Connect with us

Hi, what are you looking for?

Наука и технологии

Ученые: возможно использование искусственного интеллекта для понимания коллективного поведения

Ученые: возможно использование искусственного интеллекта для понимания коллективного поведения

Профессор Томас Мюллер и профессор Ханс Бригель в течение нескольких лет проводят исследования модели машинного обучения, которая значительно отличается от моделей обучения с альтернативным искусственным интеллектом (ИИ). Философ из Констанца и физик-теоретик из университета Инсбрука объединили методы философской теории действия и квантовой оптики. Их модель обучения «Проективное моделирование» уже успешно применяется в фундаментальных исследованиях.

Ученые: возможно использование искусственного интеллекта для понимания коллективного поведения

Вместе с физиком из Инсбрука доктором Катей Рид, исследователи теперь адаптировали эту модель искусственного интеллекта для реалистичного применения в биологических системах . В текущем выпуске научного журнала PLoS One обсуждается, как модель обучения может быть использована для моделирования и воспроизведения специфического роящегося поведения саранчи.

Спрос на модели, которые «ближе к биологии»

Для проведения своих междисциплинарных совместных исследований ученые использовали данные о поведении саранчи из Центра углубленного изучения коллективного поведения в Констанце, который проводит исследования коллективного поведения. В частности, биологи требуют, чтобы модели, объясняющие коллективное поведение, были «ближе к биологии».

Большинство современных моделей были разработаны физиками, которые предполагают, что на взаимодействующих людей влияет физическая сила. В результате они не обязательно воспринимают людей в роях как агентов, а вместо этого, как точки, такие как взаимодействующие единицы намагниченности на сетке. «Модели хорошо работают в физике и имеют хорошую эмпирическую основу. Однако они не моделируют взаимодействие между живыми людьми», — говорит Томас Мюллер.

Правила ИИ позволяют агентам учиться

Проективное моделирование — это модель обучения, изначально разработанная Хансом Бригелем и основанная на агентах, которые не реагируют на события заранее запрограммированным образом. Вместо этого они способны к обучению. Эти «обучающие агенты» закодированы как индивидуумы с различными поведенческими склонностями, которые взаимодействуют с окружающей средой, воспринимая и реагируя на сенсорный вклад. Для этого они следуют правилам ИИ, которые позволяют им использовать свой предыдущий индивидуальный опыт для корректировки своих действий.

С одной стороны, этот процесс обучения включает в себя случайные процессы, основанные на квантовой физике, во время которых рассматриваются все возможные направления действий. С другой стороны, в действие вступает теоретический принцип действия обучения с подкреплением, который основан на вознаграждении определенных результатов. «Мы даем вознаграждение, если агент движется с другими в упорядоченном порядке. Со временем агент понимает: при восприятии определенных вещей лучше реагировать таким образом, что приведет к вознаграждению. правильный курс действий в конкретной ситуации, но мы гарантируем, что это достигается посредством взаимодействия между агентами », — объясняет Томас Мюллер.

Модель обучения может воспроизводить коллективное поведение

Томас Мюллер, Катя Рид и Ханс Бригель применили эту модель обучения к специфическому и хорошо изученному роящему поведению саранчи. В замкнутом пространстве движение насекомого соответствует размеру роя. Если есть только несколько особей, саранча движется беспорядочно. В больших количествах они движутся вместе как единое целое. В очень большом количестве они движутся как единое целое и в одном направлении. Поскольку исследователи изначально были заинтересованы в простом тестировании своей модели обучения , они использовали качественное описание поведения саранчи вместо необработанных данных. Таким образом, они действительно могли качественно воспроизвести поведение саранчи .

Заглядывая в будущее, Томас Мюллер полагает, что будущие исследования в этой области выиграют от больших массивов данных о животных, таких как стаи рыб с их динамическими поведенческими моделями. «Моделирование рыбы, вероятно, было бы хорошим, но и очень сложным следующим шагом в том, чтобы сделать нашу модель обучения еще более реалистичной», — заключает Мюллер.

Этика искусственного интеллекта: значит учить компьютеры быть хорошими людьми

Теги: ИИ

В тренде