Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Optimal Foraging in Memory Retrieval: Evaluating Random Walks and Metropolis-Hastings Sampling in Modern Semantic Spaces

Created by
  • Haebom
Category
Empty

저자

James Moore

개요

인간의 기억 인출 과정은 생태학적 탐색과 유사하며, 의미적으로 관련된 개념을 탐색하는 방식과 유사하다. 최적 탐색은 Marginal Value Theorem(MVT)를 따르며, 이는 보상이 감소할 때까지 관련 개념을 탐색하고 새로운 클러스터로 전환하는 것을 의미한다. 최신 임베딩 공간이 인간 행동을 일치시키는 알고리즘을 제공하는지 확인하기 위해, 최첨단 임베딩과 이전 의미 유창성 데이터를 사용하여 연구를 진행했다. 그 결과, 임베딩 공간에서 무작위 보행이 최적 탐색 및 MVT와 일치하는 결과를 생성했다. Metropolis-Hastings 샘플링과 같은 복잡한 알고리즘은 인간 행동과 일치하는 결과를 생성하지 못했다.

시사점, 한계점

최신 임베딩은 복잡한 샘플링 메커니즘 없이도 인간의 기억 탐색을 근사할 수 있다.
단순한 샘플링 방법으로도 최적 탐색 역학을 생성할 수 있다.
Metropolis-Hastings 샘플링과 같은 복잡한 알고리즘이 항상 더 나은 모델을 제공하는 것은 아니다.
본 연구는 Hills (2012)의 관점을 지지하며, Abbott (2015)의 관점과는 상반된다.
👍