[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,65 +2,242 @@
|
||||
id: wiki-2026-0508-emergence-in-complex-systems
|
||||
title: Emergence in Complex Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EMCO-001]
|
||||
aliases: [emergence, complex systems, self-organization, weak emergence, strong emergence]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, Emergence, complex-systems, holistic, self-organization, Systems-Thinking, nonlinearity]
|
||||
confidence_score: 0.94
|
||||
verification_status: applied
|
||||
tags: [systems-thinking, emergence, complexity, self-organization, swarm, abm, nonlinearity]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: Python / NetLogo
|
||||
applicable_to: [Systems, ABM, Swarm, ML]
|
||||
---
|
||||
|
||||
# [[Emergence-in-Complex-Systems|Emergence-in-Complex-Systems]]
|
||||
# Emergence in Complex Systems
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "부분의 합보다 큰 전체: 물 분자 하나에는 '젖음'이라는 성질이 없지만 수조 개가 모이면 물결이 생기듯, 단순한 개체들이 상호작용할 때 낮은 층위에서는 예측할 수 없었던 고차원의 새로운 패턴과 지능이 갑자기 나타나는 신비로운 현상."
|
||||
## 매 한 줄
|
||||
> **"매 part 의 sum 의 X — 매 interaction 의 의 의 macro property"**. 매 ant colony 의 path, 매 flock 의 V-formation, 매 traffic jam, 매 LLM 의 in-context learning. 매 weak (predictable) vs strong (irreducible). 매 modern AI: 매 emergent abilities (Wei 2022).
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
발현(Emergence)은 복잡계 과학의 핵심 개념으로, 구성 요소들의 국소적인 상호작용으로부터 전체 시스템의 창발적인 성질이 나타나는 것을 의미합니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **특징**:
|
||||
* **Non-reducibility**: 전체의 성질을 개별 부분의 성질만으로 환원하여 설명할 수 없음. (Systems-Thinking와 연결)
|
||||
* **Bottom-up Process**: 상부의 명령 없이 하부 개체들의 자율적 규칙에서 발생. (Self-Organization와 연결)
|
||||
* **[[Scalability|Scalability]]**: 시스템의 규모가 일정 임계점(Critical point)을 넘을 때 급격히 발생.
|
||||
2. **활용 사례**:
|
||||
* 사회의 경제 현상, 뇌의 의식 발생, 개미 군집의 지능적 이동, 거대 언어 모델(LLM)의 갑작스러운 논리력 향상.
|
||||
### 매 type
|
||||
- **Weak**: 매 simulate 의 predictable.
|
||||
- **Strong**: 매 reduce 의 X (consciousness?).
|
||||
- **Nominal**: 매 just labeling.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 시스템을 선형적 기계 정책으로 보았으나, 현대 정책은 발현 정책을 통해 '예측 불가능한 비선형성 정책'이 시스템의 본질적 속성임을 인정함(RL Update).
|
||||
- **정책 변화(RL Update)**: 최근 LLM 연구에서는 모델의 파라미터 수가 특정 수준을 넘었을 때 '추론 능력 정책'이나 '다국어 능력 정책'이 발현되는 현상(Emergent abilities)을 수학적으로 분석하고 통제하려는 시도가 활발함. ([[Reasoning|Reasoning]]와 연결)
|
||||
### 매 example
|
||||
- **Boids**: 매 3 rule → 매 flocking.
|
||||
- **Game of Life**: 매 4 rule → 매 glider.
|
||||
- **Ant colony**: 매 pheromone → 매 shortest path.
|
||||
- **Sandpile**: 매 SOC (self-organized criticality).
|
||||
- **LLM emergent**: 매 scale → 매 capability jump.
|
||||
- **Traffic**: 매 individual driver → 매 jam.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Systems-Thinking|Systems-Thinking]], Self-Organization, [[Reasoning|Reasoning]], Complexity-Science, [[Dissipative-Structures|Dissipative-Structures]], Deep Learning (DL)
|
||||
- **Key Phrase**: "More is different" (Philip Anderson).
|
||||
---
|
||||
### 매 hallmark
|
||||
- **Nonlinearity**.
|
||||
- **Many interacting agents**.
|
||||
- **Local rule → global pattern**.
|
||||
- **Phase transition**.
|
||||
- **Sensitivity to initial condition**.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 modern AI emergence
|
||||
- **Few-shot learning**: 매 GPT-3 emergence.
|
||||
- **CoT reasoning**: 매 scale 의 emerge.
|
||||
- **Tool use**: 매 instruction-tuning.
|
||||
- **Theory of mind**: 매 large model.
|
||||
- **Caveat**: Schaeffer 2023 의 매 metric artifact 의 argue.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### 매 응용
|
||||
1. **ABM**: 매 emergent traffic / market.
|
||||
2. **Swarm robotics**: 매 collective task.
|
||||
3. **Neural network**: 매 feature emergence.
|
||||
4. **Economy**: 매 market price.
|
||||
5. **Biology**: 매 morphogenesis.
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
## 💻 패턴
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### Boids (3 rules)
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
def boids_step(positions, velocities, R=10, max_v=2):
|
||||
N = len(positions)
|
||||
new_v = velocities.copy()
|
||||
for i in range(N):
|
||||
neighbors = [j for j in range(N) if j != i and np.linalg.norm(positions[j] - positions[i]) < R]
|
||||
if not neighbors: continue
|
||||
|
||||
# 매 separation
|
||||
sep = sum(positions[i] - positions[j] for j in neighbors) / len(neighbors)
|
||||
# 매 alignment
|
||||
align = sum(velocities[j] for j in neighbors) / len(neighbors) - velocities[i]
|
||||
# 매 cohesion
|
||||
cent = sum(positions[j] for j in neighbors) / len(neighbors)
|
||||
cohe = cent - positions[i]
|
||||
|
||||
new_v[i] += 0.5 * sep + 0.3 * align + 0.2 * cohe
|
||||
if np.linalg.norm(new_v[i]) > max_v:
|
||||
new_v[i] = new_v[i] / np.linalg.norm(new_v[i]) * max_v
|
||||
|
||||
return positions + new_v, new_v
|
||||
```
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
### Conway Game of Life
|
||||
```python
|
||||
def life_step(grid):
|
||||
n = grid.shape[0]
|
||||
new = grid.copy()
|
||||
for i in range(1, n - 1):
|
||||
for j in range(1, n - 1):
|
||||
neighbors = grid[i-1:i+2, j-1:j+2].sum() - grid[i, j]
|
||||
if grid[i, j] == 1:
|
||||
new[i, j] = 1 if neighbors in (2, 3) else 0
|
||||
else:
|
||||
new[i, j] = 1 if neighbors == 3 else 0
|
||||
return new
|
||||
```
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
### Ant colony optimization
|
||||
```python
|
||||
class ACO:
|
||||
def __init__(self, n, n_ants=20, alpha=1, beta=2, rho=0.5):
|
||||
self.pheromone = np.ones((n, n))
|
||||
self.alpha, self.beta, self.rho = alpha, beta, rho
|
||||
self.n_ants = n_ants
|
||||
|
||||
def step(self, distances):
|
||||
all_paths = []
|
||||
for _ in range(self.n_ants):
|
||||
path = self.ant_walk(distances)
|
||||
length = self.path_length(path, distances)
|
||||
all_paths.append((path, length))
|
||||
|
||||
# 매 evaporate
|
||||
self.pheromone *= (1 - self.rho)
|
||||
# 매 deposit
|
||||
for path, length in all_paths:
|
||||
for i in range(len(path) - 1):
|
||||
self.pheromone[path[i], path[i+1]] += 1 / length
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### Self-organized criticality (sandpile)
|
||||
```python
|
||||
def sandpile_topple(grid, threshold=4):
|
||||
"""매 BTW model. 매 power-law avalanche."""
|
||||
while (grid >= threshold).any():
|
||||
i, j = np.unravel_index(grid.argmax(), grid.shape)
|
||||
grid[i, j] -= threshold
|
||||
for di, dj in [(-1, 0), (1, 0), (0, -1), (0, 1)]:
|
||||
ni, nj = i + di, j + dj
|
||||
if 0 <= ni < grid.shape[0] and 0 <= nj < grid.shape[1]:
|
||||
grid[ni, nj] += 1
|
||||
return grid
|
||||
```
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
### Schelling segregation
|
||||
```python
|
||||
def schelling_step(grid, threshold=0.3):
|
||||
"""매 mild preference → 매 stark segregation."""
|
||||
H, W = grid.shape
|
||||
moved = True
|
||||
while moved:
|
||||
moved = False
|
||||
for i in range(H):
|
||||
for j in range(W):
|
||||
if grid[i, j] == 0: continue
|
||||
neighbors = grid[max(0,i-1):i+2, max(0,j-1):j+2].flatten()
|
||||
same = (neighbors == grid[i, j]).sum() - 1
|
||||
total = (neighbors > 0).sum() - 1
|
||||
if total > 0 and same / total < threshold:
|
||||
# 매 move to empty
|
||||
empties = list(zip(*np.where(grid == 0)))
|
||||
if empties:
|
||||
ni, nj = empties[np.random.randint(len(empties))]
|
||||
grid[ni, nj] = grid[i, j]
|
||||
grid[i, j] = 0
|
||||
moved = True
|
||||
return grid
|
||||
```
|
||||
|
||||
### Detect phase transition
|
||||
```python
|
||||
def detect_phase_transition(order_param, control_param):
|
||||
"""매 derivative 의 spike."""
|
||||
derivs = np.gradient(order_param, control_param)
|
||||
threshold = np.std(derivs) * 3
|
||||
transitions = np.where(np.abs(derivs) > threshold)[0]
|
||||
return [control_param[i] for i in transitions]
|
||||
```
|
||||
|
||||
### Emergence metric (transfer entropy)
|
||||
```python
|
||||
def transfer_entropy(X, Y, k=1):
|
||||
"""매 X → Y information flow."""
|
||||
from sklearn.feature_selection import mutual_info_regression
|
||||
Y_future = Y[k:]
|
||||
Y_past = Y[:-k]
|
||||
X_past = X[:-k]
|
||||
|
||||
H_y_given_ypast = mutual_info_regression(Y_past.reshape(-1, 1), Y_future)[0]
|
||||
XY_past = np.column_stack([X_past, Y_past])
|
||||
H_y_given_xy = mutual_info_regression(XY_past, Y_future)[0]
|
||||
return H_y_given_xy - H_y_given_ypast
|
||||
```
|
||||
|
||||
### LLM scaling law (emergence test)
|
||||
```python
|
||||
def is_emergent(model_sizes, accuracies, metric='step'):
|
||||
"""매 Wei 2022-style emergence detection."""
|
||||
if metric == 'step':
|
||||
# 매 sudden jump
|
||||
diffs = np.diff(accuracies)
|
||||
return np.max(diffs) > 3 * np.std(diffs)
|
||||
elif metric == 'continuous':
|
||||
# 매 Schaeffer 2023 의 critique 의 sensitivity
|
||||
return False # 매 use continuous metric instead
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Animal behavior | Boids / Schelling |
|
||||
| Optimization | ACO |
|
||||
| Critical phenomena | Sandpile / Ising |
|
||||
| Market | ABM economic |
|
||||
| Neural net | Mechanistic interpretability |
|
||||
| LLM scale | Emergence + critique |
|
||||
|
||||
**기본값**: 매 ABM + 매 phase transition 의 detect + 매 emergent 의 careful (metric artifact). 매 rules 의 simple 의 prefer.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Complex-Systems]] · [[Systems-Thinking]]
|
||||
- 변형: [[Self-Organization]] · [[Phase-Transition]] · [[Emergent-Capability]]
|
||||
- 응용: [[Agent-Based-Model]] · [[Swarm-Intelligence]] · [[Cellular-Automata]]
|
||||
- Adjacent: [[Cybernetics]] · [[Computational-Creativity]] · [[Drama Management Systems]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 systems analysis. 매 ABM. 매 emergent capability research.
|
||||
**언제 X**: 매 reductionist sufficient.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Mistake nominal for genuine**: 매 just labeling.
|
||||
- **Strong emergence claim**: 매 unfalsifiable.
|
||||
- **No baseline**: 매 emergence vs random.
|
||||
- **Metric artifact**: 매 step metric only.
|
||||
- **Reductionism only**: 매 macro property 의 miss.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Mitchell Complexity, Wei 2022, Schaeffer 2023).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-04-20 | Auto-reinforced |
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — emergence + 매 boids / GoL / ACO / Schelling / TE / scaling code |
|
||||
|
||||
Reference in New Issue
Block a user