시맨틱 메모리에서 집단 창의성까지: 사회적 창의성 모델을 위한 생성적 인지 기반

초록

본 논문은 에이전트가 공유된 시맨틱 어휘와 공통 서브스트레이트를 갖지만, 모듈성 수준이 다른 개인별 의미망을 보유하도록 설계한다. Watts‑Strogatz 재배선 확률을 ‘창의성 조절기’로 활용해 의미망의 모듈성을 연속적으로 조절하고, 동일한 랜덤 워크 기반 검색 과정을 통해 아이디어를 생성한다. 실험 결과, 낮은 모듈성(높은 재배선 확률)일수록 개별 에이전트의 탐색 폭이 넓어져 창의성이 증가하고, 에이전트 간 아이디어 교환 시 사전 중복도가 낮을수록 자극 효과가 크게 나타나는 등 두 가지 전형적인 사회적 창의성 현상이 자동으로 발생한다.

상세 분석

이 연구는 사회적 창의성 모델링에서 인지‑사회 이중 레벨을 동시에 만족시키는 최소주의적 프레임워크를 제시한다. 먼저 모든 에이전트가 동일한 노드 집합 V(개념 어휘)를 공유하도록 함으로써 ‘프롬프트’가 의미적으로 일관되게 해석되게 만든다. 그 위에 공통 서브스트레이트 그래프 G₀를 구축하고, 각 에이전트는 Watts‑Strogatz 알고리즘을 이용해 재배선 확률 pᵢ를 달리 적용해 고유한 에지 집합 Eᵢ를 만든다. pᵢ는 의미망의 전역 모듈성 Q(Gᵢ)를 매끄럽게 감소시키는 ‘생성적 노브’ 역할을 하며, 이는 기존 실증 연구가 제시한 “창의적 개인은 낮은 모듈성”이라는 가설과 직접 연결된다.

아이디어 생성 메커니즘은 길이 T의 무가중 랜덤 워크로 구현된다. 동일한 탐색 프로세스를 모든 에이전트에 적용함으로써 탐색 결과의 차이는 전적으로 의미망 구조에 기인한다. 탐색이 만든 방문 노드 집합 Vᵢ(s)는 ‘아이디어 트레이스’로 간주되며, 그 크기 |Vᵢ(s)|는 탐색 폭, 즉 ‘아이디에이션 브레드스(ideational breadth)’의 지표가 된다.

사회적 상호작용 단계에서는 각 에이전트가 자신의 트레이스를 다른 에이전트에게 전달한다. 트레이스 간 겹침 정도를 측정해 사전 중복도(overlap)를 계산하고, 이를 기반으로 ‘자극 이득(stimulation gain)’을 정의한다. 실험 결과, 사전 중복도가 낮은 쌍일수록 상대방의 트레이스가 자신의 탐색 범위를 크게 확장시키는 것으로 나타났다. 이는 “다양한 파트너와의 교류가 창의적 자극을 증폭한다”는 기존 사회심리학적 발견을 모델 차원에서 재현한 것이다.

또한 여러 에이전트가 동일한 영감 원천(같은 프롬프트)에서 시작하면, 의미망 구조가 유사한 경우 트레이스가 중복되어 네트워크 수준에서 ‘레드던던시(redundancy)’가 발생한다. 이는 공유된 정보 원천이 집단 전체의 아이디어 다양성을 제한할 수 있음을 시사한다.

통계적으로는 pᵢ와 Q(Gᵢ) 사이의 음의 상관관계(ρ≈‑0.92)와 Q와 탐색 폭 b_B 사이의 강한 음의 관계(r≈‑0.90)가 확인되었으며, 선형 회귀 모델의 설명력(R²≈0.81)도 높다. 비선형(2차) 모델이 약간 더 좋은 적합도를 보였지만, 전반적인 경향은 ‘모듈성 감소 → 탐색 폭 확대 → 창의성 증가’라는 단순한 메커니즘으로 설명된다.

이 프레임워크는 (1) 인지적 메커니즘을 명시적으로 모델링하고, (2) 사회적 구조와 상호작용 규칙을 별도로 설계함으로써 두 레벨을 독립적으로 조작할 수 있다는 장점을 가진다. 따라서 향후 다양한 네트워크 토폴로지(예: 계층적, 스케일프리)와 다른 탐색 알고리즘(예: 확산 활성화, 베이즈식 탐색) 등을 결합해 보다 복합적인 집단 창의성 현상을 탐구할 수 있는 기반을 제공한다.