[논문 리뷰] The growth and form of knowledge networks by kinesthetic curiosity

Dale Zhou, David M. Lydon‐Staley외 2명|arXiv (Cornell University)|2020. 06. 04.

Misinformation and Its Impacts인용 수 7

한 줄 요약

이 논문은 신체적 호기심 모델을 소개하며, 호기심을 세 가지 기능적 모드—노파심(탐색적 신선함 탐색), 사냥개(목표 지향적 추적), 무용수(창의적 통합)—를 통해 정보 공간을 동적 움직임으로서 정의한다. 네트워크 과학과 통계역학을 사용하여 이러한 탐색 전략이 어떻게 고유한 지식 네트워크 구조를 형성하는지 수리적으로 기술하며, 목표 지향 학습을 초월하는 심리학적 호기심 이론을 확장하는 계산적 프레임워크를 제공한다.

ABSTRACT

Throughout life, we might seek a calling, companions, skills, entertainment, truth, self-knowledge, beauty, and edification. The practice of curiosity can be viewed as an extended and open-ended search for valuable information with hidden identity and location in a complex space of interconnected information. Despite its importance, curiosity has been challenging to computationally model because the practice of curiosity often flourishes without specific goals, external reward, or immediate feedback. Here, we show how network science, statistical physics, and philosophy can be integrated into an approach that coheres with and expands the psychological taxonomies of specific-diversive and perceptual-epistemic curiosity. Using this interdisciplinary approach, we distill functional modes of curious information seeking as searching movements in information space. The kinesthetic model of curiosity offers a vibrant counterpart to the deliberative predictions of model-based reinforcement learning. In doing so, this model unearths new computational opportunities for identifying what makes curiosity curious.

연구 동기 및 목표

• 목표 지향적 또는 보상 기반 학습을 초월하는 호기심의 계산 모델을 개발하기 위해.
• 네트워크 과학, 통계역학, 철학을 통합하여 개방형 정보 탐색을 이해하는 통합 프레임워크를 구축하기 위해.
• 다양한 호기심 방식—노파심, 사냥개, 무용수—이 지식 네트워크에서 어떻게 고유한 구조적 패턴을 생성하는지 수리적으로 기술하기 위해.
• 개별 차이를 설명할 수 있는 검증 가능하고 정량적인 호기심 모델을 제공하기 위해.

제안 방법

• 노드가 정보 단위를 나타내고, 에지가 정보적 연결을 나타내는 추상적 지식 네트워크에서의 산책으로 호기심을 모델링하기 위해.
• 세 가지 기능적 모드 정의: 노파심(산만한 탐색적 네트워크), 사냥개(단단하고 목표 지향적인 경로), 무용수(분리된 모듈을 연결하는 방식).
• 실제 데이터(위키백과 하이퍼링크 포함)에 기반한 컴퓨터 시뮬레이션을 통해 각 모드 하에서 지식 네트워크의 성장을 생성하기 위해.
• 모듈성(워크트랩 알고리즘을 통한 계산)과 가시성(communicability)과 같은 그래프 이론적 측정치를 사용하여 네트워크 구조와 정보 흐름을 정량화하기 위해.
• 위키백과 브라우징 행동의 실증 데이터를 사용하여 모델을 검증하고, 개인의 탐색 패턴을 네트워크 아키텍처와 연결하기 위해.
• 예측과 탐색을 통합하는 모델을 위해 기존의 인지과학 이론(예: 상속 표현과 자유 에너지 원리)과 통합하기 위해.

실험 결과

연구 질문

• RQ1 호기심은 어떻게 정보 공간을 향한 동적이고 목표 지향적이지 않은 과정으로 모델링될 수 있는가?
• RQ2 노파심, 사냥개, 무용수와 같은 호기심의 기능적 모드에 해당하는 고유한 지식 네트워크의 구조적 특징은 무엇인가?
• RQ3 개별적 차이(예: 불확실성 민감도, 자극 추구 성향 등)는 자가 구축된 지식 네트워크의 아키텍처에 어떻게 대응되는가?
• RQ4 얼마나 네트워크 과학과 통계역학이 호기심과 정보 탐색의 정성적 묘사를 수리적으로 형식화할 수 있는가?
• RQ5 정보에 대한 피드백이나 기능적 유용성이 없이도 지식 네트워크의 기댓값 성질이 학습, 창의성, 사회적 행동을 어떻게 지원하는가?

주요 결과

• 사냥개 유형의 동역학이 지배하는 지식 네트워크는 노파심 유형의 패tern보다 불확실성에 더 민감하고 탐색의 즐거움이 낮다.
• 무용수 유형의 탐색 전략은 서로 다른 네트워크 모듈을 연결하는 데 관련되어 있어, 서로 다른 지식 영역의 창의적 통합에 기여할 수 있음을 시사한다.
• 각 신체적 모드에서 시뮬레이션된 지식 네트워크는 고유한 위상적 특징을 보이며, 각각 산만한 구조(노파심), 단단한 경로(사냥개), 연결 고리(무용수)를 형성한다.
• 위키백과 브라우징에 대한 실증 분석은 개인의 탐색 시퀀스가 세 모드 모델과 일치하는 고유한 정보 탐색 아키텍처 스타일을 반영하고 있음을 보여준다.
• 모델의 네트워크 성장 원리는 상속 표현과 자유 에너지 원리와 같은 여러 기존 인지과학 이론과 일치하며, 예측과 탐색을 통합하는 프레임워크를 제안한다.
• 네트워크 과학과 통계역학의 통합은 호기심의 구조적 결과를 정량적으로 분석할 수 있게 하여, 정보 탐색 이론을 검증할 수 있는 새로운 도구를 제공한다.