Open e4exp opened 3 years ago
意義
人間の言語における色名は、正確さと複雑さのトレードオフを最適化する効率的なシステムとして構成されています。 我々は、一般的な深層学習法で学習した人工ニューラルネットワークが色識別ゲームを行うことで、正確さ/複雑さの平面上の分布が人間の言語のそれと驚くほど似ている色名システムを開発することを示します。 さらに、効率性と複雑性の狭さは、コミュニケーションの離散的な性質に決定的に依存しており、それが創発コードの情報ボトルネックとなっていることを示します。 このことは、自然言語における色(およびおそらく他の意味領域)の効率的な分類は、人間の特定の生物学的制約に依存するのではなく、離散的なコミュニケーションシステムの一般的な特性であることを示唆している。
言葉は、コミュニケーションの正確さを最大にし、複雑さを最小にする方法で、参照する意味領域を分類します。 本研究では、よく研究されている色の領域に焦点を当て、識別ゲームを行うために深層学習技術を用いて訓練された人工ニューラルネットワークが、精度と複雑さの平面上の分布が人間の言語に近いコミュニケーションシステムを開発することを示す。 これは、人間のコミュニティに見られるような、識別の必要性の度合いの違いによって説明される。 人間の言語と同様に、創発システムは、不完全なコミュニケーションを犠牲にしても、比較的低複雑なソリューションを好む。 次に、創発システムの性質は、コミュニケーションが(人間の言葉の使い方のように)離散的であるかどうかに決定的に依存することを示す。 連続的なメッセージの受け渡しが可能になると、創発システムはより複雑になり、最終的には効率が低下する。 我々の研究は、効率的な意味論的分類は、人間の言語に限らず、離散的なコミュニケーションシステムの一般的な特性であることを示唆している。 さらに、このようなシステムの離散的な性質こそがボトルネックとなって、複雑さを抑え、効率を最適化する方向に働くことも示唆している。