숨겨진 진실을 밝히다: 정보 비대칭 속 LLM 기반 에이전트의 역동적인 정보 확산 과정

본 연구는 대규모 언어 모델 기반 다중 에이전트 시스템을 이용하여 정보 비대칭 환경에서의 정보 확산 역동성을 분석한 연구입니다. 12가지 비대칭적 환경을 설계하고 동적 주의 집중 메커니즘을 개발하여 정보의 고립, 정보 격차, 사회적 자본 축적 등의 현상을 관찰하였으며, 사회 현상 이해에 새로운 시각을 제공합니다.

최근 대규모 언어 모델(LLM)을 활용한 다중 에이전트 시스템이 인간 사회를 시뮬레이션하는 데 활용되면서 주목받고 있습니다. 하지만 기존 연구는 고정된 환경에서의 상호 작용에 초점을 맞춰 정보의 불투명성, 관계의 변동성, 확산의 다양성을 간과하는 한계를 보였습니다. Zhang Yiwen 등 연구진은 이러한 한계를 극복하기 위해 정보 비대칭 환경에서의 정보 확산 역동성을 심층적으로 연구했습니다.

12가지의 비대칭적 환경을 설계하여 정보의 내용과 분포 메커니즘을 다양하게 조절한 것이 특징입니다. 연구진은 먼저 정보 확산의 특징을 포착하는 일반적인 프레임워크를 제시하고, LLM 기반 에이전트의 주의 집중 메커니즘의 한계를 극복하기 위해 동적 주의 집중 메커니즘을 개발했습니다. 이 메커니즘을 통해 에이전트는 다양한 정보에 대한 주의를 효율적으로 배분할 수 있습니다.

5명의 에이전트 그룹으로 시작하여 그룹 규모를 점차 확장하고, 정보의 순환을 형성하면서 관계를 발전시키고 정보를 공유하는 과정을 시뮬레이션했습니다. 그 결과, 정보의 고립(information cocoons), 정보 격차의 진화, 사회적 자본의 축적 등의 현상을 관찰했습니다. 이는 심리학, 사회학, 커뮤니케이션 이론과 밀접하게 관련되어 있으며, 사회 현상을 이해하는 새로운 관점을 제공합니다.

이는 단순한 시뮬레이션을 넘어, 사회적 현상을 보다 정확하게 모델링하고 예측하는 데 기여할 뿐만 아니라, LLM 기반 에이전트의 발전 방향을 제시하는 중요한 연구 결과입니다. 정보의 불균형과 사회적 관계의 역동성을 고려한 더욱 현실적인 사회 시뮬레이션의 가능성을 열었다는 점에서 큰 의의를 지닙니다. 앞으로 이 연구는 사회과학, 인공지능, 그리고 심리학 분야의 융합 연구에 중요한 기여를 할 것으로 기대됩니다.

연구진: Yiwen Zhang, Yifu Wu, Wenyue Hua, Xiang Lu, Xuming Hu