[논문 리뷰] Co-evolution of Language and of the Language Acquisition Device

Ted Briscoe|ArXiv.org|1997. 05. 01.

Language and cultural evolution참고 문헌 11인용 수 4

한 줄 요약

이 논문은 일반화된 범주 문법(GCG)을 기반으로 한 일반화된 상속 계층 구조를 사용하여 언어 습득의 매개변수 설정을 형식화함으로써 언어 습득의 계산 모델을 제안한다. 진화 시뮬레이션을 통해 기억 능력이 제한된 학습자가 적절한 언어 환경에 노출되었을 때 기본 매개변수 설정을 가진 학습자가 나타날 수 있음을 보여주며, 언어와 언어 습득 장치(LAD)의 공진화적 계정을 지지한다.

ABSTRACT

A new account of parameter setting during grammatical acquisition is presented in terms of Generalized Categorial Grammar embedded in a default inheritance hierarchy, providing a natural partial ordering on the setting of parameters. Experiments show that several experimentally effective learners can be defined in this framework. Evolutionary simulations suggest that a learner with default initial settings for parameters will emerge, provided that learning is memory limited and the environment of linguistic adaptation contains an appropriate language.

연구 동기 및 목표

• 인지적 제약과 발달 패턴을 반영하는 언어 습득의 매개변수 설정을 위한 형식적 프레임워크를 개발하는 것.
• 언어 습득 장치(LAD)가 계산적이고 진화적 메커니즘을 통해 인간 언어와 함께 공진화할 수 있는 방식을 모델링하는 것.
• 기본 매개변수 설정을 가진 학습자가 현실적인 학습 제약 조건과 환경 조건 하에서 어떻게 나타날 수 있는지 조사하는 것.
• 계산적 문법 프레임워크 내에서 상속 계층을 통해 매개변수 설정에 자연스러운 부분 순서를 제공하는 것.
• 적절한 언어 환경에서 기본 기반 학습자가 나타나는 것을 보여주는 진화 시뮬레이션을 통해 모델을 검증하는 것.

제안 방법

• 프레임워크는 문법적 구조를 표현하기 위해 일반화된 범주 문법(GCG)을 사용한다.
• GCG 내에 기본 상속 계층을 통합하여 매개변수 설정에 대한 부분 순서를 정의하며, 증거가 없을 경우 기본값을 우선시한다.
• 입력 데이터에 따라 매개변수 설정을 업데이트하며, 특정 증거가 없을 경우 기본값을 적용한다.
• 학습자의 저장 및 처리 능력이 제한된 기억 제약 조건 하에서 언어 습득을 시뮬레이션한다.
• 진화 시뮬레이션을 통해 언어 환경이 이러한 학습자를 지원할 경우 기본 설정을 가진 학습자가 나타날 수 있는지 테스트한다.
• 제약 조건 하에서 문법적 정확도와 목표 문법에의 수렴 정도를 평가함으로써 학습 성공 여부를 평가한다.

실험 결과

연구 질문

• RQ1 기본 매개변수 설정을 가진 언어 습득 장치(LAD)가 진화 과정을 통해 나타날 수 있는가?
• RQ2 기억 능력이 제한된 학습자가 기본 설정을 가진 상태에서 목표 문법을 성공적으로 습득하는 조건은 무엇인가?
• RQ3 GCG 내 기본 상속 계층은 매개변수 설정에 자연스러운 부분 순서를 어떻게 제공하는가?
• RQ4 언어 환경은 언어 습득 장치의 진화에 어떤 역할을 하는가?
• RQ5 GCG 내 매개변수 설정의 계산 모델이 어린이 언어 습득에서 관찰된 경험적 패턴을 재현할 수 있는가?

주요 결과

• 진화 시뮬레이션 결과, 학습이 기억 능력에 제약을 받고 언어 환경이 적절할 경우 기본 매개변수 설정을 가진 학습자가 성공적으로 나타남을 확인함.
• GCG 프레임워크 내 기본 상속 계층은 매개변수 설정에 자연스럽고 계산적으로 효과적인 부분 순서를 제공함.
• 실험적으로 효과적인 몇 가지 학습 알고리즘이 제안된 프레임워크 내에서 형식적으로 정의될 수 있음으로써, 이 프레임워크의 타당성이 뒷받침됨.
• 모델은 기본 설정이 임의적이지 않고, 인지적 제약과 환경적 조건 하에서 진화적으로 안정적일 수 있음을 보여줌.
• 언어와 언어 습득 장치(LAD)가 함께 진화하는 공진화적 계정을 지원함으로써, LAD가 가용 언어의 구조에 적응함을 보여줌.
• 결과적으로, 언어 습득의 기본 설정은 제한된 기억 능력과 변동성이 큰 입력에 대응하는 진화적 적응일 수 있음이 시사됨.