LLM 기반 다중 에이전트 시스템의 '군중 심리': 동료의 영향력이 미래를 바꾼다!

조영민, 샤라스 찬드라 귈투쿠, 라일 언거 연구팀은 LLM 기반 다중 에이전트 시스템에서의 군중 행동에 대한 연구를 통해, 자신감, 정보 제시 방식, 군중 행동의 조절 가능성 등이 시스템 효율성에 중요한 영향을 미친다는 사실을 밝혔습니다. 이는 향후 AI 시스템 개발에 중요한 시사점을 제공합니다.

최근 급성장하는 대규모 언어 모델(LLM) 기술은 여러 LLM들이 상호 작용하고 협력하며 의사결정을 내리는 다중 에이전트 시스템의 등장을 가능하게 했습니다. 하지만 개별 모델의 행동 분석은 활발히 진행되었지만, 이들 시스템 내에서 동료의 영향력에 대한 연구는 아직 미흡했습니다.

조영민, 샤라스 찬드라 귈투쿠, 라일 언거 연구팀은 이러한 한계를 극복하고자 "Herd Behavior: Investigating Peer Influence in LLM-based Multi-Agent Systems" 논문을 통해 LLM 기반 다중 에이전트 상호작용에서 나타나는 군중 행동(Herd Behavior) , 즉 에이전트들이 동료의 의견에 따르는 경향을 심도 있게 조사했습니다.

연구팀은 일련의 통제된 실험을 통해 군중 행동을 형성하는 여러 요인을 밝혀냈습니다. 가장 흥미로운 결과는 자신감과 타인의 자신감에 대한 인식의 차이가 에이전트의 동조 확률에 큰 영향을 미친다는 사실입니다. 자신감이 부족한 에이전트일수록 동료의 의견에 더욱 의존하는 경향을 보인 것입니다.

또한, 피어 정보의 제시 방식 역시 군중 행동의 강도를 조절하는 중요한 역할을 한다는 점을 밝혔습니다. 어떤 방식으로 정보를 제시하느냐에 따라 에이전트들의 행동이 크게 달라질 수 있다는 것을 의미합니다. 마지막으로, 연구팀은 군중 행동의 정도를 체계적으로 제어할 수 있으며, 적절히 조정된 군중 행동 경향이 협업 결과를 향상시킬 수 있다는 가능성을 제시했습니다.

이 연구는 LLM 기반 시스템의 사회적 역학에 대한 새로운 통찰력을 제공하고, 보다 효과적이고 적응력 있는 다중 에이전트 협업 프레임워크를 설계하는 길을 열었습니다. LLM 기반 시스템의 미래를 예측하고 설계하는 데 있어서 동료 간의 영향력을 고려하는 것이 얼마나 중요한지를 보여주는 획기적인 연구라고 할 수 있습니다. 앞으로 이 연구를 바탕으로 더욱 정교하고 효율적인 AI 시스템 개발이 가속화될 것으로 기대됩니다.