문화 진화의 조상 학습 그래프와 특성 수의 동적 변동

초록

연속시간 Moran 모델에 문화적 혁신과 학습을 결합한 뒤, 조상 학습 그래프(ALG)의 전체 길이를 시간에 따라 추적한다. 총 길이는 선형적으로 증가하다가 무작위 시점에 급격히 0에 근접하는 ‘톱니형’ 패턴을 보이며, 이는 확률적 로지스틱 과정의 메타안정성에 기인한다. 모든 혁신은 해당 개인의 계보에 누적되므로, 계보 길이의 모멘트는 집단 내 문화 특성 수의 모멘트와 직접 연결된다.

상세 분석

본 논문은 기존의 Moran‑type 문화 진화 모델에 두 가지 핵심 확장을 도입한다. 첫 번째는 개체가 일정 비율(u)로 사망하고 새로운 개체가 태어나는 ‘death‑birth’ 사건과, 일정 비율(s)로 다른 개체를 문화적 부모로 선택해 학습하는 ‘learning’ 사건을 동시에 고려한 연속시간 프레임이다. 두 번째는 혁신(새로운 문화 특성)의 발생을 개별 개체당 일정률(μ)로 독립적으로 삽입하고, 학습 시에는 부모가 보유한 모든 특성을 전부 전달한다는 ‘전부 전이’ 가정이다.

이러한 전제 하에 저자들은 먼저 ‘무형(untyped)’ 그래프를 정의한다. 각 개체는 시간축에 수평선으로 표시되고, 사망·출생은 교차표시, 학습은 화살표로 나타난다. 무형 그래프는 단순히 사건들의 시공간적 배치를 보여줄 뿐, 특성(트레이트)은 포함하지 않는다.

다음 단계에서 ‘형(typed)’ 그래프를 구성한다. 혁신 사건이 발생하면 새로운 특성 번호가 부여되고, 해당 개체의 특성 집합에 추가된다. 학습 사건에서는 학습자가 부모의 특성 집합을 자신의 집합과 합집합한다. 사망·출생 시에는 모든 특성이 소멸한다. 이렇게 하면 각 시간 t에서 개체 α가 보유한 특성 집합 Kα(t)와 전체 혁신 수 Ω(t)가 정의된다.

핵심적인 새로운 개념은 ‘조상 학습 그래프(Ancestral Learning Graph, ALG)’이다. 이는 샘플링된 n명의 현재 개체를 거꾸로 추적해 나가면서, 학습 화살표가 만나는 지점에서 두 개의 선(부모와 학습자)을 모두 포함시키는 ‘분기(branching)’ 과정을 통해 구성된다. 교차표시(사망)와 마주하면 해당 선을 잘라내어 더 이상 추적하지 않는다. 결과적으로 ALG는 시간에 따라 변하는 ‘계보 트리’와 유사하지만, 학습에 의해 발생하는 복합적인 병합 구조를 포함한다.

ALG의 총 길이 L(t) = 모든 분기와 연속선의 시간적 합은 논문에서 주요 관측량으로 다루어진다. 저자들은 L(t)를 정적(정상 상태)과 동적(시간에 따른 진화) 두 관점에서 분석한다. 정적 분석에서는 L의 기대값과 고계 모멘트를 확률적 로지스틱 과정과의 동형성을 이용해 계산한다. 로지스틱 과정은 ‘조상 수’와 ‘후손 수’가 동시에 변동하는 확률 미분 방정식으로, 메타안정적인 고정점 주변에서 오래 머무르다가 급격히 다른 고정점으로 전이한다. 이 전이 현상이 ALG의 총 길이가 선형적으로 증가하다가 무작위 시점에 급격히 0에 수렴하는 ‘톱니형’ 패턴을 만든다.

특성 수 C_n(t) = |K_{