Accurate mean-field predictions for cognitively grounded social influence dynamics with confirmation bias

技術要約：確証バイアスを伴う認知的に根ざした社会的影響力ダイナミクスの正確な平均場予測

問題提起
集団的な意見ダイナミクスは、しばしば、生の意見ではなく議論の交換をシミュレートする説得的議論（PAT）モデルのような、認知的に詳細なエージェントベースモデル（ABM）を用いてモデリングされる。これらのモデルは、議論のデータに対応するための高いリアリズムと柔軟性を提供する一方で、その高次元性と非線形性ゆえに、解析的な扱いが困難であることが多い。これにより、一般的な理論的洞察を導出したり、安定性解析を行ったり、あるいはこれらの認知メカニズムをより大規模な集団スケールの枠組み（例：疫学モデルや気候モデル）に統合したりすることが制限されている。特に、合意形成から分極化への移行を駆動する確証バイアスの役割に関して、エージェントモデルの認知的リアリズムと、連続的な非線形意見形成の両方を捉えることができる解析的手法の扱いに、明確なギャップが存在する。

手法
著者らは、高次元で認知的に根ざしたPATモデルを、低次元で解析的に扱いやすい平均場（MF）システムへと変換する「KIT削減パイプライン」を提案している。このプロセスは、主に2つのステップで構成される：

1. PATから影響応答関数（IRF）への投影：
   著者らは、離散的な議論交換を行うPATモデルから、連続的な意見ダイナミクスの定式化を導出している。元のPATモデルでは、エージェントは$2M$個の議論（賛成と反対）に対するバイナリの信念を持ち、エージェントの意見$o_i$は、賛成と反対の議論の純計となる。エージェントは議論を交換し、確証バイアス（$\beta$）によって制御される確率に従ってそれらを受け入れる。
   2つの相互作用するエージェントの意見が与えられたとき、期待される意見の変化$E[\Delta o_i | o_i, o_j]$を計算することにより、著者らは影響応答関数（IRF）$f(o_i, o_j)$を導出している。この関数は、ペアワイズの相互作用を期待される意見のドリフトにマッピングし、背後にある信念の文字列を実質的に平均化する。得られるIRFは以下の通りである：
   $$\Delta o_i = \frac{1}{4M} \left[ (o_j - o_i) + \tanh\left(\frac{\beta o_i}{2}\right)(1 - o_i o_j) \right]$$
   この定式化は、特定の議論の構成ではなく、エージェントの現在の意見のみに依存しながら、確証バイアスの非線形効果を捉えている。

2. IRFから平均場（MF）への集約：
   均質な混合を仮定し、連続的なIRFダイナミクスを2コンパートメントの動的システムへと集約する。集団は、平均意見$o_A$と$o_B$を持つ2つのグループAおよびBに分割される。システムは次のように進化する：
   $$\dot{o}_A = (1-p)f(o_A, o_A) + p f(o_A, o_B)$$
   $$\dot{o}_B = p f(o_B, o_A) + (1-p)f(o_B, o_B)$$
   ここで、$p$は相互接触確率を表す（等しいグループサイズの場合、$p=1/2$に設定される）。これにより、システムは2次元のフェーズ空間へと簡約される。著者らは、このシステムのヤコビ行列を利用して、ダイナミクスを「平均モード」と「分極モード」に分離し、平衡状態に対する単純な安定性テストを可能にしている。

主な貢献

• 認知モデルの解析的削減： 本論文は、確証バイアスを伴う複雑で認知的に根ざしたPATモデルが、元のABMの核心的なダイナミクスの特徴を失うことなく、厳密に2次元の平均場システムへと削減できることを示している。
• 安定性と分岐解析： 削減されたシステムにより、完全な安定性解析が可能となる。著者らは、確証バイアス（$\beta$）に関する2つの臨界閾値を特定している：
  1. $\beta^*_1 = 2$：ピッチフォーク分岐。合意平衡$(0,0)$が安定性を失い、分極平衡が出現する（当初は不安定なサドルとして）。
  2. $\beta^*_2 \approx 2.6$：分極平衡が完全に安定なアトラクタとなる第2の分岐。これにより、極端な合意と分極状態の共存が可能になる。
• メカニズムに基づく架け橋： このフレームワークは、個人の動機付けられた情報処理と、集団レベルの意見パターンを繋ぐ明示的なマイクロ・マクロの架け橋を確立している。これは、特定のネットワークトポロジーを抽象化し、固定点と分岐に関する「グローバルでメカニズムレベルの全体像」を提供する。

結果

• 予測の正確性： 元のPAT ABM、削減されたIRFベースのABM、およびMFシステムの間の広範なシミュレーション比較により、驚くべき一致が見られた。MFシステムは、フルABMで観察される集団のダイナミクスと、合意から分極への遷移を正確に再現している。
• 分極の安定性： 元のPATモデルにおいて、二極化はしばしば長期的には極端な合意へと崩壊する準安定状態である。一方、削減されたIRFおよびMFモデルでは、$\beta > \beta^*_2$のとき、分極状態は安定なアトラクタとなる。著者らは、$\beta=0$のとき、削減されたモデルが中程度の合意へと大幅に速く収束することを指摘しており、これは計算効率の向上を示唆している。
• 初期条件と有限サイズ効果： ランダムな初期条件（ランダムな議論の文字列）をMFフェーズ空間に投影することにより、著者らは、なぜ有限の集団が、理論的に合意が安定であっても分極へと収束することが多いのかを説明している。ランダムな初期化は通常、分極状態の吸引圏内に位置する。さらに、議論の数（$M$）を増やすことで、遷移閾値がより高い$\beta$の値へとシフトすることも分析により示されている。

意義と主張
本論文は、認知バイアスがいかに集団的な結果に影響を与えるかについて、「一般的かつメカニズムに基づいた視点」を提供すると主張している。その主要な意義は、複雑な社会的影響プロセスが、単純で扱いやすいフェーズ空間構造を示すことを実証した点にある。

• 理論的有用性： 本フレームワークは、IRFの微分から直接導出されたコンパクトな安定性テストを提供しており、これが異なる社会的影響モデルを比較するための共通言語として機能し、この分野の最前線の課題に対処している。
• 方法論的統合： 著者らは、この削減が、認知的に根ざした意見モデルを、疫学や気象科学で使用される集団スケールのコンパートメントモデルへと統合することを容易にすると主張している。解析的に扱いやすいモジュールを提供することで、意見の分極化や誤情報の拡散が他の動的システム（例：感染症の伝播）とどのように相互作用するかを、フルABMの計算負荷なしに研究することを可能にする。
• 限界： 著者らは、このアプローチが均質な混合と2グループへの分割に依存しており、現実世界のネットワークの不均一性や多次元の意見空間を抽象化していることを認めている。彼らは、今後の研究において、このフレームワークを構造化されたトポロジーや、より微細な初期条件のマッピングへと拡張することを提案している。