---
id: wiki-2026-0508-neural-darwinism
title: Neural Darwinism
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [Theory of Neuronal Group Selection, TNGS, Edelman Selectionism]
duplicate_of: none
source_trust_level: A
confidence_score: 0.85
verification_status: applied
tags: [neuroscience, theoretical-biology, edelman, selectionism, neural-group-selection, philosophy-of-mind]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack: { language: n/a, framework: theoretical }
---

## 한 줄

Neural Darwinism은 Gerald Edelman(1987)이 제안한 이론으로, 뇌 발달과 학습이 유전 프로그램이 아니라 신경 회로 변이체(variant repertoires)에 대한 *선택*(Darwinian selection) 과정을 통해 진행된다고 보는 관점이다.

## 핵심

### 세 가지 원리 (Edelman의 TNGS)
1. **발달 선택 (Developmental Selection)**: 배아·초기 발달 시기에 시냅스 연결의 다양한 변이체가 형성되고, 활동에 따라 일부가 살아남는다 → "primary repertoire".
2. **경험 선택 (Experiential Selection)**: 출생 후 환경 자극에 따라 시냅스 강도가 변하여 특정 회로 패턴이 강화/약화된다 → "secondary repertoire".
3. **재진입(Reentry)**: 분리된 뇌 영역들이 양방향 신호 교환으로 동기화되어 통합된 의식·지각을 형성. (Edelman의 *consciousness* 가설 핵심.)

### 핵심 단위: Neuronal Group
- 단일 뉴런이 아니라 50–10,000개로 묶인 *neural group*이 선택 단위.
- 변이 → 선택 → 차등 증식의 다윈적 알고리즘이 신경계에 적용된다는 주장.

### 학습 모델 (Darwin 시리즈 로봇)
- Edelman 그룹은 Darwin I~XI 자동기를 만들어 시뮬레이션 / 임바디드 실험 수행.
- Hebbian + value system + reentry 결합한 신경 시뮬레이터.

### 의식 이론과의 연결
- *The Remembered Present* (1989), *A Universe of Consciousness* (Edelman & Tononi 2000).
- 1차 의식 (현재의 통합 장면) vs. 고차 의식 (언어·자기) 구분.
- Tononi의 IIT(Integrated Information Theory)로 후속 발전.

### 현대 수용
- 메인스트림 신경과학에서 *시냅스 가지치기(synaptic pruning)*는 사실로 받아들여지지만, "선택"이라는 다윈적 프레임은 비유에 가깝다는 비판.
- 비판: Crick("neural Edelmanism", 1989)은 진정한 변이/유전이 없으므로 다윈주의가 아니라고 일축.
- 그러나 *value-driven learning*, reentry 같은 개념은 현대 predictive coding / global workspace 이론에 영향.

### AI/ML 연결
- Evolutionary algorithms, neuroevolution(NEAT), neural architecture search와 정신적 유사성.
- 그러나 직접적 알고리즘 영향은 제한적 — 대부분 비유.

## 💻 패턴 (이론 모델 / 시뮬레이션)

```python
# 1. Neural group 선택 시뮬레이션 — 단순화 버전
import numpy as np

class NeuralGroup:
    def __init__(self, n_neurons=100):
        self.weights = np.random.randn(n_neurons, n_neurons) * 0.1
        self.activity = np.zeros(n_neurons)
        self.value = 0.0  # value system signal

groups = [NeuralGroup() for _ in range(50)]  # primary repertoire
```

```python
# 2. 경험 선택 — Hebbian + value reinforcement
def experiential_select(group, stimulus, value_signal, lr=0.01):
    group.activity = np.tanh(group.weights @ stimulus)
    # Hebb: 함께 발화한 시냅스 강화, value가 양수일 때만
    if value_signal > 0:
        group.weights += lr * value_signal * np.outer(group.activity, stimulus)
```

```python
# 3. Reentry — 두 영역 간 양방향 동기화
def reentrant_signal(group_a, group_b):
    # 양방향 메시지 교환, 반복 안정화
    for _ in range(5):
        a_to_b = group_a.activity @ W_ab
        b_to_a = group_b.activity @ W_ba
        group_b.activity = np.tanh(group_b.activity + a_to_b)
        group_a.activity = np.tanh(group_a.activity + b_to_a)
```

```python
# 4. 발달 가지치기 (synaptic pruning) 시뮬레이션
def prune(group, threshold=0.05):
    mask = np.abs(group.weights) > threshold
    group.weights *= mask  # 약한 시냅스 제거
```

```python
# 5. Value system — 도파민 유사 신호
class ValueSystem:
    def __init__(self): self.baseline = 0.0
    def evaluate(self, outcome, expected):
        return outcome - expected  # reward prediction error 유사
```

```python
# 6. 변이 + 선택 사이클 (Darwin-like loop)
def darwinian_cycle(groups, env, generations=100):
    for g in range(generations):
        scores = [run_in_env(grp, env) for grp in groups]
        # 상위 50% 선택, 변이로 새 groups 생성
        survivors = [grp for _, grp in sorted(zip(scores, groups), reverse=True)][:25]
        offspring = [mutate(grp) for grp in survivors]
        groups = survivors + offspring
    return groups
```

```python
# 7. NEAT (neuroevolution) — Edelman과 정신적 유사
# neat-python으로 위상 + 가중치 동시 진화
```

## 결정 기준

| 맥락 | 활용 |
|---|---|
| 신경발달 연구 | TNGS의 발달 선택 / 가지치기 개념 차용 |
| 의식 모델링 | Edelman+Tononi 재진입, IIT로 발전 |
| AI 알고리즘 직접 사용 | 비추 — 비유/철학적 영감 수준 |
| 임바디드 인지 | Darwin 시리즈 로봇 사례 참조 |
| 비판적 검토 | Crick 1989, Fodor 등 비판 같이 읽기 |

## 🔗 Graph
- 형제: [[Global-Workspace-Theory]], [[Predictive-Coding]]
- 인접: [[Hebbian-Learning]], [[Evolutionary Biology|Neuroevolution]], [[NEAT]]

## 🤖 LLM 활용
- LLM에게 "Edelman의 TNGS 3원리 vs IIT vs Global Workspace 비교" 요청해 신경철학 학습.
- 비판적 입장(Crick 등)과 함께 dialectic 정리.

## ❌ 안티패턴
- Neural Darwinism을 일반 ML 알고리즘인 양 인용 — 거의 비유.
- "다윈"이라는 이름만으로 evolutionary algorithm과 동일시.
- 검증되지 않은 상태로 임상/응용 주장.

## 🧪 검증 / 중복
- 시냅스 가지치기 자체는 실증 (Huttenlocher 1979 등).
- "선택" 프레임은 여전히 논쟁적.
- 별칭: [[TNGS]], [[Theory-of-Neuronal-Group-Selection]].

## 🕓 Changelog
- Phase 1 (2026-05-08): 초기 생성.
- Manual cleanup (2026-05-10): canonical 확정, 3원리 정리, Edelman/Crick/Tononi 그래프 정비, 시뮬레이션 패턴 추가.