模仿者動態（replicator dynamic，又稱為複製動態）是學者研究最多的社會學習模型。模仿者動態模型假設個人採取一項行動的機率，等於行動報酬和流行程度的乘積。
圖片來源：Unsplash
編按：一般來說，團體成員的行為，往往傾向跟隨群體。當發現自己的行為、意見與團體出現分歧，便會感受到壓力，促使成員趨向於與群體一致。這樣的「從眾行為」究竟從何而來？
以下為《多模型思維》作者裴吉應用數學模型，討論人們為何總是模仿最多人採用的行動或策略：
有限選項中，人們會學習選擇最佳選項。群體人數無限的模仿者動態模型，會收斂到整個群體都選擇最佳選項。
模仿者動態（replicator dynamic，又稱為複製動態）是學者研究最多的社會學習模型。模仿者動態模型假設個人採取一項行動的機率，等於行動報酬和流行程度的乘積。行動報酬可以想像為獎勵效應（reward effect），流行程度則為從眾效應（conformity effect）。
模仿者動態模型通常會先假設群體的數量無限，下一步則是把採取的行動描述為所有選項的機率分布。在模仿者動態模型的標準結構中，時間以離散方式（不連續的方式）前進，以便藉由機率分布的改變，來呈現學習現象。
舉個例子來說明。我們考量某個家長社群，所有家長都必須在蘋果煎餅、香蕉煎餅和巧克力煎餅之間做選擇。假設所有小孩都有相同偏好，而三種煎餅分別可產生20、10和5的報酬。假設一開始10%的家長做了蘋果煎餅、70%的家長做了香蕉煎餅、20%的家長做了巧克力煎餅，則平均報酬會等於10。應用模仿者公式後，在第二週期選擇這三種選項的機率，各如下表所示：
在第二週期選擇做蘋果煎餅的家長，會是第一週期的兩倍，這是因為蘋果煎餅的報酬為平均報酬的兩倍；而做巧克力煎餅的家長人數則只剩一半，因為做巧克力煎餅的報酬為平均報酬的一半。至於做香蕉煎餅的報酬，因為與平均報酬相等，所以做香蕉煎餅的家長人數維持不變。加總三種選項的改變，會發現平均報酬增加為11.5。
如同先前提到，模仿者動態模型包含從眾效應（愈受歡迎的選項，愈容易被模仿）和獎勵效應。長期下來，主要是獎勵效應影響最終結果，因為高報酬選項的選擇人數占比，相對於低報酬選項會不斷成長。模仿者動態模型中，平均報酬的作用就類似強化學習模型中，會不斷調整到平均報酬的激勵水準。兩者唯一差異在於：模仿者動態模型中為計算群體的平均報酬，而強化學習模型中的激勵水準等於個人的平均報酬。此外，由於群體提供了更大的樣本，路徑依賴對於模仿者動態的影響，會比強化學習還低。
建構模仿者動態模型時，我們假設初始狀態中的每個選項都有人選擇。由於最高報酬的選項永遠會產生高於平均的報酬，而且選擇最高報酬選項的人數也會在各週期逐漸增加，最終，模仿者動態會收斂至整個群體都選擇了最佳選項。 因此，在學習最佳選項的設定下，無論個人學習或社會學習，都會收斂到最高報酬的選項。
