关键词:社会学习,文化进化模型,创新与适应



论文题目:Social learning and memory
期刊来源:PNAS
斑图地址:https://pattern.swarma.org/paper/4f9d438a-357f-11ee-b6ce-0242ac17000d
原文地址:https://www.pnas.org/doi/10.1073/pnas.2310033120

人类为什么能迅速适应不断变化的环境?我们常常把人类适应环境的潜力归因于人具有社会学习(social learning)、创新等能力。

“社会学习”一般指在与同类的交往过程中学习,而“创新”也被称为反社会学习(asocial learning),是指直接从环境中学习。换句话说,就是在没有与同类进行社会互动的情况下进行的学习。有些研究认为,对于适应环境来说,当环境变化缓慢时,社会学习更重要;而环境变化迅速时,创新更加重要

在一些理论模型中,整体的创新能力强也被认为是整体有较高水平的文化差异(cultural variation)。也就意味着部分人的意志无法适应当前环境,虽然它们可能会在环境变化后变得适应,但一般会降低整体的适应性水平。

最近发表在PNAS的一篇文章综合考虑社会学习、环境变化和记忆(memory)等要素建立数学模型,研究适应与文化创新之间的冲突关系。记忆,即储存、检索和遗忘信息。作者将记忆建模成个体保留未表达的文化差异,这不会影响当前的适应水平。

他们在整体模型框架下讨论了三个场景:(1)记忆有限,适应变化的环境;(2)不会遗忘,适应变化的环境;(3)考虑遗忘的进化速率,在能记忆的情况下适应变化的环境。通过实验发现,这种记忆能力能够促进社会学习在更广泛的环境下进化。这一分析的结果可能有助于确定记忆是否以及何时应纳入以适应问题为重点的文化进化模型。

模型matlab代码:https://github.com/TICELab/SocialLearningMemory

图1 (A)环境变化率与社会学习倾向的关系;(B)环境变化率与遗忘倾向的关系;(C)环境变化速率和群体效益之间的关系。黑色线代表场景1,蓝色线代表场景2,粉红色线代表场景3。


图2 在每个时间步的单个模拟中,通过所有个体(N = 200)的变异表达式获得的平均效益。



编译|朱欣怡

计算社会科学读书会第二季



详情请见:

数据与计算前沿方法整合:计算社会科学读书会第二季启动



推荐阅读

1. Science 速递:蜜蜂摇摆舞的社会信号学习
2. 人类行为预测:从社会物理学到机器学习
3. 以数据驱动的社交网络和多智能体模型模拟社会韧性
4. 张江:第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程
5. 加入集智学园VIP,获得20周年“涌现”学术年会入场券!
6. 加入集智,一起复杂!


点击“阅读原文”,报名读书会