자율 에이전트를 위한 인간 휴리스틱 모델

본 논문은 인간이 복잡하고 불완전한 정보 환경에서 빠르고 경제적인 판단을 내리기 위해 사용하는 대표성, 가용성, 앵커링이라는 세 가지 주요 휴리스틱을 모방한 자율 에이전트 모델을 제시한다. 연구 동기는 중앙 데이터베이스에 대한 조회가 비용이 많이 들지만, 오염된(tainted) 메시지를 그대로 받아들일 경우 시스템 전체가 감염될 위험이 있다는 점이다. 따라서 에이전트는 신뢰성 판단을 위해 개인별 과거 상호작용 기록(α_ij)과 전체 네트워크의 감염 인식 수준(A_i)을 동시에 고려한다. **1. 이론적 배경** 인간의 휴리스틱은 제한된 인지 자원 하에서 빠른 결정을 가능하게 한다. 대표성 휴리스틱은 과거 사례와의 유사성을 기반으로 판단하고, 가용성 휴리스틱은 기억에 쉽게 떠오르는 사례를 확률 추정에 활용한다. 앵커링은 초기값이 최종 판단에 과도한 영향을 미치는 현상이다. 이러한 메커니즘을 수학적으로 모델링하기 위해, 저자는 α_ij 를 0~2v 범위의 연속 변수로 두고, A_i 를 0~1 사이의 확률값으로 설정한다. **2. 모델 설계** - **네트워크 구조**: N개의 에이전트가 무작위로 K개의 입력 연결을 갖는다. 동기식 이산 시간 단계 t 에 각 에이전트는 입력 메시지를 받아 처리하고, 출력으로 전달한다. - **신뢰 판단 규칙**: 에이전트 i는 파트너 j와의 α_ij 값을 확인한다. |α_ij| > A_i 일 경우 과거 신뢰 정보를 그대로 사용해 메시지를 받아들인다. 그렇지 않으면 중앙 데이터베이스에 질의한다. - **데이터베이스 질의**: 질의 결과가 오염이면 α_ij 를 v_α 만큼 감소시키고, 정상이면 v_α 만큼 증가시킨다. 질의 비용은 C 로 누적된다. - **망각 메커니즘**: 매 단계마다 기존 α와 A는 (1‑r_α), (1‑r_A) 비율로 감소한다. 새로운 정보는 가중치 r 로 반영된다. 이는 인간의 기억 소멸과 앵커링 효과를 수식화한 것이다. - **관측 변수**: 전체 감염자 수 I, 비용 C, 오류 E(오염된 메시지를 받아들인 경우와 정상 메시지를 거부한 경우) 등을 측정한다. **3. 감염이 없는 경우(평형 분석)** 오염이 전혀 없을 때 A_i 는 고정값 v_A 로 설정된다. α_ij 만이 동적으로 변하며, 초기 단일값 분포에서 점차 두 개의 구간