Graded strength of comparative illusions is explained by Bayesian inference

技術的要約：ベイズ推論によって説明される比較錯覚の段階的な強さ

問題
比較錯覚（Comparative Illusions: CIs）は、理解者が意味的に不適切な文を、自然であると誤認してしまう言語現象である（例：More students have been to Russia than I have）。この文は、than節が比較可能な程度を提供していないため意味をなさないが、理解者はこれを自然であると判断することが多い。先行研究は、CIsが「ノイズ・チャネル（noisy-channel）」推論の結果であるという説を提唱してきた。これは、理解者が、破損した信号（$s_p$）から話し手の意図された意味（$s_i$）を推論するために、ベイズ推論を用いているという考え方である。事後確率 $p(s_i|s_p)$ は、意図された意味の事前確率 $p(s_i)$ と、破損の尤度 $p(s_p|s_i)$ に比例する。

しかし、この理論に対するこれまでの実証的根拠（例：Zhang et al., 2025）には、以下のような重大な限界があった：

1. 事後分布全体を定量的にモデル化しておらず、事前確率（$p(s_i)$）を考慮できていなかった。
2. 最も錯覚が強いCIタイプ（代名詞主語）に焦点を当てており、他のCIタイプ（完全な名詞句主語など）に見られる段階的な錯覚の強さを説明できなかった。
3. 形態統語論的な変異（例：代名詞か名詞句か、単数か複数か）が錯覚の強さにどのように影響するかを予測するための、統一された定量的枠組みを欠いていた。

方法論
著者らは、ノイズ・チャネル仮説を定量的に検証するため、2つの実験と統計モデリングを実施した。

• 実験1（受容性判断）：

  • 参加者： ネイティブ英語話者494名（先行研究の10倍の規模）。
  • 設計： than節の主語に関する「形式（代名詞 vs 名詞句）」および「数（単数 vs 複数）」の2x2被験者内計画。
  • タスク： 参加者は、30個の決定的なCI文とコントロール文に対し、7段階のリッカート尺度を用いて自然さを評価した。
  • 目的： さまざまなCIタイプにおける錯覚の強さの段階的なベースラインを確立すること。

• 実験2（文章修正）：

  • 参加者： ネイティブ英語話者199名。
  • タスク： 参加者はエディターとして、実験1の異常なCI文を、妥当で意味のある文へと変えるために、最小限の編集を行う。
  • 分析：
    • 定性的分析： 修正された文を、解釈のタイプ（例：「事象比較」、「個体比較」、「事象否定」）に分類した。
    • 定量的分析： 元の異常な文と修正後の文の間のダメラウ・レベンシュタイン距離（DLD）を算出し、これをノイズの尤度 $p(s_p|s_i)$ のプロキシ（代理指標）とした。

• 統計モデリング：

  • 事後確率の近似： 著者らは、ベイズの定理を用いて、ノイズ・チャネルの事後確率 $p(s_i|s_p)$ の定量的近似を構築した：
    $$\hat{p}(s_i|s_p) = \frac{\hat{p}(s_i)\hat{p}(s_p|s_i)}{\hat{p}(s_p)}$$
    • 事前確率 ($\hat{p}(s_i)$) および証拠 ($\hat{p}(s_p)$)： 2つの統計的言語モデル（GPT-2 SmallおよびOPT）による文の確率を用いて推定。
    • 尤度 ($\hat{p}(s_p|s_i)$)： 実験2の編集距離に基づき、$e^{-\text{DLD}}$ に比例するものとして推定。
  • 連結関数： 事後確率が受容性にどのように影響するかについて、2つの仮説を検証した：
    • Max Link ($f_{max}$): 受容性は、単一の最も確率の高い解釈によって駆動される。
    • Mean Link ($f_{mean}$): 受容性は、複数の妥当な解釈の平均確率によって駆動される。
  • 回帰： 実験1の受容性評価を予測するために、ベイズ・マルチレベル累積順序回帰モデルを用いた。モデルには、構文論的対数オッズ比（SLOR）、試行順序、およびベースラインのコントロール文の受容性を制御変数として含めた。

主な貢献

1. 再現と拡張： 本研究は、CIsが適切（felicitous）なコントロール文と同程度に高い受容性を持つという中核的な知見を再現すると同時に、段階的な錯覚の強さを示すことで範囲を大幅に拡大した。具体的には、単数代名詞主語が最も強い錯覚を生み出し、複数名詞句は弱い錯覚を生むことを示した。
2. 事後分布の定量的モデリング： 著者らは、統計的言語モデルの確率と人間の行動的な編集データを統合することにより、CIsに対するノイズ・チャネル事後分布の最初の定量的近似を提供した。
3. 段階的効果の予測： 定量モデルは、形態統語論的な条件（代名詞か名詞句か、単数か複数か）による錯覚の強さの変動を、成功裏に予測した。これは従来の理論では説明できなかった現象である。
4. 統合メカニズムの特定： 著者らは、平均連結関数（mean linking function）（複数の妥当な解釈を集計する）が、最大連結関数（max linking function）（単一の最も可能性の高い解釈に依存する）よりも、人間の受容性判断を予測する上で優れていることを特定した。

結果

• 行動学的知見： 実験1は、単数代名詞のCIはコントロール文と区別がつかないほど高い受容性を示す一方で、複数代名詞および名詞句の条件では、受容性が段階的に低下することを確認した。
• 修正パターン： 実験2は、約80%の修正が「妥当」であり、「事象比較」と「個体比較」が支配的な解釈であることを明らかにした。
• モデルの性能：
  • ノイズ・チャネル事後確率の推定値は、強力なコントロール（SLOR、順序、ベースライン）を超えて、CIの受容性を有意に予測した。
  • 平均連結関数 ($f_{mean}$) が最良の適合を示し、受容性が単一の最も可能性の高い解釈ではなく、複数の妥当な解釈の集合的な確率に影響されることを示した。
  • この結果は、2つの異なる言語モデル（GPT-2 SmallおよびOPT）と2つのデータセット（本研究およびZhang et al., 2025の公開データセット）の両方で成立した。
  • 最大連結関数 ($f_{max}$) の予測力は弱く、平均関数と共に含めるとしばしば負の係数を示した。これは、「最良の」単一の解釈だけではデータを説明するには不十分であることを示唆している。

意義と主張
本論文は、これらの知見が、言語理解の統一的な計算レベルの理論としてのノイズ・チャネル推論に対する強力な実証的根拠を提供すると主張している。具体的には：

• 錯覚の合理性： 本研究は、CIsが単なる処理の失敗（例：「十分に良い（good-enough）」処理や浅いヒューリスティクス）ではなく、ベイズ最適的な文解釈を反映していると論じている。理解者の脳は、ノイズを含む感覚入力とトップダウンの事前知識を統合することで、正しく機能しているのである。
• 統一理論： 結果は、他の言語的錯覚や非錯覚的な文脈からの証拠とも一致しており、ノイズ・チャネル推論が多様な言語処理現象の一般的なメカニズムであることを示唆している。
• 方法論的進展： 本研究は、受容性判断が二値的な文法性の判断を超えて、確率的な文処理の豊かな空間を捉えていることを示している。また、統計的言語モデルと行動データを組み合わせることで、人間の推論プロセスを近似できることを検証した。
• 「十分に良い」処理との区別： 「十分に良い」処理（アルゴリズム・レベル）とノイズ・チャネル推論（計算レベル）が両立し得ることを認めつつ、著者らは、錯覚の段階的な性質は、認知的な努力の制約のみではなく、ベイズ推論の数学的構造（事後確率分布）によって最もよく説明されることを強調している。

著者らは、使用された特定のノイズモデル（DLDに基づくもの）や解釈の正確な時間的ダイナミクスについては謙虚な姿勢を保ち、ノイズの尤度項や事後確率と行動指標の間の連結関数を精緻化するために今後の研究が必要であると述べている。しかし、錯覚の強さが段階的に変化する様子が、妥当な代替解釈の定量的事後確率を追跡しているという核心的な発見は、ノイズ・チャネル理論の強固な確認であると断言している。