Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
다중 에이전트 및 일반 다체 시스템에서 에이전트의 권력과 반응 함수가 집단적 질서에 미치는 영향을 분석하는 프레임워크를 제안합니다. 시스템의 생산성, 안정성, 적응성 사이의 최적 균형점을 도출하며, 동기화가 시스템 취약성에 미치는 영향을 연구합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기본 논문은 에이전트의 행동과 집단적 관찰(collective observations) 사이의 피드백 루프가 존재하는 다중 에이전트 시스템(multi-agent systems)을 분석하기 위한 일반적인 프레임워크를 개발합니다. 이 프레임워크는 두 가지 근본적인 에이전트 수준 변수를 기반으로 구축됩니다: 집단적 결과에 대한 에이전트의 영향력을 측정하는 권력(power), 그리고 에이전트가 관찰에 어떻게 반응하는지를 결정하는 반응 함수(response functions)입니다. 우리는 총 권력(total power), 유용 권력(useful power), 엔트로피(entropy), 질서(order), 취약성(fragility), 이동성(mobility)을 포함한 거시적 특성들이 이러한 이질적 에이전트들의 두 변수로부터 어떻게 발생하는지를 도출합니다. 성장과 회복탄력성(resilience) 사이의 트레이드오프(trade off)를 연구하기 위해, 우리는 위험 선호 계수(risk-appetite coefficient)로 매개변수화된 시스템 수준의 효용 함수(utility function)를 도입하고, 생산성(productivity), 안정성(stability), 적응성(adaptability) 사이의 균형을 맞추는 최적의 질서 정도를 도출합니다. 분석 결과에 따르면, 더 강력한 동기화(synchronization)는 집단적 출력을 증가시킬 수 있지만, 시스템적 취약성을 높이고 이동성을 감소시킬 수도 있음을 시사합니다. 나아가 우리는 질서(order), 엔트로피(entropy), 정보(information), 유용 에너지(useful energy)가 작업 의존적(task-dependent)이며 시스템 상대적(system-relative)인 개념으로, 그 의미가 시스템의 목적에 따라 달라진다고 주장합니다. 에이전트의 권력 분포와 반응 함수를 측정하고 설계함으로써, 집단 행동을 더 잘 이해하고 예측하며 최적화할 수 있으며, 집단 지성(collective intelligence)과 최적의 질서가 나타나는 조건을 식별하는 것이 가능할 수 있습니다.