El profesor Thomas Müller y el profesor Hans Briegel han estado realizando investigaciones sobre un modelo de aprendizaje automático durante varios años. Su modelo difiere significativamente de los modelos alternativos de aprendizaje de inteligencia artificial IA. El filósofo de Konstanz y el físico teórico de la Universidad de Innsbruckintegran métodos de teoría de la acción filosófica y óptica cuántica. Su modelo de aprendizaje de "simulación proyectiva" ya se ha aplicado con éxito en la investigación básica. Junto con la física de Innsbruck, la Dra. Katja Ried, los investigadores ahora han adaptado este modelo de IA para una aplicación realista a los sistemas biológicos.El número actual de la revista científica PLoS One analiza cómo se puede usar el modelo de aprendizaje para modelar y reproducir el comportamiento de enjambre específico de las langostas.
Demanda de modelos que están "más cerca de la biología"
Para llevar a cabo su investigación colaborativa interdisciplinaria, los científicos utilizaron datos sobre el comportamiento de las langostas del "Centro para el Estudio Avanzado del Comportamiento Colectivo" del Grupo de Excelencia en Konstanz, que lleva a cabo una investigación líder internacional sobre el comportamiento colectivo y está siendo financiado a través delEstrategia de excelencia alemana desde principios de 2019. Los biólogos en particular exigen que los modelos que explican el comportamiento colectivo se diseñen para estar "más cerca de la biología". La mayoría de los modelos actuales fueron diseñados por físicos que suponen que las personas que interactúan están influenciadas por una fuerza física.como resultado, no necesariamente perciben a los individuos dentro de los enjambres como agentes, sino como puntos como las unidades de magnetización interactivas en una cuadrícula ". Los modelos funcionan bien en física y tienen una buena base empírica. Sin embargo, no modelanla interacción entre individuos vivos ", dice Thomas Müller.
las reglas de IA permiten que los agentes aprendan
"Projective Simulation" es un modelo de aprendizaje desarrollado originalmente por Hans Briegel y se basa en agentes que no reaccionan a los eventos de forma preprogramada. En cambio, son capaces de aprender. Estos "agentes de aprendizaje" se codifican como individuoscon diferentes disposiciones de comportamiento que interactúan con su entorno al percibir y reaccionar a la información sensorial. Para este propósito, siguen las reglas de IA que les permiten usar sus experiencias individuales anteriores para ajustar sus acciones.
Por un lado, este proceso de aprendizaje implica procesos aleatorios basados en la física cuántica durante los cuales se consideran todos los cursos de acción potenciales. Por otro lado, el principio teórico de la acción del aprendizaje de refuerzo entra en juego, que se basa en recompensar ciertos resultados"Damos una recompensa si el agente se mueve con los demás de una manera ordenada. Con el tiempo, un agente se da cuenta: cuando percibe ciertas cosas, es mejor reaccionar de una manera que conduzca a una recompensa. No lo hacemospredefinimos el curso de acción correcto en una situación particular, pero nos aseguramos de que se logre a través de la interacción entre los agentes ", explica Thomas Müller.
El modelo de aprendizaje puede reproducir el comportamiento colectivo
Thomas Müller, Katja Ried y Hans Briegel, quien actualmente tiene una cátedra visitante de tres años en el Departamento de Filosofía de la Universidad de Konstanz, han aplicado este modelo de aprendizaje al comportamiento de enjambre específico y bien investigado de una langosta.espacio, el comportamiento del movimiento del insecto corresponde al tamaño del enjambre. Si solo hay unos pocos individuos, las langostas se mueven de manera desordenada. En números más grandes, se mueven juntos como una unidad. En números muy grandes, se mueven como ununidad y en la misma dirección. Dado que los investigadores inicialmente estaban interesados en simplemente probar su modelo de aprendizaje, utilizaron una descripción cualitativa del comportamiento de las langostas en lugar de datos en bruto. De esta manera, de hecho, pudieron reproducir cualitativamenteel comportamiento de las langostas.
Mirando hacia el futuro, Thomas Müller cree que la investigación futura en esta área se beneficiará de grandes conjuntos de datos sobre animales, como bancos de peces con sus patrones dinámicos de comportamiento. "El modelado de peces probablemente sería un buen paso, pero también muy complicado.nuestro modelo de aprendizaje aún más realista ", concluye Müller.
Fuente de la historia :
Materiales proporcionados por Universidad de Constanza . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :