물리학은 적의 적이 실제로는 친구임을 확인합니다.

이제 노스웨스턴 대학교 연구자들은 통계 물리학을 사용하여 이 유명한 공리의 기초가 되는 이론을 확인했습니다.

이번 연구는 5월 3일 저널에 게재될 예정이다. 과학은 발전합니다.

1940년대 오스트리아 심리학자 프리츠 하이더(Fritz Heider)는 사회 균형 이론을 도입했는데, 이는 인간이 어떻게 사회 집단에서 조화를 찾으려고 선천적으로 노력하는지를 설명합니다. 이론에 따르면 적의 적은 친구, 친구의 친구는 친구, 적의 친구는 적, 마지막으로 친구의 적은 적이라는 네 가지 규칙이 있습니다. 균형 잡힌 관계를 위해.

수많은 연구에서 네트워크 과학과 수학을 사용하여 이 이론을 확인하려고 시도했지만 네트워크가 완벽하게 균형 잡힌 관계에서 벗어나기 때문에 그들의 노력은 부족했습니다. 따라서 실제 질문은 적절한 네트워크 모델에 따라 소셜 네트워크가 예상보다 더 균형을 이루는지 여부입니다. 대부분의 네트워크 모델은 사회 균형에 영향을 미치는 인간 관계 내의 복잡성을 완전히 포착하기에는 너무 단순화되어 네트워크 모델 기대치에서 관찰된 편차가 사회 균형 이론과 일치하는지 여부에 대해 일관되지 않은 결과를 산출했습니다.

그러나 Northwestern 팀은 Heider의 소셜 프레임워크를 작동시키는 두 가지 핵심 요소를 성공적으로 통합했습니다. 실생활에서는 모든 사람이 서로를 아는 것은 아니며 일부 사람들은 다른 사람들보다 더 긍정적입니다. 연구자들은 각 요인이 사회적 유대에 영향을 미친다는 사실을 오랫동안 알고 있었지만 기존 모델은 한 번에 한 가지 요인만 설명할 수 있었습니다. 두 가지 제약 조건을 동시에 통합함으로써 연구진의 결과 네트워크 모델은 Heider가 처음 제안한 지 약 80년 만에 마침내 유명한 이론을 확인했습니다.

유용한 새 프레임워크는 연구자들이 정치적 양극화와 국제 관계를 포함한 사회적 역학은 물론 신경망이나 약물 조합과 같이 긍정적이고 부정적인 상호 작용이 혼합된 모든 시스템을 더 잘 이해하는 데 도움이 될 수 있습니다.

이번 연구의 선임저자인 노스웨스턴 대학의 이스트반 코바치(István Kovács)는 “우리는 항상 이러한 사회적 직관이 효과가 있다고 생각했지만 그것이 왜 효과가 있는지는 알지 못했습니다”라고 말했습니다. “우리에게 필요한 것은 수학을 알아내는 것뿐이었습니다. 문헌을 살펴보면 이론에 관한 많은 연구가 있지만, 그들 사이에는 합의가 없습니다. 수십 년 동안 우리는 계속해서 틀렸습니다. 그 이유는 현실 생활이 복잡하기 때문입니다. 우리는 두 가지 제약 조건, 즉 누가 누구인지 알고 어떤 사람들은 다른 사람들보다 더 친절하다는 사실을 동시에 고려해야 한다는 것을 깨달았습니다.”

이번 연구의 제1저자인 하오 빙지에(Bingjie Hao)는 “소셜 네트워크가 80년 전에 형성된 기대와 일치한다는 결론을 내릴 수 있게 됐다”고 덧붙였다. “우리의 연구 결과는 향후 사용을 위해 폭넓게 적용할 수 있습니다. 우리의 수학을 통해 시스템 내 다양한 ​​개체의 연결 및 선호도에 대한 제약을 통합할 수 있습니다. 이는 소셜 네트워크를 넘어 다른 시스템을 모델링하는 데 유용할 것입니다.”

Kovács는 노스웨스턴 와인버그 예술과학대학의 물리학 및 천문학 조교수입니다. Hao는 자신의 연구실에서 박사후 연구원으로 일하고 있습니다.

사회 균형 이론이란 무엇입니까?

하이더의 사회 균형 이론은 세 사람으로 구성된 그룹을 사용하여 인간이 편안하고 조화로운 관계를 위해 노력한다는 가정을 유지합니다. 균형 잡힌 관계에서는 모든 사람들이 서로를 좋아합니다. 또는 한 사람이 두 사람을 싫어하면 그 두 사람은 친구입니다. 세 사람이 모두 서로를 싫어하거나, 한 사람이 서로를 싫어하는 두 사람을 좋아해 불안과 긴장이 생길 때 불균형한 관계가 존재한다. 이러한 좌절된 시스템을 연구함으로써 이탈리아의 이론 물리학자인 조르지오 파리시(Giorgio Parisi)가 2021년 노벨 물리학상을 수상하게 되었으며, 기후 모델러 슈쿠로 마나베(Syukuro Manabe) 및 클라우스 하셀만(Klaus Hasselmann)과 함께 상을 받았습니다.

Kovács는 “이것은 사회적 직관과 매우 일치하는 것 같습니다”라고 말했습니다. “이것이 어떻게 극단적인 양극화로 이어질지 알 수 있습니다. 오늘날 우리가 정치적 양극화 측면에서 볼 수 있는 현상입니다. 당신이 좋아하는 모든 사람이 당신이 좋아하지 않는 모든 사람을 싫어한다면, 결과적으로 두 정당은 서로를 미워하게 됩니다.”

하지만 친구뿐만 아니라 적까지 나열되는 대규모 데이터를 수집하는 것은 어려웠습니다. 2000년대 초반 빅데이터가 시작되면서 연구자들은 소셜 네트워크의 서명된 데이터가 하이더의 이론을 확증할 수 있는지 알아보려고 노력했습니다. Heider의 규칙을 테스트하기 위해 네트워크를 생성할 때 개인은 노드 역할을 합니다. 노드를 연결하는 가장자리는 개인 간의 관계를 나타냅니다.

노드가 친구가 아닌 경우 노드 사이의 가장자리에는 음수(또는 적대적) 값이 할당됩니다. 노드가 친구인 경우 가장자리는 양수(또는 우호적) 값으로 표시됩니다. 이전 모델에서는 두 제약 조건을 모두 고려하지 않고 모서리에 양수 또는 음수 값이 무작위로 할당되었습니다. 그 어떤 연구도 소셜 네트워크의 현실을 정확하게 포착하지 못했습니다.

제약 속에서 성공 찾기

문제를 조사하기 위해 Kovács와 Hao는 (1) 소셜 뉴스 사이트 Slashdot의 사용자 평가 댓글 데이터를 포함하여 이전에 사회 과학자들이 선별한 4개의 대규모, 공개적으로 사용 가능한 서명된 네트워크 데이터 세트를 사용했습니다. (2) 하원 의원들 간의 교류; (3) 비트코인 ​​거래자들 간의 상호작용; (4) 소비자 리뷰 사이트인 Epinions의 제품 리뷰.

네트워크 모델에서 Kovács와 Hao는 가장자리에 실제로 임의의 음수 또는 양수 값을 할당하지 않았습니다. 모든 상호 작용이 무작위로 이루어지려면 모든 노드가 서로 만날 확률이 동일해야 합니다. 그러나 실제 생활에서는 모든 사람이 실제로 소셜 네트워크 내의 다른 사람을 아는 것은 아닙니다. 예를 들어, 지구 반대편에 사는 친구의 친구를 한 번도 만나지 못할 수도 있습니다.

모델을 더욱 현실적으로 만들기 위해 Kovács와 Hao는 존재하는 상호 작용에 양수 또는 음수 부호를 할당할 확률을 설명하는 통계 모델을 기반으로 양수 또는 음수 값을 분포했습니다. 이는 값을 무작위로 유지했지만 네트워크 토폴로지의 제약 조건에 따라 주어진 한계 내에서 무작위로 유지되었습니다. 누가 누구인지 아는 것 외에도, 팀은 삶의 일부 사람들이 다른 사람들보다 더 친절하다는 점을 고려했습니다. 친절한 사람들은 더 긍정적이고 적대적인 상호작용을 더 많이 할 가능성이 높습니다.

이러한 두 가지 제약 조건을 도입함으로써 결과 모델은 대규모 소셜 네트워크가 Heider의 사회적 균형 이론과 일관되게 일치한다는 것을 보여주었습니다. 이 모델은 또한 3개 노드 이상의 패턴을 강조했습니다. 이는 사회적 균형 이론이 4개, 어쩌면 더 많은 노드를 포함하는 더 큰 그래플릿에 적용된다는 것을 보여줍니다.

Kovács는 “이제 우리는 이 두 가지 제약 조건을 고려해야 한다는 것을 알고 있습니다.”라고 말했습니다. “그것 없이는 올바른 메커니즘을 생각해 낼 수 없습니다. 복잡해 보이지만 실제로는 상당히 간단한 수학입니다.”

양극화와 그 너머에 대한 통찰

Kovács와 Hao는 현재 이 작업에 대한 몇 가지 향후 방향을 모색하고 있습니다. 한 가지 잠재적인 방향에서, 새로운 모델은 정치적 양극화를 줄이기 위한 개입을 탐색하는 데 사용될 수 있습니다. 그러나 연구자들은 이 모델이 사회 집단과 친구들 간의 연결을 넘어서는 시스템을 더 잘 이해하는 데 도움이 될 수 있다고 말합니다.

Kovács는 “우리는 뇌의 뉴런 사이의 흥분성 및 억제성 연결이나 질병 치료를 위한 다양한 약물 조합을 나타내는 상호작용을 살펴볼 수 있습니다.”라고 말했습니다. “소셜 네트워크 연구는 탐험하기에 이상적인 놀이터였지만, 우리의 주요 관심은 친구들 간의 상호 작용을 조사하는 것 이상으로 다른 복잡한 네트워크를 살펴보는 것입니다.”

“적절한 네트워크 무작위화가 사회적 균형을 평가하는 열쇠입니다”라는 논문의 코드와 데이터는 Github에서 확인할 수 있습니다.

출처: https://www.sciencedaily.com/releases/2024/05/240503172621.htm