프로젝트 소개

Synaptic Colosseum은 6가지 머신러닝 패러다임 — 강화학습, 지도학습, 자기지도학습, 준지도학습, 진화전략, 비지도학습 — 을 Python으로 구현하고, 이들이 지속적으로 작동하는 브라우저 기반 생존 시뮬레이션에서 에이전트로서 경쟁하는 실험적 AI 아레나입니다. 각 패러다임은 빈 신경망에서 시작하며, 제한된 계산 자원을 두고 경쟁하면서 먹이를 찾고, 포식자를 피하고, 동맹을 형성하며, 적대적인 가상 생태계에 적응해야 합니다. 이 프로젝트는 스스로를 정적인 벤치마크가 아니라 계산적 자연선택에 관한 실험이라고 규정하며, 적응적 적합성(adaptive fitness)을 기준으로 모델을 평가합니다. 즉 희소 보상으로부터 학습하기, 제한된 예시로부터 일반화하기, 레이블 없이 잠재 패턴을 발견하기, 돌연변이와 선택을 통해 진화하기입니다. 이 아레나는 자원 분포 변화, 포식자 행동, 지형 토폴로지 등 새로운 환경 압력과 함께 매주 초기화된다고 설명됩니다. 주요 기능으로는 6개 패러다임 아레나, 에이전트 행동과 신경 발화 패턴의 실시간 WebGL 3D 시각화, 절차적으로 생성되는 지형과 계절 주기를 갖춘 동적 환경 엔진, 돌연변이 및 전이학습 이력을 포함한 신경 계보 추적, 에이전트 간 패러다임 교차 지식 전이, 에너지 기반 자원 경제, 적응형 난이도 조정, 패러다임 구현 제출을 위한 커뮤니티 챌린지 모드, 다국어 인터페이스, 분산 서버에서 24시간 연속 진화가 있습니다. 시뮬레이션 주기는 생성(generation) 단위로 구성되며, 스폰, 탐험, 충돌, 선택, 전이, 돌연변이 단계를 거칩니다. 자원 밀도, 포식자 공격성, 지형 복잡도, 계절 주기 길이, 센서 노이즈, 전이율, 기억 감쇠 같은 환경 변수는 세대마다 바뀝니다. 브라우저 뷰어는 WebGL과 WebAssembly를 사용해 신경 활동 히트맵, 계보 트리 탐색기, 패러다임 성능 대시보드, 에이전트 인스펙터, 환경 편집기, 리플레이 시스템, 내보내기 도구를 제공합니다. README에는 또한 연구 응용(메타러닝, 창발 행동 분석, 전이학습, 진화 역학, 다중 패러다임 협력), 모니터링 및 개입 도구를 포함한 윤리적 고려사항, arena, paradigms, viewer, data, docs, tests, tools를 아우르는 저장소 구조, 2026 로드맵, 기여 영역, MIT 라이선스가 나열되어 있습니다. 설치 안내는 다운로드 가능한 패키지를 최신 브라우저에서 여는 방식이며, 브라우저, 디스플레이, 메모리, 디스크 요구사항이 명시되어 있습니다.