「集団行動のデコード：アクティブなベイズ推論が動物グループの自然な移動を支える方法」

Decoding Collective Behavior How Active Bayesian Inference Supports Natural Movement in Animal Groups

群れるバッタ、群れる魚、群れる鳥、群れる有蹄類などの動物の集団運動現象は、視覚的に魅力的な特性と、群れのメンバー間の単純な相互作用から生じるという点で広範に研究されています。最近の研究は、個々の行動を制御する特定の行動回路と意思決定規則をモデル化するための、生物学的に動機づけられたエージェントベースのアプローチに焦点を当てています。研究者たちは、主観的な推論に基づくモデルを設計し、理論的な側面と生物学的な側面を結びつけています。

このモデルクラスは、認知および物理学的な観点を統一し、適応的な行動の包括的な理解を提供します。個々の距離を推定し、その詳細を使用して意思決定を行う方法に焦点を当てています。このモデルには2つのパートがあります。時間とともに距離が変化する動的モデルと、個体がこれらの距離を感知する方法を説明する観察モデルです。アクティブ推論は、驚きを最小限に抑えるために信念と行動を更新します。

このモデルは、予測と感覚出力特徴によって駆動される単純なアクションから複雑な行動が生じる方法を強調しています。一部のシナリオでは、引力、反発、整列などの伝統的な力ベクトルに収束し、自由エネルギー関数として導出され、驚きの上限として機能します。行動の可塑性は、一時的な変動を強化し共同的に表現するのに役立つ重要なメカニズムです。特定の結果に対して追加のルールやメカニズムを使用するのではなく、可塑性はモデルパラメータの自由エネルギーに対して勾配降下を行うことを含みます。このメカニズムはアクティブ推論に統合されており、モデルパラメータの更新にその適用範囲を広げています。

• このAI論文では、これらの課題に対処しながらMoEsの利点を維持するために、完全に微分可能な疎なTransformerであるSoft MoEを提案しています
• 「生成モデルを本番環境に展開する際の3つの課題」
• 「Javaプログラミングの未来：2023年に注目すべき5つのトレンド」

研究者たちは、彼らの研究が集団動物行動の既存の理論モデルと、アクティブ推論やベイズ脳フレームワークなどの神経科学/機械学習に関連する分野とのつながりとなることを期待しています。また、彼らは選択したモデルが、集団システムで観察される主要な属性を説明し、追加のメカニズムを介さずにモデル化するのに苦労していた情報の強化とデコードの能力を効果的に再現することを強調しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!