비즈니스 기회
신념 역학 모델링에 대한 통찰력
크레딧: Trends in Cognitive Sciences(2024). DOI: 10.1016/j.tics.2024.07.001
신념 역학을 연구하는 연구자들은 종종 비유를 사용하여 우리가 믿는 이유와 우리가 하는 일과 그러한 신념이 시간이 지남에 따라 어떻게 변할 수 있는지 기저에 있는 복잡한 인지 사회 시스템을 이해하고 모델링합니다.
예를 들어, 아이디어는 바이러스처럼 전염될 수 있으며, 사람에서 사람으로 퍼질 때 인구를 "감염"시킬 수 있습니다. 어쩌면 우리는 비슷한 세계관을 가진 사람들에게 자석처럼 끌릴 수도 있습니다. 한 사회의 신념은 사회를 새로운 국면으로 몰아넣는 티핑포인트에 도달하기 전에 천천히 바뀔 수 있습니다.
Trends in Cognitive Sciences의 새로운 논문에서 복잡성 과학 허브(Complexity Science Hub)의 교수진이기도 한 SFI(산타페 연구소) 교수 Mirta Galesic과 외부 교수 Henrik Olsson은 신념 역학을 모델링하는 데 사용되는 몇 가지 일반적인 비유의 이점과 잠재적 위험을 탐구합니다.
특히 SFI에서는 한 분야의 연구자들이 다른 영역에서 제공되는 유추를 활용하는 것이 일반적입니다. 예를 들어, 연구자들은 경제 과정을 이해하기 위해 물리학의 아이디어를 사용했고, 과학자들의 작업 방식을 이해하기 위해 생태학의 도구를 사용했습니다. 지난 세기에는 컴퓨터가 인간의 마음을 이해하기 위한 비유로 사용되었지만, 이제는 역할이 역전되어 인간의 마음이 대규모 언어 모델의 작동을 이해하는 데 사용됩니다.
신념 역학에 대한 가장 일반적인 비유 중 하나는 역학에서 개발된 도구인 SIR(Susceptible-Infected-Recovered) 모델입니다. SIR 모델은 단일 전염병이 인구를 통해 어떻게 이동하는지 설명할 수 있으며, 독감이나 감기 감염이 폐렴 발병가능성을 높일 수 있는 것처럼 한 가지 신념을 유지하면 다른 신념을 채택할 가능성이 높아지는 경우와 같은 더 복잡한 상황으로 비유를 확장할 수 있습니다.
비유는 연구자가 놓쳤을 수 있는 속성을 알아차리는 데 도움을 줌으로써 "개념적 마일리지"를 제공할 수 있지만, 부정확한 추론으로 이어질 수 있는 "개념적 짐"도 함께 제공됩니다. 비유와 그에 수반되는 모델을 채택하면 그 단점을 인식하지 못하고 잘못된 정책이나 비효율적인 행동으로 이어질 수 있습니다.
SIR 모델의 한 가지 한계는 신념이 바이러스와 상당히 다르게 퍼질 수 있다는 것입니다. 단순한 노출이 항상 아이디어로 이어지는 것은 아닙니다. 아이디어의 경우, 반복은 비효율적일 수 있으며 개인의 기존 신념과 근본적으로 다를 때 역효과를 낳을 수도 있습니다. 그리고 아이디어는 사람들이 다른 관련 신념과 특성을 공유할 때 더 쉽게 퍼집니다.
저자는 강자성, 임계값, 힘, 진화, 가중 가법 모델 및 베이지안 학습을 포함하여 신념 역학에 대한 다른 비유의 마일리지와 짐을 탐구합니다. 각 비유는 관련 모델과 함께 서로 다른 유용한 개념과 방법론을 제공하지만 단독으로 적절한 것은 없습니다.
올슨은 "우리는 신념의 실제 역학을 예측하고 설명하는 데 실제로 사용할 수 있는 모델을 구축하기 위해 사용할 수 있는 것과 사용할 수 없는 것, 그리고 그것으로부터 배울 수 있는 것 등 유추 사용 전에 진지하게 검토해야 합니다."라고 말합니다.
하나의 간단한 비유를 사용하는 것보다 더 나은 것은 각 사람의 짐을 인식하면서 여러 출처에서 통찰력을 얻는 것일 수 있습니다.
"물론 결국 중요한 것은 설명하고자 하는 자연 현상을 설명하는 데 도움이 되는 결과입니다."라고 Olsson은 말합니다.
"우리는 신념 역동성 모델을 개발하기 위해 비유를 사용하는 것에 대한 몇 가지 지침을 제공합니다. 먼저 매핑한 다음 정량적 모델로 구현합니다. 또한 마찬가지로 중요한 것은 경험적 테스트와 비교를 수행하여 특정 비유에서 영감을 받은 모델이 유용하고 현실적인지 확인하는 것입니다."라고 Galesic은 말합니다.
이상의 기사는 2024년 7월 29일 Phys.org에 게재된 “New research offers insight on modeling belief dynamics”제목의 기사 내용을 편집하여 작성하였습니다.
* 원문정보 출처 : New research offers insight on modeling belief dynamics (phys.org)
* 추가정보 출처 : Analogies for modeling belief dynamics: Trends in Cognitive Sciences (cell.com)