多年来，ThomasMüller教授和Hans Briegel教授一直在研究机器学习模型。他们的模型与其他人工智能(AI)学习模型有很大不同。来自康斯坦茨的哲学家和因斯布鲁克大学的理论物理学家整合了哲学行动理论和量子光学的方法。他们的“投射模拟”学习模型已经成功应用于基础研究。与因斯布鲁克物理学家Katja Ried博士一起，研究人员现在将这种AI模型应用于生物系统的实际应用。当前的科学期刊PLoS One讨论了如何使用学习模型来模拟和再现蝗虫的特定群集行为。
对“更接近生物学”的模型的需求
为了开展他们的跨学科合作研究，科学家利用康斯坦茨卓越集群“集体行为高级研究中心”的蝗虫行为数据，开展了国际领先的集体行为研究，并通过德国卓越资助自2019年开始以来的战略。生物学家特别要求解释集体行为的模型被设计为“更接近生物学”。目前大多数模型都是由物理学家设计的，他们认为相互作用的个体受到物理力的影响。因此，他们不一定将群内的个体视为代理人，而是将其视为诸如网格上的相互作用的磁化单元之类的点。“这些模型在物理学中运作良好，并在那里有很好的经验基础。然而，他们并没有模仿活人之间的互动，“托马斯穆勒说。
AI规则允许代理学习
“投射模拟”是一种学习模型，最初由Hans Briegel开发，基于不以预编程方式对事件做出反应的代理。相反，他们有能力学习。这些“学习代理”被编码为具有不同行为倾向的个体，其通过感知输入和对感觉输入作出反应而与他们的环境相互作用。为此，他们遵循AI规则，允许他们使用以前的个人经验来调整他们的行为。
一方面，这种学习过程涉及基于量子物理的随机过程，在此过程中考虑所有潜在的行动过程。另一方面，强化学习的行动理论原则发挥作用，这是基于奖励某些结果。“如果代理人以有序的方式与其他人一起移动，我们会给予奖励。及时，代理人会意识到：在感知某些事情时，最好以导致奖励的方式作出反应。我们不会预设在特定情况下的正确行动方案，但我们确保通过代理商之间的互动来实现，“ThomasMüller解释道。
学习模型可以重现集体行为
ThomasMüller，Katja Ried和Hans Briegel目前在康斯坦茨大学哲学系担任了三年的访问教授，他将这种学习模式应用于蝗虫特有的和经过充分研究的蜂群行为。在有限的空间中，昆虫的运动行为对应于群体的大小。如果只有少数人，蝗虫会以无序的方式移动。在更大的数量中，它们作为一个整体一起移动。在非常大的数量中，它们作为一个单元并朝着相同的方向移动。由于研究人员最初只对测试他们的学习模型感兴趣，他们利用对蝗虫行为的定性描述来代替原始数据。事实上，他们可以定性地重现蝗虫的行为。
展望未来，托马斯·穆勒认为，该领域的未来研究将受益于动物的大型数据集，例如具有动态行为模式的鱼群。“对鱼类进行建模可能是一个很好但也非常复杂的下一步，使我们的学习模型更加真实，”Müller总结道。
标签：人工智能
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。