在生物和人工鱼类中,社会行为的并行发展

科学领域:

• 人工智能的人工智能是人工智能.
• 计算神经科学是一种计算神经科学.
• 伦理学 伦理学 伦理学

背景情况:

• 反向工程范式,成功地理解视觉,扩展到社会行为.
• 嵌入式人工神经网络 (ANN) 为研究社会发展提供了一种新的方法.

研究的目的:

• 调查通用学习算法是否可以在人工智能中产生复杂的社会行为.
• 在体现的人工智能模型中探索社会偏好和集体行动的发展.

主要方法:

• 人工神经网络在模拟环境中的人工鱼体现.
• 这些人造鱼被训练使用深度强化学习和好奇心驱动的奖励.
• 这些模型在控制的虚拟水箱和自然的海洋世界中进行了测试.

主要成果:

• 人造鱼自发地发展出类似鱼类的社会行为,包括集体运动和群体内/群体外偏好.
• 这些行为被推广到更复杂的自然环境中,证明了模型的稳定性.
• 研究结果表明,内在动机和强化学习是社会行为发展的关键驱动因素.

结论:

• 类似动物的社会行为可以从基本的AI学习原则中出现.
• 嵌入式人工智能模型提供了一个强大的工具,用于逆向设计社会行为的发展基础.
• 这项研究弥合了人工系统中感官处理和集体行动之间的差距.