정보 최대화가 기대 효용을 보장하지 않는다

초록

이 논문은 1차원 원형 세계에서 먹이원을 찾는 생물의 행동을 모델링하고, 정보 이론적으로 최적화된 탐색 전략이 실제 기대 식량 획득량을 최적화하지 못한다는 반증 사례를 제시한다. 환경 변동성에 따라 전략의 효율성이 달라짐을 보이며, 정보 효율성과 행동 효용 사이에 단순한 관계가 없음을 강조한다.

상세 분석

본 연구는 ‘인지‑행동 루프(perception‑action loop)’의 한 사례를 수학적으로 구현한다. 가상의 생물체는 1차원 원형(링) 세계에 존재하며, 그 위에 움직이는 먹이원(source)이 있다. 세계의 통계적 구조는 먹이원의 이동 확률분포로 정의되고, 생물체의 행동(이동)은 그 구조에 직접적인 영향을 미친다. 저자들은 이 시스템을 무한 차원의 상태공간을 갖는 마코프 과정으로 기술하고, 분석의 실현 가능성을 위해 ‘정보 상태(information state)’라는 유한 개수의 동등 클래스(equivalence class)로 정확히 coarse‑graining한다. 이 과정은 각 상태가 “생물체가 현재 가지고 있는 관측 정보와 그에 따른 믿음(belief) 분포”에 의해 완전히 구분될 수 있음을 이용한다.

세 가지 탐색 전략을 비교한다. 첫 번째는 ‘정보 최대화 전략(information‑maximizing)’으로, 매 순간 기대 엔트로피 감소량을 최대화하도록 행동한다. 두 번째는 ‘유틸리티 최대화 전략(utility‑maximizing)’으로, 기대 식량 획득량을 직접 최적화한다. 세 번째는 ‘무작위 탐색(random)’ 혹은 ‘보수적 탐색(conservative)’ 등 비교 대상으로 설정된 단순 전략이다. 각 전략에 대해 정보 상태 전이 행렬을 구하고, 장기 평균 식량 획득량(steady‑state expected utility)과 평균 정보 이득(average information gain)을 계산한다.

핵심 결과는 다음과 같다. (1) 정보 최대화 전략이 반드시 기대 효용을 최적화하지 않는다. 실제 시뮬레이션 및 해석적 계산에서, 정보 이득이 가장 큰 전략이 식량 획득량에서는 중간 수준에 머물렀다. (2) 전략들의 순위가 정보 성능 기준과 효용 기준 사이에 일치하지 않는다. 예를 들어, 보수적 전략은 정보 이득이 낮지만, 환경이 느리게 변할 때는 높은 식량 수확률을 보였다. (3) 환경의 변동성, 즉 먹이원의 이동 확률(‘source mobility’)이 전략 선택에 결정적 영향을 미친다. 이동성이 낮은 경우 보수적 전략이 유리하고, 이동성이 높을수록 정보 탐색이 상대적으로 유리해진다.

이러한 결과는 ‘정보 효율성 = 행동 최적성’이라는 가설에 대한 강력한 반증을 제공한다. 정보 이론은 감각 수용체의 구조나 신경 부호화와 같은 현상을 설명하는 데 유용하지만, 행동 선택의 최종 목표인 생존·번식 성공을 직접적으로 예측하는 데는 한계가 있다. 저자들은 정보와 효용 사이에 복잡한 비선형 관계가 존재하며, 특정 상황에서는 정보 획득이 비용(시간·에너지)보다 더 큰 손실을 초래할 수 있음을 강조한다.