[論文レビュー] Assessing Cognitive Randomness: A Kolmogorov Complexity Approach

Nicolas Gauvrit, Héctor Zenil+1 more|arXiv (Cornell University)|Jun 15, 2011

Computability, Logic, AI Algorithms参考文献 33被引用数 3

ひとこと要約

本稿では、アルゴリズム的複雑性—特にアルゴリズム的確率を介したコルモゴロフ複雑性—を用いて、人間が生成した系列における認知的ランダムネスを評価する普遍的指標を提案する。この手法を用いて、古典的な Radio Zenith データを再分析することで、従来の特徴別指標に代わる、理論的に根拠のある一貫した指標が、ランダムネスをより包括的に捉えることができることを示している。本研究は、ランダムネス生成による実行機能の評価に統一的なアプローチを提供する。

ABSTRACT

Since human randomness production has been studied and widely used to assess executive functions (especially inhibition), many measures have been suggested to assess the degree to which a sequence is random-like. However, each of them focuses on one feature of randomness, leading authors to have to use multiple measures. Here we describe and advocate for the use of the accepted universal measure for randomness based on algorithmic complexity, by means of a novel previously presented technique using the the definition of algorithmic probability. A re-analysis of the classical Radio Zenith data in the light of the proposed measure and methodology is provided as a study case of an application.

研究の動機と目的

• ランダムネスの個別的特徴に焦点を当てる既存の評価手法の限界を是正すること。
• アルゴリズム的複雑性—特にコルモゴロフ複雑性—を、人間の系列におけるランダムネスの理論的に普遍的で包括的な指標として提唱すること。
• アルゴリズム的確率に基づく新規な手法を用いて、原理的かつ計算的に実行可能な方法で認知的ランダムネスを評価すること。
• 古典的 Radio Zenith データの再分析を通じて、本手法の妥当性と実用性を実証すること。

提案手法

• 本手法は、ランダムな系列は高いアルゴリズム的複雑性を持つという考えに基づき、人間が生成した系列のアルゴリズム的複雑性を推定するためのアルゴリズム的確率を用いる。
• 普遍的事前分布をアルゴリズム的確率から導出し、系列に確率を割り当てることで、そのコルモゴロフ複雑性の推定が可能になる。
• 形式的なアルゴリズム的ランダムネスの定義に従い、系列を生成できる最短のプログラムに注目することで、統計的性質に依存するのを回避する。
• 本手法は、認知的ランダムネス研究分野における有名なベンチマークである Radio Zenith データセットに適用され、その性能が評価された。
• 本手法の分析結果は、従来のランダムネスインデックスと比較され、系列の複雑性をより包括的に捉える能力が強調された。

実験結果

リサーチクエスチョン

• RQ1 コルモゴロフ複雑性として形式化されたアルゴリズム的複雑性は、人間の系列における認知的ランダムネスを評価する普遍的指標として機能するか？
• RQ2 提案されたアルゴリズム的確率に基づく手法は、従来のランダムネス評価手法と比較して、人間が生成した系列の複雑性をどの程度効果的に捉えられるか？
• RQ3 Radio Zenith データの再分析は、本手法の妥当性が現実の認知的タスクにおいて裏付けられるか、どの程度の範囲で支持されるか？

主な発見

• 提案されたアルゴリズム的複雑性指標は、理論的根拠に基づいた方法で系列の本質的複雑性を捉えるため、従来の特徴別指標よりもより包括的なランダムネス評価を可能にする。
• Radio Zenith データの再分析から、アルゴリズム的確率に基づく手法が、認知的ランダムネスが高いかどうかを効果的に同定でき、人間のパフォーマンスの既知のパターンと整合することが示された。
• 本手法は、認知的負荷下や実行機能に障害がある状況で生成された系列において、ランダムネスからの逸脱を特に強く検出する能力を示した。
• 結果から、アルゴリズム的複雑性が、複数の従来のランダムネス指標を統合する統一的なフレームワークを提供することが示唆され、複数の重複する指標の必要性が軽減される可能性がある。