레스콜라-와그너 모델

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

레스콜라-와그너 모델은 자극의 연합 학습을 설명하는 모델로, 무조건 자극(US)의 예측 가능성에 따라 학습의 변화가 결정된다고 가정한다. 이 모델은 연합 강도를 단일 숫자로 표현하며, 흥분성 또는 억제성을 나타낸다. 레스콜라-와그너 모델은 간결성과 예측력, 직관적인 이해, 그리고 연구 촉진에 기여하여 널리 활용되었지만, 소거 및 재습득, 조건 억제, 고차 조건화 등 특정 현상에 대한 설명의 한계를 보인다. 또한, 이 모델은 인공지능 및 기계 학습, 한국의 인지과학, 심리학, 교육학 분야에 영향을 미쳤다.

더 읽어볼만한 페이지

심리학 - 정동 (심리학)
정동은 심리학에서 감정가, 각성, 동기적 강도로 구성되며, 표현 방식, 원인, 뇌 과학적 연구와 관련되며 사회적 상호작용에서 중요한 역할을 한다.
심리학 - 불안
불안은 미래의 위협에 대한 반응으로, 다양한 요인에 의해 발생하며 여러 유형으로 분류되고, 불안 장애는 과도한 불안 반응을 특징으로 하며, 치료 방법이 존재한다.

레스콜라-와그너 모델
모델 정보
이름	레스콜라-와그너 모델
분야	조건형성
개발자	로버트 A. 레스콜라 앨런 R. 와그너
개발 연도	1972년
모델 개요
설명	레스콜라-와그너 모델은 동물 학습에서 고전적 조건형성의 예측을 다룬다. 이 모델은 특정 조건형성 시험에서 학습이 없는 경우, 긍정적 조건형성이 있는 경우, 부정적 조건형성이 있는 경우를 설명한다.
주요 아이디어	유기체는 만약 사건이 예상과 다르다면 학습할 것이다.
공식
학습 규칙	ΔV = α * β * (λ - V)
변수 설명	ΔV: 조건 자극의 연관 강도의 변화 α: 조건 자극의 현저성 β: 무조건 자극의 학습률 λ: 무조건 자극의 최대 조건형성 V: 조건 자극의 연관 강도
모델 세부 사항
주요 개념	예상 예측 오차 연관 강도
적용 분야	광고 약물 중독 공포증
참고 자료
참고 문헌	http://users.ipfw.edu/abbott/314/Rescorla2.htm https://doi.org/10.1016/j.neubiorev.2009.11.019

2. 모델의 기본 가정

레스콜라-와그너 모델은 연합 학습의 변화가 어떻게 일어나는지에 대한 몇 가지 기본 가정을 제시한다.

연합 학습 변화의 조건: 학습의 변화는 두 자극이 짝지어질 때 발생하며, 그 정도는 무조건 자극(US)이 얼마나 예상치 못하게 나타나는지, 즉 유기체가 느끼는 '놀라움'에 달려있다. 이 '놀라움'은 해당 시행에 제시된 모든 단서들의 총 연합 강도와 실제 US의 강도 간의 차이로 결정된다. 이는 이전 모델들이 개별 단서의 현재 가치만을 고려했던 것과 다르다.
연합 강도의 표현: 단서의 연합 강도는 하나의 숫자로 표현된다. 이 값이 양수이면 흥분성 연합을, 음수이면 억제성 연합을 나타낸다.
연합 강도와 행동: 자극의 연합 강도는 그 자극이 특정 행동을 유발하거나 억제하는 정도로 직접 표현된다.
상수로서의 현저성과 US 강도: 단서가 주목받는 정도인 현저성(α)과 무조건 자극의 강도(β)는 학습(훈련) 과정 동안 변하지 않는 상수로 간주된다.
현재 연합 강도의 중요성: 단서가 행동에 미치는 영향과 이후 학습의 정도는 오직 현재의 연합 강도에 의해서만 결정된다. 그 강도가 어떤 과정을 통해 형성되었는지(예: 단순 조건화, 재조건화 등)는 중요하지 않다.

이 모델에서 '놀라움'에 기반한 학습 변화의 설명과 연합 강도를 단일 숫자로 표현하는 방식은 새로운 개념이었다. 나머지 세 가정은 이전 모델들에도 존재했으며, 레스콜라-와그너 모델의 새로운 예측에는 상대적으로 덜 중요하게 작용했다.

2. 1. 연합 학습의 변화

학습에서 R-W 모델을 기준으로 수반성과 연합 강도(V), 총강도 (λ)

\Delta V=\alpha\beta (\lambda - \Sigma V)

연합 학습의 변화는 두 자극이 짝지어졌을 때 발생하며, 해당 자극에서 무조건 자극 (US)이 얼마나 강하게 예측되는지에 따라 결정된다. 즉, 유기체가 무조건 자극에 대해 얼마나 "놀라는지"가 학습의 핵심 요인이다. 이러한 "놀라움"의 정도는 해당 시행 동안 제시된 모든 단서들의 연합 강도를 합한 값(ΣV)과 실제 US의 강도(λ) 간의 차이에 의해 결정된다. 이는 이전 모델들이 연합 강도의 변화를 특정 단서의 현재 값만으로 설명하려 했던 것과 대조된다.

단서의 연합 강도는 하나의 숫자로 표현된다. 이 값이 양수이면 흥분성 연합(자극 제시 시 반응 증가)을, 음수이면 억제성 연합(자극 제시 시 반응 감소)을 나타낸다. 자극의 연합 강도는 그 자극이 유발하거나 억제하는 행동으로 직접 표현된다.

레스콜라-와그너 모델의 주요 가정은 다음과 같다:

단서의 현저성 (α)과 무조건 자극의 강도 (β)는 상수이며 훈련 과정에서 변하지 않는다.
단서의 현재 연합 강도만이 행동에 미치는 영향과 학습의 정도를 결정한다. 그 강도가 어떻게 형성되었는지(예: 단순 조건화, 재조건화 등)는 중요하지 않다.

'놀라움'의 개념과 모든 단서의 연합 강도를 종합적으로 고려하는 방식은 레스콜라-와그너 모델에서 새롭게 제시된 핵심 요소이다. 반면, 현저성과 무조건 자극 강도의 불변성, 현재 연합 강도의 중요성 등 다른 가정들은 이전 모델들에도 존재했으며, R-W 모델의 새로운 예측에는 상대적으로 덜 중요하게 작용했다.

2. 2. 연합 강도

\Delta V=\alpha\beta (\lambda - \Sigma V)

레스콜라-와그너 모델에 따르면, 연합 학습의 변화(ΔV)는 두 자극이 함께 제시될 때 발생한다. 이 변화의 크기는 해당 시행에서 무조건 자극(US)이 얼마나 예기치 않게 나타나는지, 즉 유기체가 무조건 자극에 대해 얼마나 "놀라는지"에 따라 결정된다. 이러한 '놀라움'의 정도는 그 시행 동안 제시된 모든 단서들의 총 연합 강도(ΣV)와 실제 무조건 자극의 강도(λ) 간의 차이에 의해 결정된다. 이는 이전 모델들이 단순히 특정 단서의 현재 연합 강도만을 고려했던 것과는 다른 접근 방식이다.

단서의 연합 강도(V)는 하나의 숫자로 표현된다. 이 숫자가 양수(+)이면 그 연합은 흥분성을 의미하며, 특정 반응을 유발하는 경향이 있음을 나타낸다. 반대로 숫자가 음수(-)이면 억제성을 의미하며, 특정 반응을 억제하는 경향이 있음을 나타낸다.

자극의 연합 강도는 해당 자극이 특정 행동을 얼마나 유발하거나 억제하는지를 통해 직접적으로 나타난다.

레스콜라-와그너 모델은 몇 가지 가정을 바탕으로 한다:

단서의 현저성(α)과 무조건 자극의 강도(β)는 학습 과정 동안 변하지 않는 상수로 간주된다.
단서가 행동에 미치는 영향과 앞으로의 학습 정도는 오직 그 단서의 현재 연합 강도에 의해서만 결정된다. 이 강도가 어떤 과정을 통해 형성되었는지(예: 단순 조건화, 재조건화 등)는 중요하지 않다.

이 모델에서 처음 두 가지 가정(연합 강도 변화의 '놀라움' 요인, 현저성과 US 강도의 불변성)은 이전 모델들과 차별화되는 새로운 요소였다. 나머지 가정들은 이전 모델들에서도 유사하게 존재했으며, 레스콜라-와그너 모델의 새로운 예측 능력에는 상대적으로 덜 중요한 역할을 했다.

2. 3. 현저성 및 US 강도

레스콜라-와그너 모델에서 단서의 현저성(α)과 무조건 자극(US)의 강도(β)는 학습 과정에서 중요한 변수로 다뤄진다. 이 모델의 기본 가정에 따르면, 특정 단서가 얼마나 주목을 끄는지 나타내는 현저성(α)과 무조건 자극 자체가 지닌 강도(β)는 훈련 내내 변하지 않는 상수로 간주된다. 즉, 학습이 진행되더라도 단서의 두드러짐이나 무조건 자극의 세기는 일정하게 유지된다고 본다.

2. 4. 행동 및 학습에 미치는 영향

레스콜라-와그너 모델에 따르면, 특정 단서가 현재 지니고 있는 연합 강도만이 그 단서가 행동에 미치는 영향과 앞으로 일어날 학습의 정도를 결정한다. 이 연합 강도가 단순한 조건화를 통해 형성되었는지, 재조건화 과정을 거쳤는지, 혹은 다른 어떤 방식으로 얻어졌는지는 중요하지 않다.

자극의 연합 강도는 해당 자극이 특정 행동을 유발하거나 억제하는 방식으로 직접 표현된다. 이 연합 강도는 하나의 숫자로 나타낼 수 있는데, 이 값이 양수이면 흥분성 연합(행동을 유발하는 경향)을 의미하고, 음수이면 억제성 연합(행동을 억제하는 경향)을 나타낸다.

한편, 학습이 진행되는 동안 단서 자체가 얼마나 두드러지는지 나타내는 현저성(방정식에서 α로 표현)이나 무조건 자극의 강도(방정식에서 β로 표현)는 변하지 않는 상수 값으로 취급된다.

3. 방정식

레스콜라-와그너 모델은 학습 과정에서 조건 자극(CS)과 무조건 자극(US) 사이의 연상 강도 변화를 설명하기 위해 다음과 같은 수학적 방정식을 사용한다.

: $\Delta V=\alpha\beta (\lambda - \Sigma V)$

특정 자극 X에 대한 연상 강도의 변화( $\Delta V_X$ )와 다음 시행에서의 연상 강도( $V^{n+1}_X$ )는 다음과 같이 구체화될 수 있다.

: $\Delta V^{n+1}_X = \alpha_X \beta (\lambda - V_{\mathrm{tot}})$

: $V^{n+1}_X = V^n_X + \Delta V^{n+1}_X$

위 방정식들은 자극의 현저성( $\alpha$ ), 학습 속도( $\beta$ ), 최대 연상 강도( $\lambda$ ), 현재 연상 강도( $V$ ) 등의 요소를 고려하여 연상 강도의 변화를 예측한다. 각 변수의 구체적인 의미와 모델의 작동 방식은 하위 섹션에서 더 자세히 설명된다.

3. 1. 연상 강도 변화

:

\Delta V=\alpha\beta (\lambda - \Sigma V)

:

\Delta V^{n+1}_X = \alpha_X \beta (\lambda - V_{\mathrm{tot}})

그리고

:

V^{n+1}_X = V^n_X + \Delta V^{n+1}_X

여기서

$\Delta V_X$ 는 단일 시행에서 "X"로 표시된 조건 자극(CS)과 무조건 자극(US) 간의 연관 강도의 변화를 나타낸다.
$\alpha$ 는 X의 현저성(0과 1 사이)이다.
$\beta$ 는 US에 대한 속도 매개변수(0과 1 사이)이며, 때로는 그 연상 가치라고도 한다.
$\lambda$ 는 US에 대해 가능한 최대 조건화 값이다.
$V_X$ 는 X의 현재 연상 강도이다.
$V_{\mathrm{tot}}$ 는 존재하는 모든 자극, 즉 X와 기타 자극의 총 연상 강도이다.^[4]

3. 2. 현재 연상 강도

레스콜라-와그너 모델은 다음 수식을 통해 연상 강도의 변화를 설명한다.

:

\Delta V^{n+1}_X = \alpha_X \beta (\lambda - V_{\mathrm{tot}})

그리고 특정 자극 X의 다음 시행에서의 연상 강도는 다음과 같이 계산된다.

:

V^{n+1}_X = V^n_X + \Delta V^{n+1}_X

여기서 각 변수는 다음을 의미한다.

$\Delta V_X$ : 단일 시행에서 "X"로 표시된 조건 자극(CS)과 무조건 자극(US) 간의 연관 강도의 변화량이다.
$\alpha$ : X의 현저성(saliency)으로, 0과 1 사이의 값을 가진다. 이는 특정 자극이 얼마나 두드러지는지를 나타낸다.
$\beta$ : US에 대한 속도 매개변수(rate parameter)로, 0과 1 사이의 값을 가진다. 때로는 그 연상 가치(associative value)라고도 하며, 학습 속도에 영향을 미친다.
$\lambda$ : US에 대해 가능한 최대 조건화 값이다. 즉, 학습이 최대로 이루어졌을 때 도달할 수 있는 연상 강도의 한계치를 의미한다.
$V_X$ : X의 현재 연상 강도이다. 특정 조건 자극에 대해 현재 시점까지 학습된 연상의 정도를 나타낸다.
$V_{\mathrm{tot}}$ : 현재 존재하는 모든 자극, 즉 X와 기타 다른 자극들의 총 연상 강도를 합한 값이다.^[4]

4. Van Hamme과 Wasserman의 수정 모델 (1994)

Van Hamme과 Wasserman은 1994년, 기존의 레스콜라-와그너 모델을 확장하여 새로운 요소를 도입한 수정 모델을 제안했다.^[2] 이 모델의 핵심은 특정 시점에 물리적으로 존재하지 않는 조건 자극(CS)이라도, 다른 자극과의 화합물 내 연합(within-compound association)을 통해 간접적으로 활성화될 경우 연합 가치가 변경될 수 있다는 점이다. 즉, 두 개의 CS가 함께 훈련된 후 하나만 제시되더라도 다른 CS의 표상이 활성화되며, 이때 간접적으로 활성화된 자극은 음(-)의 학습 매개변수를 갖는다고 가정한다. 이러한 수정은 기존 모델로 설명하기 어려웠던 회고적 재평가(retrospective revaluation)나 역 블로킹(backward blocking)과 같은 특정 학습 현상을 이해하는 데 중요한 이론적 기반을 제공한다.

4. 1. 화합물 내 연합

Van Hamme과 Wasserman은 1994년, 기존의 레스콜라-와그너 모델(Rescorla–Wagner model)을 확장하여 새로운 요소를 도입한 수정된 모델을 제안했다.^[2] 이 모델에서는 특정 시점에 물리적으로 존재하는 조건 자극(CS)뿐만 아니라, 해당 시점에 함께 존재하는 다른 CS와의 화합물 내 연합(within-compound association)에 의해서도 CS의 연합 가치가 변경될 수 있다고 본다. 화합물 내 연합은 두 개의 CS가 훈련 과정에서 함께 제시될 때(화합물 자극) 형성된다. 이후 두 CS 중 하나만 단독으로 제시되더라도, 이전에 함께 짝지어졌던 다른 CS의 표상이 간접적으로 활성화된다고 가정한다. Van Hamme과 Wasserman은 이렇게 간접적으로 활성화된 자극은 음(-)의 학습 매개변수를 갖는다고 제안했는데, 이는 회고적 재평가(retrospective revaluation) 현상을 설명하는 데 도움을 준다.

회고적 재평가의 대표적인 예시로 "역 블로킹"(backward blocking)이라는 실험이 있다. (여기서 AB는 화합물 자극 A+B를 의미한다.)

1단계: 화합물 자극 AB와 무조건 자극(US)을 함께 제시한다 (AB–US).
2단계: 자극 A와 US만을 함께 제시한다 (A–US).

실험 결과, 1단계와 2단계를 모두 경험한 그룹은 1단계만 경험한 대조군에 비해 자극 B에 대해 더 약한 조건 반응(CR)을 보인다.

기존의 레스콜라-와그너 모델은 이러한 역 블로킹 효과를 설명하기 어렵다. 하지만 수정된 모델은 이를 설명할 수 있다. 2단계에서 자극 A가 제시될 때, 자극 B는 A와의 화합물 내 연합을 통해 간접적으로 활성화된다. 이때 B는 물리적으로 존재하지 않으므로, 일반적인 양(+)의 학습 매개변수(보통 α라고 함) 대신 음(-)의 학습 매개변수를 갖게 된다. 결과적으로 2단계 훈련 동안 B의 연합 강도는 감소하는 반면, A의 연합 가치는 양의 학습 매개변수에 의해 증가한다.

따라서 수정된 레스콜라-와그너 모델은 역 블로킹 훈련 이후에 자극 B가 유발하는 CR이, AB 화합물 자극만 조건화했을 때보다 약해지는 이유를 설명할 수 있다.

4. 2. 역 블로킹 (Reverse Blocking)

Van Hamme과 Wasserman은 1994년 기존 레스콜라-와그너 모델을 확장하여 새로운 요소를 도입한 수정 모델을 제시했다.^[2] 이들은 특정 시점에 물리적으로 존재하는 조건 자극(CS)뿐만 아니라, 그 자극과 함께 제시되었던 다른 조건 자극과의 연합(화합물 내 연합)을 통해서도 연합 가치가 변경될 수 있다고 보았다. 즉, 두 개의 조건 자극(예: A와 B)이 함께 훈련(화합물 자극 AB)된 후, 나중에 A만 단독으로 제시되어도 이전에 짝지어졌던 B의 표상이 간접적으로 활성화된다는 것이다. Van Hamme과 Wasserman은 이렇게 간접적으로 활성화된 자극은 음의 학습 매개변수를 갖는다고 제안했으며, 이를 통해 '회고적 재평가' 현상을 설명할 수 있다.

회고적 재평가를 보여주는 대표적인 실험 패러다임으로 역 블로킹(Reverse Blocking)이 있다. 실험 과정은 다음과 같다. (AB는 화합물 자극 A+B, US는 무조건 자극)

1단계: AB–US (화합물 자극 AB와 무조건 자극을 함께 제시하여 조건 형성)
2단계: A–US (자극 A만 무조건 자극과 함께 추가로 제시)

이후 검사 시행에서 1단계와 2단계를 모두 경험한 실험 집단은 1단계만 경험한 통제 집단에 비해, 자극 B에 대해 더 약한 조건 반응(CR)을 보인다.

기존의 레스콜라-와그너 모델은 이러한 역 블로킹 효과를 설명하지 못한다. 하지만 수정된 모델은 이를 설명할 수 있다. 2단계에서 자극 A가 제시될 때, 자극 B는 A와의 '화합물 내 연합'을 통해 간접적으로 활성화된다. 수정 모델에 따르면, 이때 간접적으로 활성화된 B는 물리적으로 존재할 때와 달리 음의 학습 매개변수(예: 음수 알파값)를 갖는다. 따라서 2단계 훈련 동안 B의 연합 강도는 오히려 감소하게 되며, 반대로 직접 제시된 A의 연합 강도는 양의 학습 매개변수에 의해 증가한다.

결론적으로, 수정된 레스콜라-와그너 모델은 역 블로킹 훈련 후 B에 대한 조건 반응이 약화되는 이유를 B의 연합 강도가 회고적으로 재평가되어 감소했기 때문이라고 설명한다.

5. 모델의 한계

레스콜라-와그너 모델은 조건 형성의 여러 측면을 설명하는 데 중요한 기여를 했지만, 특정 학습 현상들을 예측하거나 설명하는 데에는 명확한 한계를 보인다. 실험적으로 관찰되는 여러 결과들이 모델의 예측과 일치하지 않는데, 주요 한계점들은 다음과 같다.

소거 이후 나타나는 반응의 자발적 회복이나 재습득 과정의 특성^[3]
조건 억제제의 소거 과정 및 다른 자극과의 상호작용 방식
과거 학습 경험이 이후 학습 속도에 영향을 미치는 현상 (예: 촉진된 재습득)
흥분성 자극과 억제성 자극의 특성이 동시에 나타나는 경우 (예: 역조건화)
조건 자극에 미리 노출되었을 때 학습이 지연되는 잠재적 억제 효과
고차 조건화나 감각 사전 조건화와 같이 여러 자극 간의 관계를 학습하는 복잡한 과정

이러한 현상들은 레스콜라-와그너 모델의 기본 가정만으로는 설명하기 어려우며, 이후 새로운 학습 이론들이 등장하는 배경이 되었다.

5. 1. 소거 및 재습득

레스콜라-와그너 모델(RW 모델)은 조건 형성 과정을 설명하는 데 유용하지만, 소거 및 재습득과 관련된 특정 현상들을 설명하는 데는 한계를 보인다.

'''소거로부터의 자연 회복과 리마인더 처치에 의한 회복(재습득)'''

소거 훈련이 완료된 후 일정 시간이 지나면(휴지 간격), 이전에 사라졌던 조건 반응이 저절로 다시 나타나는 현상이 관찰되는데, 이를 '''자연 회복'''이라고 한다. 일반적으로 자연 회복된 반응의 강도는 소거 훈련 이전보다는 약하다. 또한, 소거가 완료된 후 무조건 자극(US)에 다시 노출시키는 '''리마인더 처치'''를 통해서도 소거되었던 반응이 부분적으로 회복될 수 있으며, 이를 '''재습득'''이라고도 부른다. 실험적으로 잘 확립된 이러한 자연 회복 및 리마인더 처치에 의한 회복 현상을 RW 모델은 제대로 설명하지 못한다.

'''소거 후 촉진된 재습득'''

RW 모델의 기본 가정 중 하나는 조건 자극(CS)이 과거에 어떤 조건화 과정을 거쳤는지는 현재 상태에 영향을 주지 않으며, 오직 현재의 연상 가치만이 중요하다는 것이다. 그러나 많은 실험^[3] 결과는 이 가정과 다르게 나타난다. 한번 조건화되었다가 소거된 경험이 있는 자극은 처음 조건화되는 자극보다 더 빠르게, 즉 더 적은 훈련 횟수만으로도 다시 조건화되는 경향을 보이는데, 이를 '''촉진된 재습득'''이라고 한다. 이러한 현상은 과거의 학습 경험이 이후의 학습 속도에 영향을 미친다는 것을 보여주며, RW 모델의 가정과는 배치된다.

5. 2. 조건 억제제의 소거

레스콜라-와그너 모델은 조건 자극(CS) 중 음의 연상 강도를 가진 조건 억제제를 반복적으로 제시하면, 해당 자극의 억제 효과가 사라지는 소거(음의 연상 가치 감소)가 일어날 것이라고 예측한다. 그러나 이는 실제 실험 결과와는 다른 잘못된 예측이다. 실제 실험에서는 조건 억제제를 반복해서 제시할 경우, 오히려 그 억제 효과(억제 잠재력)가 더 강해지는 현상이 관찰된다.

5. 3. 소거 후 촉진된 재습득

레스콜라-와그너 모델의 가정 중 하나는 조건 자극(CS)의 과거 학습 이력이 현재 상태에 영향을 미치지 않으며, 오직 현재의 연상 가치만이 중요하다는 것이다. 하지만 이러한 가정과는 반대로, 많은 실험^[3]에서는 먼저 조건화되었다가 소거된 자극이 처음 조건화되는 자극보다 더 적은 횟수의 시도만으로도 쉽게 다시 조건화되는 현상, 즉 촉진된 재습득이 관찰된다. 이는 해당 모델이 설명하지 못하는 한계점으로 지적된다.

5. 4. 흥분과 억제의 배타성

레스콜라-와그너 모델은 흥분(excitation)과 억제(inhibition)를 서로 반대되는, 배타적인 특징으로 가정한다. 이 모델에 따르면, 특정 자극은 긍정적인 연상 강도(흥분 잠재력) 또는 부정적인 연상 강도(억제 잠재력) 중 하나만 가질 수 있으며, 두 가지 특성을 동시에 지닐 수는 없다.

그러나 실제 실험 결과에서는 하나의 자극이 흥분성과 억제성 모두를 가질 수 있음이 관찰되기도 한다. 대표적인 예로 역조건화(backward conditioning)가 있다. 이는 일반적인 조건 형성 과정(조건 자극(CS) 제시 후 무조건 자극(US) 제시)과 순서를 바꿔 무조건 자극(US)을 먼저 제시하고 조건 자극(CS)을 나중에 제시하는 방식(US–CS)이다. 역조건화는 일반적으로 CS를 조건 흥분제로 만들지만, 동시에 억제적인 특성도 부여하는 것으로 나타난다.

이러한 억제적 특성은 '획득 지연 테스트'(retardation of acquisition test)를 통해 증명될 수 있다. 이 테스트는 특정 자극이 억제 잠재력을 가지고 있는지 평가하는 방법으로, 만약 어떤 자극이 조건 억제제로 학습되었다면 이후에 그 자극을 조건 흥분제로 만드는 학습이 더디게 진행되는 현상을 관찰한다. 역조건화된 자극은 이 테스트를 통과하는데, 이는 해당 자극이 흥분성과 억제성을 동시에 지니고 있음을 시사한다. 이는 흥분과 억제를 배타적인 것으로 보는 레스콜라-와그너 모델의 기본 가정과 배치되는 결과이다.

5. 5. 새로운 자극과 조건 억제제의 짝짓기

레스콜라-와그너 모델에서는 조건 억제제가 음(-)의 연관 강도를 가진다고 가정한다. 이 모델에 따르면, 조건 억제제를 연관 강도가 0인 새로운 자극과 함께 제시할 경우, 이 새로운 자극이 조건 흥분제가 될 것이라고 예측한다. 하지만 실제 실험 결과는 모델의 예측과 다르게 나타난다.

모델의 이러한 예측은 기본 학습 규칙(ΔV = αβ(λ - V_Σ))에서 비롯된다. 실험 시행에서 존재하는 모든 자극의 합산된 연관 강도(V_Σ)는 새로운 자극(0)과 조건 억제제(음수 값)의 합이므로 음수가 된다. 이때 무조건 자극(US)이 제시되지 않으므로 목표 연관 강도(λ)는 0이다. 결과적으로 연관 강도의 변화량(ΔV)은 양수가 되어, 새로운 자극이 조건 흥분제가 된다는 것을 의미한다. 그러나 실제 실험에서는 이러한 예측과 다른 결과가 관찰된다.

5. 6. CS-노출 전 효과

CS-노출 전 효과(또는 잠재적 억제)는 조건화에 사용될 자극에 미리 노출되면 이후 해당 자극을 이용한 조건화가 더디게 진행되는 현상을 말한다. 이는 실험적으로 잘 관찰되는 결과이다. 레스콜라-와그너 모델은 무조건 자극(US) 없이 새로운 자극(CS)을 제시하는 것의 효과를 예측하지 못하므로, 이러한 CS-노출 전 효과를 설명할 수 없다.

5. 7. 고차 조건화 및 감각 사전 조건화

고차 조건화는 이전에 조건화된 자극(CS1)을 새로운 자극(CS2)과 짝짓는 과정이다(먼저 CS1–US 학습 후, CS2–CS1 학습). 이 과정을 거치면 새로운 자극 CS2도 CS1과 비슷한 반응을 유발하게 된다. 레스콜라-와그너 모델은 CS2–CS1 단계에서는 US(무조건 자극)가 제시되지 않기 때문에 이 현상을 설명하지 못한다. 다만, CS1이 US와 유사한 역할을 한다고 가정하면 모델을 이 현상에 맞게 조정할 수는 있다.

감각 사전 조건화는 먼저 두 개의 새로운 자극을 서로 짝지어 제시하고(CS1–CS2), 이후 그중 하나(CS2)를 US와 짝짓는 과정이다(CS2–US). 그 결과, US와 직접 짝지어지지 않았던 CS1까지도 조건 반응을 유발하는 조건 흥분제가 된다. 레스콜라-와그너 모델은 이 현상 역시 설명하기 어렵다. 왜냐하면 첫 단계인 CS1–CS2 학습에서는 두 자극 모두 초기 연상 가치가 0이고 US도 제시되지 않아(lambda=0), 모델 상으로는 어떤 학습도 일어나지 않아 연상 강도에 변화가 없기 때문이다.

6. 모델의 의의 및 영향

레스콜라-와그너 모델은 여러 요인으로 인해 성공적인 모델로 평가받는다.^[4] 이 모델은 비교적 적은 자유 매개변수와 독립 변수를 사용하면서도 명확한 예측을 생성하고, 실제로 많은 성공적인 예측을 해냈다.^[4] 또한, "예측"이나 "놀라움"과 같은 직관적인 용어를 사용하여 이해하기 쉽고,^[4] 후속 연구를 활발하게 촉진하는 데 기여했다.^[4]

6. 1. 간결성 및 예측력

레스콜라-와그너 모델은 여러 요인 덕분에 성공적인 모델로 평가받는다.^[4] 특히 이 모델은 비교적 적은 수의 자유 매개변수와 독립 변수만을 사용하여 현상을 설명하므로 간결하다는 장점이 있다.^[4] 또한, 명확하고 서열적인 예측을 생성할 수 있는 능력을 갖추고 있으며, 실제로 많은 성공적인 예측을 통해 모델의 유효성을 입증했다.^[4] 더불어 모델이 사용하는 "예측"이나 "놀라움"과 같은 용어는 직관적으로 이해하기 쉬워 연구자들에게 매력적으로 다가갔다는 평가도 있다.^[4]

6. 2. 직관성

레스콜라-와그너 모델은 "예측"과 "놀라움"과 같은 용어로 표현되어 직관적인 매력을 지닌다.^[4]

6. 3. 연구 촉진

레스콜라-와그너 모델은 많은 새로운 발견과 대안 이론의 등장을 이끌어내는 등, 관련 분야의 연구를 상당히 촉진하는 데 기여했다.^[4]

참조

_[1] 논문 Neural Mechanisms Supporting Acquired Phasic Dopamine Responses in Learning: An Integrative Synthesis 2010-04-01
_[2] 논문 Cue competition in causality judgements: The role of nonpresentation of compound stimulus elements http://psych.stanfor[...]
_[3] 논문 Rapid reacquisition in conditioning of the rabbit's nictitating membrane response. 1992
_[4] 논문 Assessment of the Rescorla-Wagner Model https://www.cs.cmu.e[...] American Psychological Association
_[5] 웹인용 The Rescorla-Wagner Model of Classical Conditioning http://users.ipfw.ed[...] 2016-09-17
_[6] 저널 Neural Mechanisms Supporting Acquired Phasic Dopamine Responses in Learning: An Integrative Synthesis 2010-04-01

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com