베이지안 에이전트를 활용한 반복 학습에 의한 언어 진화

언어는 반복 학습 과정을 통해 개인에서 개인으로, 세대에서 세대로 전달됩니다: 사람들은 한때 자신이 그 언어를 배운 다른 사람들로부터 언어를 배웁니다. 우리는 학습자가 그들의 귀납적 편향을 나타내는 사전과 언어적 데이터가 제공하는 증거를 결합하여 언어에 대한 후행 분포를 계산한다고 가정하고, 베이지안 추론 원칙에 기반한 학습 알고리즘의 반복 학습 결과를 분석합니다. 학습자가 이 후행 분포에서 언어를 샘플링할 때, 반복 학습은 완전히 사전에 의해 결정되는 언어에 대한 분포로 수렴함을 보여줍니다. 이러한 조건에서 반복 학습은 널리 사용되는 마르코프 체인 몬테카를로 알고리즘인 깁스 샘플링 형태입니다. 학습자가 최대 후행 확률을 가진 언어를 선택할 때 반복 학습의 결과는 더 복잡해지며, 이는 학습자의 사전과 세대 간 전달된 정보의 양에 영향을 받습니다. 우리는 이 경우 반복 학습이 기대 최대화(EM) 알고리즘의 변형인 또 다른 통계적 추론 알고리즘에 해당함을 보여줍니다. 이러한 결과는 언어 보편성에 대한 설명에서 반복 학습의 역할을 분명히 하고, 언어 습득에 대한 제약과 결국 사용되는 언어 사이의 형식적인 연관성을 제공합니다. 이는 반복 학습을 통해 전달된 정보가 궁극적으로 학습자의 마음을 반영하게 될 것임을 제안합니다.