[論文レビュー] Meme and Variations: A Computer Model of Cultural Evolution

Liane Gabora|arXiv (Cornell University)|Sep 29, 2013

Evolutionary Game Theory and Cooperation参考文献 11被引用数 67

ひとこと要約

本稿では、遺伝的アルゴリズムを模倣した計算モデル、Meme and Variations (MAV) を紹介する。このモデルは、アイデアの変異と社会的伝達を通じて文化的進化を模擬する。認知的および社会的メカニズム—例えば模倣、一般化、エピスタシス—が文化的適応度と多様性に与える影響を示し、変異と社会的学習が文化的システムにおけるイノベーションと適応性を顕著に向上させることを明らかにする。

ABSTRACT

Holland's (1975) genetic algorithm is a minimal computer model of natural selection that made it possible to investigate the effect of manipulating specific parameters on the evolutionary process. If culture is, like biology, a form of evolution, it should be possible to similarly abstract the underlying skeleton of the process and develop a minimal model of it. Meme and Variations, or MAV, is a computational model, inspired by the genetic algorithm, of how ideas evolve in a society of interacting individuals (Gabora 1995). The name is a pun on the classical music form 'theme and variations', because it is based on the premise that novel ideas are variations of old ones; they result from tweaking or combining existing ideas in new ways (Holland et al. 1981). MAV explores the impact of biological phenomena such as over-dominance and epistasis as well as cognitive and social phenomena such as the ability to learn generalizations or imitate others on the fitness and diversity of cultural transmissible actions.

研究の動機と目的

• 生物学的進化における遺伝的アルゴリズムに類似した最小限の文化的進化の計算モデルの開発。
• 一般化や模倣といった認知的プロセスが文化的イノベーションと多様性に与える影響の調査。
• 過優性やエピスタシスといった生物学的現象が、社会的文脈における文化的適応度に与える影響の探求。
• 変異、選択、伝達の相互作用が文化的変化の進行にどのように影響するかの理解。
• 相互作用するエージェントの集団内で、既存のアイデアの変異として新規アイデアがどのように出現するかを形式的に扱うフレームワークの提供。

提案手法

• モデルは、遺伝的アルゴリズムにおける遺伝子に類似した、文化的特徴（アイデア）を社会的相互作用を通じて保持・伝達するエージェントの集団を使用する。
• 各エージェントは、適応度に基づく突然変異、再結合、選択の対象となる「ミーム」（アイデアの表現）の集合を保持する。
• 適応度は、エピスタシス的相互作用や過優性効果を含む、個体的および社会的要因の組み合わせによって決定される。
• エージェントは一般化を学習し、他者を模倣できるため、進化的プロセスに社会的学習のダイナミクスが組み込まれる。
• モデルは、新しいアイデアが既存のアイデアの変更または組み合わせから生じる「テーマとバリエーション」構造を組み込む。
• シミュレーションは、異なるパrameter設定下での文化的特徴の時間的変化を追跡し、多様性、適応度、イノベーション率を測定する。

実験結果

リサーチクエスチョン

• RQ1 変異と社会的学習のメカニズムが、文化的特徴の新規出現にどのように影響するか？
• RQ2 特徴間のエピスタシス的および過優性的相互作用が、文化的適応度と多様性に与える影響の程度はどの程度か？
• RQ3 一般化や他者の模倣が可能であることが、文化的進化の速度と方向性に与える影響は？
• RQ4 文化的特徴が集団内で安定化または多様化する条件は何か？
• RQ5 ランダム突然変異と比較して、テーマとバリエーション構造によるアイデア生成は、イノベーションをどのように促進するか？

主な発見

• モデルは、変異と社会的学習がイノベーションの速度を顕著に向上させ、複雑で適応的なアイデアの出現を可能にすることを示している。
• 特徴間のエピスタシス的相互作用は適応度を向上させ、複雑な文化的パッケージの持続を促進する。
• 過優性効果は、環境の変動に直面しても文化的多様性と安定性を高める。
• 動的な環境下では、一般化や模倣が可能なエージェントは、単独学習に依存するエージェントよりも優れた性能を示す。
• テーマとバリエーションのメカニズムは、ランダム突然変異のみに比べ、より適応的かつ多様な文化的成果を生み出す。
• MAVにおける文化的進化は、相対的安定性に続くイノベーションの爆発的増加を示す、断続的平衡のパターンを示す。