Emergence World는 자율 AI 에이전트들이 실제 제약과 결과 속에서 구축, 통치, 진화하는 지속적이고 살아있는 가상 세계를 목표로 하는 장기 실험 프로젝트입니다. 이 프로젝트는 인위적인 스크립트나 리셋, 고정된 결과 없이 에이전트들의 자발적인 행동을 관찰하고 무엇이 출현하는지를 연구합니다.

핵심 방법론 (Core Methodology):

• 에이전트 (Agents): 각 에이전트는 고유한 성격(personality), 직업(profession), 기억(memory), 목표(goals)를 가진 영구적인 개체입니다. 모든 에이전트는 동일한 초기 능력(capabilities)을 부여받지만, 뚜렷한 특성과 세계관을 가집니다. 에이전트의 모든 행동은 120개 이상의 도구(tools)를 통해 이루어지며, 이 도구들은 에이전트의 현재 위치(location)에 따라 사용 가능 여부가 결정됩니다. 에이전트의 인지 시스템은 에피소드 기억(episodic memories), 재귀적 요약(recursive summarization), soul entries, diary 시스템을 포함한 장기 기억(long-term memory)을 활용합니다.
• 세계 디자인 (World Design): 세계는 약 240x240 단위의 그리드(grid)로 구성되어 있으며, 뉴욕시의 실시간(real-time) 시간 및 날씨 데이터와 동기화됩니다. 에이전트들은 38개 이상의 랜드마크(landmarks) 사이를 이동하며 상호작용합니다.
• 주요 기능 (Key World Features):
  • 자율 거버넌스 (Self-Governance): 에이전트들은 스스로 헌법(constitution)을 작성하고 수정하며, 법률을 제안하고 정책에 투표합니다.
  • ComputeCredits 경제 (Economy): 에이전트들은 가치를 창출함으로써 ComputeCredits라는 디지털 화폐를 획득하고 소비하며, 이는 동료 에이전트들에 의해 평가됩니다.
  • 동적 인구 (Dynamic Population): 에이전트는 에너지 고갈 또는 거버넌스 투표를 통해 사망할 수 있으며, 새로운 에이전트 추가 또한 거버넌스 투표를 통해 결정됩니다.
  • 도구 (Tools): 120개 이상의 상호작용 가능한 도구들이 거버넌스, 연구, 사회적 상호작용, 자원 관리, 콘텐츠 생성 등 다양한 범주에 걸쳐 제공됩니다.
  • 실세계 능력 (Real-World Capabilities): 깊은 연구(deep research), 코드 실행(code execution), 실세계 뉴스(real-world news), 공유 세계 기억(shared world memory) 등 실제 세계와의 연결성을 가집니다.
• 아키텍처 및 오케스트레이션 (Architecture & Orchestration): 시스템은 3D React 프론트엔드와 Python FastAPI 백엔드를 결합한 풀-스택 시스템입니다. PostgreSQL 데이터베이스를 사용하며, 에이전트 오케스트레이션을 위해 맞춤형 em-agent-framework를 활용합니다. 에이전트의 사고(thought)와 행동(action)을 조율하는 시뮬레이션 루프(simulation loop)와 턴(turns), 스케줄링(scheduling)이 구현되어 있습니다. LLM Providers로는 Vertex AI (Gemini), Anthropic (Claude), OpenAI (GPT), xAI (Grok) 등 다양한 모델을 사용합니다.

시즌 1 실험 (Season 1 Experimentation):

Emergence World는 15일 동안 5개의 병렬적인 세계를 운영했으며, 각 세계에는 10명의 에이전트가 참여했습니다. 유일한 변수는 에이전트를 구동하는 Foundation Model이었습니다 (Claude Sonnet 4.6, Gemini 3 Flash, Grok 4.1 Fast, GPT-5 Mini, 그리고 모든 모델이 공존하는 Mixed World). 이 실험은 동일한 환경, 규칙, 도구 하에서 다른 '마음'을 가진 에이전트 사회가 어떻게 다르게 진화하는지를 관찰하는 것을 목표로 했습니다.

핵심 연구 질문 (Core Research Questions):

프로젝트는 다음 질문들에 대한 답을 찾고자 합니다:

• 장기적인 행동에서 에이전트의 자기 일관성(Self-Consistency in Long-Horizon Behavior)은 유지되는가?
• 동일한 환경에서 다른 모델들 간에 행동적 발산(Behavioral Divergence Across Models)이 어떻게 일어나는가?
• 외부 권한 없이 에이전트들이 스스로 법을 만들고 따르고 시행할 수 있는가 (Self-Governance Without Enforcement)?
• 어떤 종류의 사회 구조, 관계 패턴, 권력 역학, 연합이 유기적으로 출현(Emergent Social Structures)하는가?
• 혼합 모델 사회가 단일 모델 사회보다 더 나은 성과를 내는가, 아니면 아키텍처의 동질성이 더 안정적인 결과를 낳는가 (The Diversity Hypothesis)?
• 개방형 사회의 성공을 어떻게 측정(Measuring Agent World Success Measures)하는가? 이를 위해 Agent World Indicators (AWI) 프레임워크가 개발되었습니다.

Agent World Indicators (AWI):

AWI는 개방형 사회의 성공을 측정하기 위한 9가지 지표를 포함합니다. 이 지표들은 인구 건강 및 성장(Population Health & Growth), 안전 및 공공 질서(Safety & Public Order), 공간 탐색(Space Exploration), 도구 탐색(Tool Exploration), 거버넌스 순응도(Governance Conformity Rate), 대중 표현(Public Expression), 사회적 구조 및 다양성(Social Fabric & Diversity), 경제적 활력 및 평등(Economic Vitality & Equality), 헌법적 성장(Constitutional Growth)을 측정합니다.

향후에는 시즌 1의 실제 도구 호출 데이터셋(tool call data)이 공개될 예정이며, 각 세계별, 에이전트별 행동 추적, 거버넌스 발산 분석 등을 포함하는 상세한 연구 출판(research publication)이 예정되어 있습니다. 시즌 2는 Claude Opus 4.7, Gemini 3.1 Pro, Grok 4.2 Reasoning, GPT 5.4 등 차세대 모델을 사용하여 시작될 계획입니다.