공유 메모리를 이용한 비결정적 네이밍 게임 합의 역학

초록

본 논문은 전통적인 네이밍 게임에 전역 공유 메모리를 도입하여, 에이전트들이 외부 지식원에 접근할 확률을 조정함으로써 합의 형성 과정을 분석한다. 시뮬레이션 결과, 공유 메모리의 존재가 전체 수렴 시간과 단어 다양성에 정량적·정성적 영향을 미치지만, 최종 합의 단어가 반드시 공유 메모리 내에 존재하는 것은 아니라는 점을 밝혀냈다.

상세 분석

논문은 기존의 네이밍 게임 모델을 확장하여, 모든 에이전트가 전역 공유 메모리(외부 지식원)에 읽기 전용으로 접근할 수 있는 메커니즘을 도입한다. 이때 에이전트가 말을 할 때 자신의 로컬 메모리가 비어 있으면, 확률 λ에 따라 공유 메모리에서 단어를 선택하거나 새로운 단어를 창조한다. 또한 성공적인 상호작용 후에도 확률 λ에 따라 두 에이전트가 공유 메모리를 확인하고, 전송된 단어가 공유 메모리에 존재하면 그 외의 모든 단어를 삭제한다. 이러한 규칙은 기존의 완전 결정론적 모델과 달리 비결정적(word selection) 요소를 포함한다.

시뮬레이션은 N=100명의 완전 연결 네트워크에서 λ를 0.0~1.0, 공유 메모리 초기 단어 수 C를 1,5,10,50,100,500으로 변형하여 1000번 반복 수행하였다. 주요 측정 지표는 (1) 전체 단어 수 N_w(t), (2) 서로 다른 단어 종류 수 N_d(t), (3) 성공률 S(t)이다. 결과는 다음과 같다.

1. λ가 증가할수록 초기 단계에서 새로운 단어 생성이 억제되어 N_d(t)의 최대값이 감소한다. 이는 공유 메모리에서 선택된 단어가 초기부터 퍼지기 시작하기 때문이다. 반면 N_w(t)의 피크는 λ가 작을 때보다 크게 나타나며, 이는 로컬 메모리 내 중복 단어가 많아지는 현상과 연관된다.

2. 수렴 시간 T_conv은 λ가 0일 때 약 2500 스텝으로 기존 연구와 일치한다. C=1인 경우 λ가 커질수록 T_conv은 단조 감소하지만, C>1일 때는 λ가 중간값에서 최대값을 보이며, 양 끝(λ≈0, λ≈1)에서는 감소한다. 이는 공유 메모리의 다양성이 높을수록 초기 경쟁이 심화되지만, λ가 충분히 크면 외부 단어가 빠르게 지배하게 되는 이중 효과를 반영한다.

3. 최종 합의 단어가 공유 메모리 내에 존재할 확률 P_shared는 λ>0.5에서 거의 1에 수렴한다. λ가 작을수록 로컬 창조 단어가 차지하는 비중이 커져, 합의 단어가 외부 메모리와 무관할 가능성이 높아진다. 이는 로컬 상호작용이 여전히 합의 형성에 핵심적인 역할을 함을 시사한다.

또한, 논문은 네트워크 토폴로지와 에이전트별 λ 차이, 공유 메모리의 쓰기 접근 권한 부여 등 확장 가능성을 제시한다. 이러한 변수들은 실제 소셜 북마크, 협업 태깅, 인간 기반 이미지 라벨링 시스템에서 외부 레퍼런스가 어떻게 집단 인식에 영향을 미치는지를 모델링하는 데 유용하다.

전반적으로, 공유 메모리 도입이 합의 속도와 단어 다양성에 미치는 정량적 효과를 체계적으로 규명했으며, 비결정적 선택 메커니즘이 포함된 경우에도 전역적인 합의가 보장된다는 중요한 이론적 결과를 제공한다.