적응 가중치 네트워크에서의 네이밍 게임

초록

본 논문은 에이전트 간 성공적인 의사소통 이력에 따라 연결 가중치가 변하는 적응형 가중치 네트워크 위에서 네이밍 게임을 수행한다. 파라미터 ε와 네트워크 규모 N에 따라 가중치 편향이 약하면 완전 그래프와 유사하게 빠르게 단일 언어 상태에 수렴하고, 편향이 강하면 다언어 상태가 장기간 유지되며 점진적인 코어싱(coarsening) 과정을 통해 지배 언어가 등장한다. 모델 결과를 실제 인간 언어 분포와 비교한다.

상세 분석

논문은 기존 네이밍 게임을 확장하여, 에이전트 쌍(i, j)의 과거 성공률 sᵢⱼ을 기반으로 가중치 wᵢⱼ = sᵢⱼ + ε(ε > 0) 를 정의한다. 이 가중치는 말하기‑듣기 쌍 선택 확률 pᵢⱼ = wᵢⱼ/∑ₖwᵢₖ 로 사용되어, 성공률이 높은 파트너와의 상호작용이 더 자주 일어나도록 만든다. ε는 성공률이 0인 파트너와도 일정 확률로 소통할 수 있게 하는 ‘탐색’ 파라미터이다.

시뮬레이션은 N = 10² ~ 10⁴ 범위와 ε = 10⁻⁴, 10⁻⁵ 등을 조합해 수행했으며, 주요 관측량으로는 (1) 최근 N 번 시도에서의 성공률 s, (2) 전체 어휘 수 L (언어 수와 동치), (3) 가장 흔한 단어를 가진 에이전트 수 N_d 를 사용했다.

두 가지 동역학적 모드가 발견되었다. 첫 번째는 N·ε²가 충분히 큰 경우로, 가중치 편향이 약해 네트워크가 사실상 완전 그래프와 동일하게 동작한다. 이때 초기에는 다수의 단어가 존재하지만, 빠른 코어싱 과정을 거쳐 L이 급격히 감소하고 s가 1에 수렴한다. 특히, 초기 전이 시간 t ≈ 750(시뮬레이션 단위) 은 N에 거의 독립적이며, 이는 외부 클러스터와의 교류가 충분히 빈번해지기 때문이다.

두 번째는 N·ε²가 작아 가중치 편향이 강하게 작용하는 경우이다. 여기서는 에이전트가 성공률이 높은 소수의 파트너와만 반복적으로 교류하면서, 서로 다른 클러스터가 형성된다. 각 클러스터 내부에서는 단일 언어가 빠르게 동기화되지만, 클러스터 간 교류가 드물어 전체 시스템은 다언어 상태를 장기간 유지한다. L은 초기 급감 후 거의 일정하게 머무르며, 이는 ‘유리 상태(glassy state)’와 유사한 동결 현상으로 해석된다.

또한, 저자는 N·ε²가 모델의 제어 파라미터임을 제시한다. 두 단계(실패 후 단어 획득, 성공 후 클러스터 편입)의 복합 확률이 ∝ N·ε² 로 스케일링된다는 근사적 분석을 통해, 이 스케일이 클수록 외부 클러스터와의 교류가 활발해져 단일 언어 수렴이 촉진된다고 설명한다.

결과적으로, 모델은 인간 사회에서 관찰되는 언어 다양성(수천 개의 언어가 동시에 존재)과, 동시에 한 언어가 지배적으로 확산되는 현상을 동시에 재현한다. 특히, ε 값을 조절함으로써 탐색‑수렴 트레이드오프를 조절할 수 있어, 문화적 전파와 사회적 네트워크 구조가 언어 진화에 미치는 영향을 정량적으로 탐색할 수 있는 프레임워크를 제공한다.