랭턴의 개미 탐구

랭턴의 개미(Langton's Ant): 단 몇 가지 규칙으로 만들어내는 예상치 못한 경로

흑백 격자로 뒤덮인 종이 위에 개미 한 마리를 올려놓고, '흰색 칸에서는 오른쪽으로, 검은색 칸에서는 왼쪽으로 방향을 바꾸라'는 아주 간단한 명령 두 가지만 내린 뒤 계속 움직이게 한다면, 과연 어떤 결과가 나타날까요? 무질서하게 얽힌 선들이 그려질까요, 아니면 제자리에서 왔다 갔다만 반복할까요? 어쩌면 아무런 특별한 일도 일어나지 않을지도 모릅니다.

하지만 정말 놀라운 점은, 이 과정이 충분히 오래 지속되면 개미가 갑자기 '길을 찾아내어' 깔끔한 대각선 방향으로 꾸준히 나아가기 시작한다는 것입니다.

이것이 바로 유명한 '랭턴의 개미(Langton's Ant)'입니다.

여기에는 복잡한 수식도, 무작위 숫자도, 많은 규칙도 필요하지 않습니다. 그저 개미 한 마리와 흑백 격자, 그리고 아주 기본적인 몇 가지 지침만 있을 뿐입니다.

그럼에도 이러한 단순한 규칙들이 오랜 시간 동안 반복되면, 예상치 못할 만큼 복잡한 행동 양상이 나타나게 됩니다.

랭턴의 개미(Langton's Ant) 규칙

복잡하게 생각할 것 없습니다. 가장 단순한 상황부터 시작해 보죠.

작은 정사각형 칸들로 이루어진 격자판을 상상해 보세요. 처음에는 모든 칸이 흰색이고, 그중 한 칸 위에 개미 한 마리가 서 있습니다. 이제 이 개미에게 몇 가지 규칙을 부여해 보겠습니다.

□ □ □ □ □

□ □ □ □ □

□ □ 🐜 □ □

□ □ □ □ □

□ □ □ □ □

규칙은 매우 간단합니다.

개미가 흰색 칸 위에 있다면, 오른쪽으로 방향을 틀고, 그 칸을 검은색으로 바꾼 뒤, 다음 칸으로 한 걸음 이동합니다.

개미가 검은색 칸 위에 있다면, 왼쪽으로 방향을 틀고, 그 칸을 흰색으로 바꾼 뒤, 다음 칸으로 한 걸음 이동합니다.

이게 전부입니다. 다른 규칙은 없어요. 개미는 '아름다운 무늬를 만들어야지'라고 생각하거나, '오른쪽 위로 가야지'라고 계획하거나, '어디까지 가야 할지' 고민하지 않습니다. 그저 색깔을 확인하고 → 방향을 틀고 → 색깔을 바꾸고 → 앞으로 나아갈 뿐입니다. 그리고 이 과정을 계속해서 반복하는 것이죠.

처음에는 꽤 평범해 보입니다

개미는 처음 몇 걸음 동안은 그저 주변을 배회합니다. 흰색 칸을 지나갈 때는 오른쪽으로 방향을 틀며 그 칸을 검은색으로 뒤집습니다. 나중에 다시 돌아와 검은색 칸을 마주치면, 이번에는 왼쪽으로 방향을 틀며 그 칸을 다시 흰색으로 뒤집습니다. 이렇게 개미는 해당 영역을 오가며 움직입니다.

겨우 수십 걸음 정도만 진행해 본다면 '별다른 특별한 점은 없네'라고 생각할지도 모릅니다. 하지만 아직 멈추지 마세요.

계속 진행해 보세요.

100걸음이 지나면, 흰색 칸과 검은색 칸이 서로 섞이기 시작합니다. 어떤 곳에는 작은 블록들이 나타나고, 다른 곳에는 대칭적인 패턴이 형성됩니다. 전체적인 모습은 점점 더 복잡해지기 시작합니다.

계속 지켜보세요.

1,000걸음이 지나면, 개미는 훨씬 더 넓은 영역을 누비고 다닙니다. 개미가 남긴 흑백 패턴은 더 이상 단순한 기하학적 모양이 아닙니다. 이제 개미가 다음에 어디로 움직일지 예측하는 것은 거의 불가능해집니다. 모든 것이 완전히 무질서해 보입니다.

자, 계속 살펴볼까요?

바로 이 점이 '랭턴의 개미(Langton’s Ant)'를 매우 흥미롭게 만드는 요소입니다. 계속 지켜보다 보면, 아주 길고 무질서해 보이는 단계를 거칠 때가 있습니다. 그러다 어느 순간, 갑자기 상황이 바뀝니다. 개미가 특정 이동 패턴을 반복하기 시작하고, 점점 더 규칙적인 구조가 나타나며, 한 방향으로 꾸준히 나아가기 시작하는 것이죠.

개미는 더 이상 예전처럼 제한된 공간 안에서 정처 없이 헤매지 않습니다. 방향을 바꾸고, 격자 위를 이동하고, 다시 방향을 틀기를 반복하며—결국 한 방향으로 일관되게 나아갑니다. 그 과정에서 개미는 매우 규칙적인 흑백 구조를 남겨놓습니다. 마치 개미가 갑자기 먼 곳으로 이어지는 길을 발견한 것만 같은데, 가장 놀라운 점은 그 길이 어디에 있는지 아무도 개미에게 알려준 적이 없다는 사실입니다.

이러한 구조를 흔히 '고속도로(highway)'라고 부릅니다.

단순한 규칙이 반드시 단순한 결과를 낳는 것은 아니다

하지만 시작 단계에서는 최종적인 모습과 전혀 닮은 구석이 없습니다. 바로 이 점이 '랭턴의 개미(Langton's Ant)'를 매우 흥미롭고 생각할 거리를 던져주는 대상으로 만듭니다.

초기 수십 단계만 관찰한다면 '개미가 그저 목적 없이 돌아다니고 있을 뿐'이라고 결론 내릴지도 모릅니다. 수백 단계가 지나도 여전히 무질서해 보이죠. 꽤 오랜 시간 동안은, 결국 어떤 패턴이 나타날지 알아차리기가 거의 불가능합니다.

그럼에도 규칙 자체는 변함없이 유지됩니다. 달라지는 것은 그 규칙이 계속해서 반복적으로 실행된다는 점뿐입니다.

랭턴의 개미가 주는 가장 깊은 통찰은 이것입니다. 아주 단순한 규칙으로 작동하는 시스템이라도, 장기적으로는 매우 복잡한 행동을 만들어낼 수 있다는 것입니다.

우리는 흔히 시스템을 구성하는 규칙이 몇 개 안 된다면 그 결과도 그리 복잡하지 않을 것이라고 직관적으로 생각하곤 합니다. 하지만 랭턴의 개미는 반드시 그렇지만은 않다는 것을 보여줍니다.

단순한 규칙이 이전 행동의 결과에 반복적으로 적용되면서, 시스템은 점점 더 복잡한 상태를 만들어냅니다. 그리고 그 상태들은 다시 그다음 단계에서 어떤 일이 벌어질지를 결정짓게 됩니다.

요약하자면: 단순함 → 복잡함 → 더 큰 복잡함 → 새로운 구조의 출현.

개미에게는 사실 '기억'이 없다

또 하나 흥미로운 점은, 개미 스스로는 '내가 어디를 다녀왔지?'라고 기억할 필요가 없다는 것입니다. 그저 '지금 내 발밑의 땅은 무슨 색이지?'라고 확인하기만 하면 됩니다.

하지만 시스템 전체를 놓고 보면, 일종의 '기억'이 존재합니다.

왜냐하면 개미가 자신이 지나가는 격자 칸의 상태를 변화시키기 때문입니다.

결과적으로 과거의 사건들이 흑백 격자 속에 기록(인코딩)되는 셈이며, 다음에 개미가 그곳을 지나갈 때는 이전과는 다른 색을 마주하게 됩니다.

즉, 과거의 행동이 현재의 환경을 재구성하고, 이 환경이 다시 미래의 행동에 영향을 미치는 것입니다.

여기서 아름다운 순환이 만들어집니다. 개미가 격자를 수정함 → 격자가 개미의 다음 움직임에 영향을 줌 → 개미가 다시 격자를 수정함 → 격자가 다시 개미에게 영향을 줌 → 이러한 과정이 반복되는 것입니다.

시간이 지나면서 '고속도로'와 같은 경로가 나타나는 것을 보면, 마치 '개미가 자신이 어디로 가야 할지 알고 있는 것'처럼 착각하기 쉽습니다.

물론, 개미는 전혀 알지 못합니다. 개미에게는 목표도, 지도도, 내비게이션 시스템도, 미리 계획된 경로도 없습니다. 그저 '흰색 칸에서는 오른쪽으로, 검은색 칸에서는 왼쪽으로 돈다'는 기계적인 규칙을 따를 뿐입니다.

그럼에도 이러한 단순한 규칙들로부터 복잡한 행동이 자발적으로 나타납니다.

이를 바로 '창발(emergence)'이라고 합니다.

그렇다면, 왜 개미는 결국 멀리 떠나버리는 걸까요?

이는 '랭턴의 개미(Langton's Ant)'가 가진 또 다른 흥미로운 측면입니다.

일단 '고속도로(경로)'가 형성되면—총 이동 단계 수가 충분히 많다는 가정하에—개미는 이 길을 따라 계속 이동하며, 다시는 돌아오지 않게 됩니다. 결국 개미는 화면 밖으로 완전히 벗어나 버릴 수도 있습니다.

이는 프로그램 오류가 아니며, 시스템이 '통제 불능 상태'에 빠졌다는 뜻도 아닙니다. 오히려 개미는 그저 자신만의 고속도로를 찾아낸 것일 뿐입니다. 개미는 여전히 기존의 규칙을 충실히 따르며, 미지의 세계를 향해 계속해서 나아가는 것입니다.

개미, 체스판, 그리고 몇 가지 규칙

그러니 단순히 최종적인 패턴에만 매몰되지 마세요. '랭턴의 개미(Langton’s Ant)'에서 진정으로 주목할 가치가 있는 것은 그 전체 과정입니다. 혼돈 → 복잡성 → 장기적인 진화 → 갑작스러운 질서의 출현 → '고속도로' 형성 → 외부를 향한 지속적인 확장이 바로 그것이죠.

이는 우리가 흔히 접하는 많은 수학적 패턴과는 다릅니다. '여기 아름답고 확정적인 정답이 있다'는 식의 접근이 아니라, '이 시스템이 스스로 어떻게 진화해 나가는지 지켜보자'는 방식에 가깝습니다.

많은 수학적 패턴에서 즐거움은 매개변수(파라미터)를 다루는 데 있습니다. 매개변수를 조금만 조정해도 완전히 새로운 세상이 펼쳐지니까요.

하지만 '랭턴의 개미'가 주는 놀라움은 시간에서 비롯됩니다. 그저 '시작' 버튼을 누르고 기다리기만 하면 되니까요.

10번째 단계, 1,000번째 단계, 혹은 10,000번째 단계에서 어떤 일이 벌어질지는 아무도 알 수 없습니다. 결국, 장난감처럼 단순한 규칙 하나가, 사전에 전혀 계획되지 않았던 길로 우리를 이끌 수 있는 것입니다.

어쩌면 '랭턴의 개미'가 가진 가장 매혹적인 면은 다음 한 문장으로 요약할 수 있을지도 모릅니다. '어디로 가는지 알지 못하면서도, 결국 스스로 길을 만들어 나간다.'

누구도 지도를 건네주지 않았고, 목적지를 정해주지도 않았으며, '고속도로'를 설계해 주지도 않았습니다. 그저 '흰색이면 오른쪽으로, 검은색이면 왼쪽으로 회전하고, 색깔을 뒤집은 뒤, 한 걸음 앞으로 나아간다'는 규칙을 계속해서 반복할 뿐입니다.

랭턴의 개미(Langton's Ant)는 프랙탈과 어떻게 다른가요?

랭턴의 개미는 끊임없이 패턴을 생성하는 수학적 예술의 한 형태처럼 보일 수 있지만, 망델브로 집합(Mandelbrot set)이나 코흐 눈송이(Koch snowflake)와 같은 프랙탈과는 구별됩니다.

예를 들어, 코흐 눈송이는 도형을 재귀적으로 변형하는 규칙에 따라 생성되며, 다음 단계의 구조가 이미 결정되어 있습니다.

망델브로 집합은 복소수 방정식의 반복적인 계산을 통해 정의되며, 시작점에 따라 서로 다른 궤적을 나타냅니다.

반면, 랭턴의 개미는 환경 속에서 행동하며 그 환경을 변화시키는 '개체(agent)'를 포함합니다. 이 개체의 다음 움직임은 현재 위치뿐만 아니라 과거에 남겨둔 흔적에 의해서도 결정됩니다. 따라서 우리가 관찰하는 것은 단순한 기하학적 재귀가 아니라, 개체와 환경 사이의 지속적인 상호작용을 특징으로 하는 시스템입니다.

랭턴의 개미(Langton's Ant)와 호팔롱 어트랙터(Hopalong Attractor)는 어떤 차이가 있을까요?

랭턴의 개미와 호팔롱 어트랙터는 몇 가지 공통점을 지니고 있지만, 각각 독특하고 매혹적인 형태의 '예측 불가능성'을 보여줍니다.

호팔롱 어트랙터: 매개변수 공간(parameter space) 속에는 아름다운 패턴들이 숨겨져 있는 경우가 많습니다. 매개변수를 아주 조금만 조정해도 완전히 다른 결과가 나타날 수 있죠. 매개변수를 바꿈으로써 무엇을 발견하게 될지는 아무도 모릅니다. 여기서 발생하는 놀라움은 바로 매개변수 공간에서 비롯됩니다.

랭턴의 개미: 기본적인 규칙은 고정되어 있지만, 반복 횟수가 늘어남에 따라 개미는 결국 처음에 머물던 제한된 영역을 '벗어나' 버립니다. 게다가 초기에 나타나는 국소적인 패턴들은 나중에 관찰되는 움직임과는 완전히 다릅니다. 단순한 규칙이라도 충분히 오랜 시간 동안 반복되면 어떤 일이 벌어질지 예측할 수 없습니다. 여기서 발생하는 놀라움은 시간과 반복 횟수에서 비롯됩니다.

수학의 세계를 계속 탐험해 보세요

더욱 흥미로운 수학적 패턴을 계속 탐색해 보거나, 위키백과에서 '랭턴의 개미(Langton's Ant)'에 관한 더 많은 정보를 확인해 보세요.