AI 자율주행, 감염병 시스템 역학 예측 기대

복잡한 시스템이 하나처럼 작동하는 동조화(Synchronization)는 아 원자 입자에서 은하에 이르기까지 엄청난 범위의 규모에서 발생하는 중요한 현상이다.

생물학에서는 물고기, 새, 심지어 세포까지도 생존을 위해 동기화된다. 그룹 동기화는 인간에게 필수적이며 신체 및 정신 건강에 중요하다. 동기화의 예는 도로 위의 운전자나 박수를 치는 사람들에게서 볼 수 있다.

오늘날 온-오프라인 복잡한 네트워크에서 인간 사이의 동기화 현상은 의사 결정을 이해하고 가짜 뉴스의 확산, 정치, 과학, 경제학 및 질병의 확산을 이해하는 데 필요하지만 아직까지 제대로 연구되지 않았다.

휴먼 동조화를 측정 가능하고 정확한 방식으로 조사하기 위해 이스라엘 바일란대학(Bar-Ilan University) 모티 프디드만(Moti Fridman) 박사, 바이츠만 연구소(Weizmann Institute)의 닐 데이비슨(Nir Davidson) 교수, 그리고 뉴욕 스토니브룩 대학(Stony Brook University)의 엘라드 슈나이더만(Elad Shniderman)은 네트워크처럼 작동하는 음악 앙상블을 만들었다.

그들의 연구 결과는 네이처 커뮤니케이션즈(Nature Communications) 저널에 게재됐다.

앙상블은 헤드폰을 착용한 16명의 바이올린 연주자로 구성됐다. 각 바이올리니스트는 동일한 짧은 음악 프레이즈를 반복적으로 연주하고 헤드폰을 통해 두 명 이상의 바이올리니스트 연주와 함께 연주를 들었다. 음악가들 사이를 파티션으로 분리해 시각 정보도 차단했다. 그들이 요청받은 것은 서로 동조화하는 것, 즉 헤드폰을 들으면서 함께 연주하는 것이었다.

연구자들이 만든 실험적 설정은 각 음악가가 연결된 앙상블 구성원 수와 각 음악가가 다른 음악가 연주 청음 강도와 같은 네트워크 연결을 제어할 수 있게 했다. 뮤지션들 헤드폰에는 한두 명의 바이올리니스트 이상이 실시간으로 함께 연주하면서 시스템에 점점 더 많은 지연이 부과됐다.

각 바이올리니스트는 몇 초 전에 자신이 연주한 내용을 들을 수 있도록 네트워크에 지연을 가져와 네트워크가 동조화 된 상태에 도달하는 것을 방지한다. 이를 좌절된 상황이라고 하며 다양한 유형의 네트워크에서 잘 연구되고 있다. 현재 네트워크 이론 모델에 따르면 좌절 된 상태에서 각 노드는 모든 입력 간에 타협을 시도한다.

프리드만 박사는 “인간은 다르게 행동한다. 절망스러운 상태에서 그들은 ‘중간’을 찾지 않고 입력 중 하나를 무시한다. 이것은 네트워크의 역학을 변화시키는 중요한 현상이다. 측정이 이루어지지 않았기 때문에 현재까지 해결되지 않았다”고 말했다.

이 연구는 두 가지 시사점을 제시한다. 첫 번째는 방법론적으로 인간 네트워크 역학을 정확하고 깨끗하게 측정하는 플랫폼이다. 두 번째는 인적 네트워크가 속도를 변경할 수 있는 유연성과 좌절감을 유발하는 입력을 필터링하고 무시할 수 있는 능력이라는 두 가지 고유한 특성을 가진다는 증거다.

이러한 기능은 근본적으로 다른 네트워크에 비해 인적 네트워크의 역학을 변경하고 인간 행동을 예측하기 위해 새로운 모델을 사용해야 한다.

프리드만은 “함께 박수치는 방법을 연구하면 누가 무엇을 들을지 제어할 수 없다. 이 프로젝트를 진행하는 동안 우리는 인간 네트워크가 우리가 측정한 다른 네트워크와 다르게 행동한다는 것을 발견했다. 인간 네트워크는 변할 수 있다. 기존 모델에서 가능한 것보다 더 나은 솔루션에 도달하기위한 내부 구조 개념은 우리의 과학 및 심미적 발견의 핵심”이라고 말했다.

이 연구는 여러 응용 프로그램에 중요한 인적 네트워크 시뮬레이션을 위한 새로운 모델로 이어졌다. 인간 네트워크의 역학은 경제, 정치, 인문사회과학 등과 관련된 광범위한 주제인 그룹의 의사 결정을 이해하는 데 필수적이다. 이 실험은 복잡한 네트워크의 역학을 측정하는 첫 번째 실험이기 때문에 잘못된 정보에 노출된 소셜 네트워크의 사람들이 잘못된 결론에 도달하는 방법과 시기를 이해하는 데 도움이 될 수 있다. 즉, 페이크 뉴스 등 통제 없이 거짓 소문이 퍼지는 것을 막을 수 있다.

연구팀는 이 연구가 전염병 통제 및 감염병 확산을 막는 연결 고리를 이해하는 것, 네트워크의 각 노드가 자율주행 자동차와 같은 의사 결정 능력을 가지고 있거나 고도로 연결된 AI를 도입하는 모든 네트워크와도 관련이 있다고 말한다. 이 모델은 이전에 가능했던 것 이상으로 시스템의 역학을 높은 정확도로 예측할 수 있다는 설명이다.

*Synchronization of complex human networks, Nature Communications (2020). DOI: 10.1038/s41467-020-17540-7