不确定与非均匀世界中的词汇学习随机动力学

我们研究了一个语言学习者在每次说出一个词时都能推断出许多可能含义的条件下，正确识别词汇表中所有词的含义所需的时间。我们表明，当词被独立学习且含义来自非均匀分布时，最基本的跨情境学习形式——即结合多个事件的信息来消除错误含义——可能表现不佳。如果学习者进一步假设没有两个词共享一个共同含义，我们发现了一个相变：在最大效率学习区间，学习时间被缩短到可能的最短时间；而在部分效率区间，错误的候选词含义会在后期持续存在。我们通过将词学习过程等价于一个统计力学问题——枚举词-含义映射空间中的环路——获得了该过程的精确结果。