在使用多剂深度强化学习的弱电鱼中理解电通信和电感应

科学领域:

• 神经伦理学 神经伦理学
• 计算神经科学是一种神经科学.
• 人工智能的人工智能

背景情况:

• 弱电鱼 (如Gnathonemus petersii) 使用电信号进行传感和通信.
• 在自然环境中研究它们复杂的行为在实验上是很困难的.

研究的目的:

• 开发一种新的计算框架,用于研究弱电鱼的电感和电通信.
• 使用人工智能来建模新兴的社会行为和神经活动.

主要方法:

• 基于循环神经网络 (RNN) 的人工智能被训练使用多智能强化学习 (MARL).
• 代理人在虚拟环境中调节器官电放电 (EOD) 和运动模式,用于集体食.
• 进化启发的奖励专注于个人健康和新兴的互动.

主要成果:

• 训练有素的特工表现出与真实鱼类相似的新兴行为,包括重尾EOD间隔分布和上下文依赖的EOD转移.
• 观察到社交互动模式,如"自由充电",其中代理人减少了EOD率,同时从其他人中受益.
• 一个两个鱼的模拟突出了同类型的EOD的重要性,以及在食成功中的主导地位.

结论:

• 该计算框架成功模拟了弱电鱼的复杂的社会和沟通行为.
• 这种方法为研究社会动物提供了一个可行的替代方案,当传统的多个体记录是不可行的.
• 这些发现促进了对不同动物群体神经伦理学和社会沟通的理解.