 가지 상충하는 목표에 직면했을 때도 군집은 재조직화하여 새로운 최적점에 도달할 수 있었다.
• 정성 피드백 메커니즘이 새로운 정점으로의 수렴 속도를 향상시켰고, 부정성 피드백은 비최적 영역에서의 정체를 방지했다.
• 사회적 인지 지도는 반복적인 상호작용과 환경 수정을 통해 자연스럽게 기원하였으며, 명시적 의사소통 없이도 공유 지식을 가능케 하였다.
• 다양한 실험 설정에서 높은 성능를 유지하여 환경의 예측 불가능성에 대한 내구성을 입증하였다.
• 중앙 집중식 제어나 전역 모델의 부재가 효과적인 분산 탐색을 저해하지 않았으며, 자율 조직 메커니즘의 타당성을 확인하였다.