用逆伊辛模型推断文化景观

可能的人类文化空间是巨大的，但某些文化构型比其他构型更符合认知与社会约束。这导致了一个由我们物种在数千年文化演化中所探索的“景观”。但是，这个约束并引导文化演化的适应度景观究竟是什么样子的？能够回答这些问题的机器学习算法通常针对大规模数据集而开发。对于历史记录中发现的稀疏、不一致且不完整的数据的应用受到的关注较少，而标准建议可能导致对边缘化、研究不足或少数群体文化的偏见。我们展示了如何使最小概率流（Minimum Probability Flow）算法和逆伊辛（Inverse Ising）模型——一个受物理学启发的机器学习主力工具——适应这一挑战。一系列自然的扩展——包括缺失数据的动态估计，以及带正则化的交叉验证——使得对底层约束的可靠重建成为可能。我们在一个精心整理的宗教史数据库（Database of Religious History）子集上演示了我们的方法：该子集包含贯穿人类历史、从青铜时代到现今的407个宗教团体的记录。这揭示了一个复杂、崎岖的景观，既有国家认可宗教往往集中的尖锐、明确的山峰，也有可以找到福音宗教、非国家精神实践和神秘宗教的弥散文化泛滥平原。