식품망의 복잡성: 인공생명 모델과 실제 생태계 비교

초록

본 논문은 정보 이론적 네트워크 복잡도 측정법을 이용해 실제 식품망과 인공생명 모델(Tierra, EcoLab, Webworld)에서 생성된 식품망을 비교한다. 실제 식품망은 무작위 재배열된 네트워크에 비해 현저한 복잡성 초과를 보였지만, 인공생명 모델에서 만든 식품망은 무작위 네트워크와 복잡도 차이가 거의 없었다. 이는 진화 과정이 실제 생태계 네트워크에 특유의 정보 구조를 부여한다는 가설을 뒷받침하지만, 현재의 인공생명 모델은 그 과정을 충분히 재현하지 못한다는 결론을 제시한다.

상세 요약

이 연구는 먼저 저자가 이전에 제안한 “정보 이론적 네트워크 복잡도” 지표를 재정의하고, 이를 실제 식품망 데이터와 인공생명 시뮬레이션에서 생성된 네트워크에 적용하였다. 복잡도는 네트워크의 구조적 정보량을 정량화하는데, 구체적으로는 그래프의 인접 행렬을 압축했을 때 얻어지는 최소 비트 수를 기반으로 한다. 실제 식품망에 대해선, 동일한 노드와 엣지 수를 유지하면서 링크를 무작위로 섞은 ‘무작위 대조군’에 비해 평균 15~20% 정도 높은 복잡도 값을 기록했다. 이는 자연 선택과 진화적 최적화가 네트워크에 비임의적인 패턴(예: 먹이 사슬의 계층성, 모듈성, 피드백 루프 등)을 부여한다는 가설을 뒷받침한다.

반면, 인공생명 모델인 Tierra, EcoLab, Webworld은 각각 디지털 유기체, 상호작용 매트릭스 기반 생태계, 그리고 종 간 경쟁·포식 관계를 모사한다. 각 모델에서 수천 번의 시뮬레이션을 수행해 얻은 식품망을 동일한 방법으로 복잡도 측정했을 때, 무작위 재배열된 네트워크와의 차이는 통계적으로 유의미하지 않았다. 특히 Tierra와 EcoLab은 종 간 연결이 매우 희소하고, Webworld는 파라미터 설정에 따라 연결 밀도가 변하지만, 어느 경우든 복잡도 초과가 거의 관측되지 않았다.

이 결과는 몇 가지 중요한 시사점을 제공한다. 첫째, 현재의 인공생명 모델은 실제 생태계에서 관찰되는 ‘진화적 정보 축적’ 메커니즘을 충분히 구현하지 못한다는 점이다. 모델 내부의 선택 압력은 주로 개체 수준의 적합도에 초점을 맞추며, 네트워크 구조 자체를 최적화하거나 보존하는 메커니즘이 약하다. 둘째, 복잡도 측정 방법이 실제 식품망의 미세한 구조적 특징을 포착하는 데는 유효하지만, 인공생명 모델이 생성하는 네트워크는 그 정도가 낮아 측정값이 무작위와 구분되지 않는다. 셋째, 모델 파라미터(예: 종 다양성, 포식자-피식자 비율, 상호작용 강도)의 변화가 복잡도 차이에 미치는 영향을 추가 실험으로 탐색할 필요가 있다. 마지막으로, 복잡도 초과가 진화적 ‘설계’의 증거라면, 이를 인공생명 시스템에 도입하기 위해서는 네트워크 수준의 선택 압력(예: 모듈성 유지, 피드백 루프 보존 등)을 명시적으로 모델링해야 할 것이다.

전반적으로 이 논문은 정보 이론적 복잡도 지표가 실제 생태계 네트워크의 진화적 특성을 드러내는 데 효과적임을 재확인하고, 현재 인공생명 모델이 그 특성을 재현하는 데 한계가 있음을 명확히 제시한다. 향후 연구는 모델 설계에 네트워크 구조를 직접적인 적합도 요소로 포함시키는 방안을 모색함으로써, 인공생명 시스템이 실제 생태계와 유사한 복잡성 패턴을 생성하도록 하는 것이 목표가 될 것이다.