본 논문은 에이전트 기반 그래프 추론 시스템이 지속적인 의미 발견을 유지하는 임계 상태로 자발적으로 진화하는 방식에 대한 기본적인 통찰력을 보고합니다. 구조적 엔트로피(폰 노이만 그래프 엔트로피)와 의미적 엔트로피(임베딩)를 엄격하게 분석함으로써, 의미적 엔트로피가 구조적 엔트로피를 지속적으로 지배하는 미묘하지만 강력한 체제를 확인했습니다. 이러한 상호 작용은 무차원 임계 발견 매개변수로 정량화되며, 이는 작은 음수 값으로 안정화되어 의미적 엔트로피의 일관된 과잉을 나타냅니다. 실험적으로, 의미적으로 거리가 먼 개념 간의 연결인 "놀라운" 가장자리의 안정적인 비율(12%)을 관찰하여 지속적인 혁신을 주도하는 장거리 또는 도메인 간 연결의 증거를 제공합니다. 동시에, 시스템은 스케일-프리 및 소규모 세계 위상적 특징과 함께 구조적 및 의미적 측정 간의 음의 상관 관계를 나타내어 자기 조직적 임계성과의 유추를 강화합니다. 이러한 결과는 물리적, 생물학적 및 인지적 복잡 시스템의 임계 현상과 명확한 유사성을 확립하여 적응성과 지속적인 혁신을 지배하는 엔트로피 기반 원리를 보여줍니다. 중요하게도, 추론 과정에서 명시적으로 사용되지 않더라도 의미적 풍부함이 지속적인 탐색의 기본 동인으로 나타납니다. 본 연구 결과는 장기적인 발견과 적응을 위한 고유한 능력을 갖춘 지능형 시스템을 설계하기 위한 학제 간 통찰력과 실용적인 전략을 제공하며, 임계 발견을 강화하는 모델 훈련 전략을 개발하는 방법에 대한 통찰력을 제공합니다.
