[論文レビュー] Generalizing meanings from partners to populations: Hierarchical inference supports convention formation on networks

Robert D. Hawkins, Noah D. Goodman+2 more|arXiv (Cornell University)|Feb 4, 2020

Language and cultural evolution参考文献 31被引用数 6

ひとこと要約

本論文は、個々の人がパートナ固有の相互作用から一般化することで、コミュニティ全体の言語的慣習を形成する仕組みを説明する階層ベイズモデルを提案する。意味を共有されるコミュニティ内分布から抽出する一方で、パートナ固有のばらつきを許容するモデルにより、局所的なパートナ固有の学習がグローバルな慣習形成を引き起こすことが示された。実験データにより、パートナ固有性とネットワーク全体の収束の両方が裏付けられている。

ABSTRACT

A key property of linguistic conventions is that they hold over an entire community of speakers, allowing us to communicate efficiently even with people we have never met before. At the same time, much of our language use is partner-specific: we know that words may be understood differently by different people based on our shared history. This poses a challenge for accounts of convention formation. Exactly how do agents make the inferential leap to community-wide expectations while maintaining partner-specific knowledge? We propose a hierarchical Bayesian model to explain how speakers and listeners solve this inductive problem. To evaluate our model's predictions, we conducted an experiment where participants played an extended natural-language communication game with different partners in a small community. We examine several measures of generalization and find key signatures of both partner-specificity and community convergence that distinguish our model from alternatives. These results suggest that partner-specificity is not only compatible with the formation of community-wide conventions, but may facilitate it when coupled with a powerful inductive mechanism.

研究の動機と目的

• コミュニティ全体の言語的慣習が、パートナ固有のコミュニケーション経験からどのように生じるかというパラドックスを解明すること。
• 完全プールとプールなしのモデルに挑戦し、個人とグループレベルの学習のバランスを取る部分プールのメカニズムを提案すること。
• 階層推論が、二重相互作用からネットワーク全体の慣習への効率的な一般化を可能にするかをテストすること。
• 小規模な通信ネットワークにおける被験者を対象とした行動実験を用いて、モデルの予測を評価すること。

提案手法

• コミュニティレベルの意味分布（Θ）がパートナ固有の意味システム（ϕk）を支配する階層ベイズモデルを形式化し、複数のパートナ間での抽象化を可能にする。
• 確率的推論を用いて、二重相互作用に基づいて意味マッピングに関する信念を更新し、複数の抽象化レベルで不確実性をモデル化する。
• 複数のパートナとの間での発話者および聴話者の行動をシミュレートし、一般化のパターンと収束ダイナミクスを予測する。
• 参加者が小規模なネットワーク内で行う自然言語の参照ゲーム実験を実施し、パートナ間でのラベル使用と一致度を追跡する。
• 混合効果ロジスティック回帰を用いて、ペアタイプ（内部対 vs. 間接対）とパートナ数の間の有意な交互作用をテストする。
• 一般化と収束の定量的指標を用いて、モデルの予測を代替理論（完全プール、プールなし）と比較する。

実験結果

リサーチクエスチョン

• RQ1 個々の人は、どのようにパートナ固有の意味使用からコミュニティ全体の慣習に一般化するのか？
• RQ2 どの程度、パートナ固有の相互作用がネットワーク全体の調整を促進または妨げるのか？
• RQ3 階層ベイズモデルは、パートナ固有性とグローバルな収束の両方を説明できるか？
• RQ4 どのような実証的兆候が、通信ネットワークにおける階層推論を完全プールまたはプールなしのモデルと区別できるか？

主な発見

• ペアタイプとパートナ数の間に有意な交互作用効果が確認された（b = -0.85, z = -5.69, p < 0.001）。これにより、ネットワーク内の異なるパートナ間で、対内でのラベル使用が徐々に一致することが示された。
• 参加者は初期段階でパートナ固有のラベリング行動を示しており、初期のやり取りでは、局所的な共通の文脈がグローバルな期待を上回ることがわかった。
• 時間の経過とともに、ネットワーク内の異なるペアが使用するラベルが収束した。これは、局所的な慣習が階層的推論を通じてパートナ間で一般化されることを示している。
• データは完全プールモデルおよびプールなしモデルの両方を強く否定し、観察された一般化パターンを説明する最良の解釈として階層ベイズモデルを支持した。
• モデルが外れ値（例：非ネイティブ話者）を説明可能に処理でき、コミュニティレベルの期待を損なわず、その強靭性を示している。