La regolarità migliora l'apprendibilità dei sistemi numerici ricorsivi

Un nuovo studio che utilizza metodi di Reinforcement Learning conferma che i sistemi numerici ricorsivi regolari, come il conteggio in base 10 dell'inglese, sono più facili da apprendere rispetto a sistemi irregolari ma possibili. La ricerca, pubblicata come preprint su arXiv (2602.21720), si basa su lavori precedenti che collegano le tendenze cross-linguistiche ai bias di apprendimento. L'asimmetria a favore della regolarità emerge sotto l'assunzione che i sistemi numerici siano progettati per generalizzare da dati limitati a rappresentare tutti gli interi esattamente. Per sistemi altamente irregolari, l'apprendibilità è influenzata più dalla lunghezza del segnale che dalla regolarità, suggerendo che pressioni diverse agiscono su parti diverse del sistema. Lo studio fornisce evidenze computazionali del perché la regolarità sia comune nelle lingue umane.