[논문 리뷰] Meme and Variations: A Computer Model of Cultural Evolution

Liane Gabora|arXiv (Cornell University)|2013. 09. 29.

Evolutionary Game Theory and Cooperation참고 문헌 11인용 수 67

한 줄 요약

이 논문은 유전적 알고리즘을 모델로 삼아 문화적 진화를 아이디어의 변형과 사회적 전파를 통해 시뮬레이션하는 계산 모델인 Meme and Variations(MAV)를 소개한다. 인지적 및 사회적 메커니즘—예를 들어 모방, 일반화, 염색체 상호작용—이 문화적 적합도와 다양성에 미치는 영향을 보여주며, 변형과 사회적 학습이 문화적 시스템의 혁신성과 적응력을 크게 향상시킨다는 점을 입증한다.

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.

연구 동기 및 목표

• 생물학적 진화의 유전적 알고리즘과 유사한 최소한의 문화적 진화 계산 모델을 개발하는 것.
• 일반화와 같은 인지적 과정 및 모방과 같은 사회적 행동이 문화적 혁신성과 다양성에 미치는 영향을 조사하는 것.
• 과도한 우성과 상호작용 등 생물학적 현상이 사회적 맥락에서 문화적 적합도에 미치는 영향을 탐구하는 것.
• 변형, 선택, 전파 간의 상호작용이 문화 변화의 궤적을 어떻게 형성하는지 이해하는 것.
• 상호작용하는 에이전트 집단 내에서 기존 아이디어의 변형으로 새로운 아이디어가 어떻게 나타나는지를 형식화한 프레임워크를 제공하는 것.

제안 방법

• 모델는 사회적 상호작용을 통해 문화적 특성(아이디어)를 저장하고 전파하는 에이전트 집단을 사용하며, 이는 유전적 알고리즘의 유전자와 유사하다.
• 각 에이전트는 적합도에 따라 돌연변이, 재조합, 선택을 겪는 '미믹'(meme)의 집합을 유지한다.
• 적합도는 유전적 상호작용과 과도한 우성 효과를 포함한 개인적 및 사회적 요인의 조합에 의해 결정된다.
• 에이전트는 일반화를 학습하고 다른 이들을 모방할 수 있어, 진화 과정에 사회적 학습 역학을 통합한다.
• 모델는 새로운 아이디어가 기존 아이디어의 수정 또는 조합으로부터 유래하는 주제-변형 구조를 포함한다.
• 시뮬레이션은 다양한 매개변수 설정 하에서 시간이 지남에 따라 문화적 특성의 진화를 추적하며, 다양성, 적합도, 혁신율을 측정한다.

실험 결과

연구 질문

• RQ1 변형과 사회적 학습 메커니즘이 새로운 문화적 특성의 출현에 어떻게 영향을 미치는가?
• RQ2 특성 간의 염색체 상호작용과 과도한 우성 상호작용이 문화적 적합도와 다양성에 얼마나 큰 영향을 미치는가?
• RQ3 일반화나 다른 이들을 모방할 수 있는 능력이 문화적 진화의 속도와 방향성에 어떻게 영향을 미치는가?
• RQ4 어떤 조건에서 문화적 특성이 집단 내에서 안정화되거나 다양화되는가?
• RQ5 랜덤 돌연변이에 비해 아이디어 생성의 주제-변형 구조가 혁신을 어떻게 더 잘 촉진하는가?

주요 결과

• 모델는 변형과 사회적 학습이 혁신 속도를 크게 향상시켜 복잡하고 적응력 있는 아이디어의 출현을 가능하게 한다는 것을 보여준다.
• 특성 간의 염색체 상호작용은 적합도를 향상시키고 복잡한 문화 패키지의 지속성을 증진시킨다.
• 과도한 우성 효과는 환경 변화에 대한 저항력이 높아져 더 큰 문화적 다양성과 안정성을 초래한다.
• 동적 환경에서 개인적 학습에 의존하는 에이전트에 비해 일반화와 모방 능력을 지닌 에이전트가 더 뛰어난 성과를 낸다.
• 주제-변형 메커니즘은 랜덤 돌연변이만으로는 달성할 수 없는 더 적응력 있고 다양한 문화적 결과를 만들어 낸다.
• MAV에서의 문화적 진화는 안정기와 이어지는 혁신 폭발을 보이는 점프-균형 패턴을 나타낸다.