Event cognition is a core cognitive process that enables humans to segment a continuous stream of experiences into discrete, coherent units (i.e., events) for perception, memory, prediction, and decision-making at a high level. Despite its importance, the role of event cognition in structuring prediction processes has not been extensively explored. In particular, a framework for measuring predictions within the context of event cognition remains underdeveloped. This study addresses this gap by leveraging computational concepts from machine learning to define an event as a segment consisting of a sub-goal state and its corresponding trajectory during prediction. Based on this event unit, the study proposes two key contributions: (1) a human experiment platform designed to collect event unit prediction data and (2) a deep learning-based computational model inspired by event cognition principles. Results from the human experiments reveal that human event unit predictions reflect key aspects of event cognition in terms of (1) segmentation, (2) fine-grained updates of trajectories, and (3) updates of sub-goals. The deep learning model shows similar behavior, segmenting its predictions at boundary states and updating intermediate states between boundary states. Overall, this study offers a pioneering framework for understanding the role of event cognition in predictive processes, offering a benchmark for interactive research between human cognition and machine learning.
이벤트 인지는 인간이 연속적으로 경험한 것을 지각, 기억, 예측 및 의사결정을 큰 그림에서 구조화하기 위해 이산적이고 일관된 단위로 (즉, 이벤트) 나누는 핵심적인 인지 과정이다. 이벤트 인지의 중요성에도 불구하고, 사람이 예측하는 과정에서 어떻게 이벤트로 구조화하는지에 대한 연구는 충분히 이루어지지 않았다. 특히, 이벤트 인지의 맥락에서 예측을 측정하기 위한 체계적인 프레임워크는 미비하다. 따라서 본 연구는 기계 학습에서의 계산적 개념을 활용해, 예측 과정에서 ‘하위 목표 상태와 해당 목표 상태로 도달하는 궤도로 구성된 구획’으로 이벤트를 정의해 이 문제를 해결하고자 한다. 이러한 이벤트 단위를 기반으로, 본 연구는 두 가지를 주요하게 기여한다: (1) 이벤트 단위 예측 데이터를 수집하기 위한 인간 실험 플랫폼, (2) 이벤트 인지 원리에 영감을 받은 딥러닝 기반 계산 모델. 인간 실험의 결과는 인간의 이벤트 단위 예측이 (1) 구획화, (2) 궤도의 세밀한 업데이트, (3) 하위 목표의 업데이트 측면에서 이벤트 인지의 핵심적인 특성을 반영한다는 것을 보인다. 딥러닝 모델 실험에서는 이벤트 경계에서 예측을 구획하고, 경계 상태 간의 중간 상태를 업데이트하는 과정에서 사람 유사한 행동을 보인다. 전반적으로, 본 연구는 예측 과정에서 이벤트 인지의 역할을 이해하기 위한 방법론을 선구적으로 제공하며, 인간의 이벤트 인지 단위 예측과 기계 학습 모델링 간의 상호 연계된 연구를 위한 기준을 제공한다.
