По просьбами хабравчан продолжение части 1
Ни для кого не секрет, что для всего животного мира, в том числе и для человека, присуще целенаправленность поведения, т.е. стремление достичь определённых целей. Для животных — это чаще всего выживание и размножение. В своей работе Бурцев, Гусарев и Редько пытаются с помощью компьютерной модели ответить на вопрос: «Как в принципе целенаправленное поведение могло возникнуть в процессе эволюции жизни на нашей планете?».
В данном проекте авторами используется такое понятие, как мотивация. Ведь мотивация любого живого существа, попадающего в ту или иную ситуацию, стимулирует «правильное» принятие решения. Используя мотивацию, в модели исследуется возможный механизм возникновения целенаправленного поведения в процессе эволюции.
Все действия в модели разворачиваются в одномерной клеточной среде. Время дискретно — т.е. в каждый такт времени выполняется одно действие. В клетках, с определённой вероятностью, вырастает трава. Имеется популяция агентов, у которых есть потребность в энергии, за счёт питания и потребность в размножении. Энергия агента тратится при выполнении следующих действий, причём на выполнение разных действий тратится разное количество энергии:
Каждая потребность агента характеризуется количественно мотивацией. Например, если агент видит рядом другого агента и его энергетический ресурс достаточен для размножения, он маркирует себя, как готовый к размножению, если второй агент делает то же самое — происходит скрещивание. В результате появляется новый агент, который берёт части энергетического ресурса от родителей. Каждый агент имеет свою нейронную сеть, которая имеет специальные входы от мотиваций. За счёт нейронной сети управляется поведение агента и так же происходит эволюция агентов — геном (набор весов нейронной сети) потомка формируется, в результате скрещивания, на основе генома родителей при помощи рекомбинации и мутации. При уменьшении ресурса до нуля — агент умирает. Для анализа было смоделировано два варианта: агенты с мотивацией и агенты без мотиваций. Так же были заданны разные параметры Р — вероятность случайного появление травы в каждый так времени. Конечные результаты показали, что популяция агентов, имеющих мотивации гораздо лучше приспосабливается к окружающей среде, причём при среднем количестве пищи (Р=1/200) популяция агентов с мотивацией «находит» достаточно эффективную стратегию выживания, а популяция без мотиваций вымирает полностью.
Результаты логичны и весьма понятны, ведь для агента без мотивации, только и остаётся, что при виде пищи съесть её, при виде соседа — скреститься с ним, а при отсутствии всего, стоять и ничего не делать (отдыхать), что и приводит агентов к неминуемой гибели, при малом или среднем количестве пищи. Когда же у агента появляется мотивация, в процессе эволюции агент начинает действовать примерно по такой схеме: мало ресурса — искать пищу или отдыхать, много ресурса — выполнять любые действия. За счёт данной схемы популяция выживает намного эффективнее, чем при случае без мотиваций.
Многие, наблюдая за поведением муравьев, обращают внимание на работу муравьев. Добывая еду, они относят её в муравейник, где она обрабатывается и поедается всеми членами колонии. У многих видов муравьев наблюдается высокая степень координации и сотрудничества между «добытчиками» (обычно посредством феромонной передачи информации).
«Муравьиная ферма» имитирует эволюцию комплексного поведения у искусственных организмов. В ней рассматривается организмы, которые живут и воспроизводятся в относительно сложной среде, со множеством чувств (внутренних и внешних), и большим набором возможных действий в каждый момент времени. Причем, каждый муравей обладает памятью, а, следовательно, его поведение зависит и от его истории. В течение жизни каждый муравей рождается, успевает сделать тысячи различных решений и действий, оставляет потомство (это зависит от поведения организма на протяжении всей его жизни), и со временем умирает.
Кстати, модель AntFarm была разработана на языке CM++ на базе суперкомпьютера Connection Machine 2, который специализируется на разработках в области Искусственного Интеллекта.
UPD Статья, на английском. В ней более или менее подробно описывается модель Коллинса и Джеферсона — AntFarm.
Кузнечик
Авторы: М. С. Бурцев, Р. В. Гусарев, В. Г. Редько, 2002
Ни для кого не секрет, что для всего животного мира, в том числе и для человека, присуще целенаправленность поведения, т.е. стремление достичь определённых целей. Для животных — это чаще всего выживание и размножение. В своей работе Бурцев, Гусарев и Редько пытаются с помощью компьютерной модели ответить на вопрос: «Как в принципе целенаправленное поведение могло возникнуть в процессе эволюции жизни на нашей планете?».
В данном проекте авторами используется такое понятие, как мотивация. Ведь мотивация любого живого существа, попадающего в ту или иную ситуацию, стимулирует «правильное» принятие решения. Используя мотивацию, в модели исследуется возможный механизм возникновения целенаправленного поведения в процессе эволюции.
Все действия в модели разворачиваются в одномерной клеточной среде. Время дискретно — т.е. в каждый такт времени выполняется одно действие. В клетках, с определённой вероятностью, вырастает трава. Имеется популяция агентов, у которых есть потребность в энергии, за счёт питания и потребность в размножении. Энергия агента тратится при выполнении следующих действий, причём на выполнение разных действий тратится разное количество энергии:
- Быть в состоянии покоя (отдыхать) — наименьшее количество энергии;
- Есть (пополнять свой энергетический ресурс) — в два раза больше энергии;
- Двигаться, т.е. перемещаться на одну клетку вправо или влево — ещё в два раза больше затрат энергии, чем на питание;
- Прыгать через несколько клеток в случайную сторону — в 5 раз больше затрат чем при движении;
- Скрещиваться — так же, в 5 раз больше затрат энергии чем при движении.
Каждая потребность агента характеризуется количественно мотивацией. Например, если агент видит рядом другого агента и его энергетический ресурс достаточен для размножения, он маркирует себя, как готовый к размножению, если второй агент делает то же самое — происходит скрещивание. В результате появляется новый агент, который берёт части энергетического ресурса от родителей. Каждый агент имеет свою нейронную сеть, которая имеет специальные входы от мотиваций. За счёт нейронной сети управляется поведение агента и так же происходит эволюция агентов — геном (набор весов нейронной сети) потомка формируется, в результате скрещивания, на основе генома родителей при помощи рекомбинации и мутации. При уменьшении ресурса до нуля — агент умирает. Для анализа было смоделировано два варианта: агенты с мотивацией и агенты без мотиваций. Так же были заданны разные параметры Р — вероятность случайного появление травы в каждый так времени. Конечные результаты показали, что популяция агентов, имеющих мотивации гораздо лучше приспосабливается к окружающей среде, причём при среднем количестве пищи (Р=1/200) популяция агентов с мотивацией «находит» достаточно эффективную стратегию выживания, а популяция без мотиваций вымирает полностью.
Результаты логичны и весьма понятны, ведь для агента без мотивации, только и остаётся, что при виде пищи съесть её, при виде соседа — скреститься с ним, а при отсутствии всего, стоять и ничего не делать (отдыхать), что и приводит агентов к неминуемой гибели, при малом или среднем количестве пищи. Когда же у агента появляется мотивация, в процессе эволюции агент начинает действовать примерно по такой схеме: мало ресурса — искать пищу или отдыхать, много ресурса — выполнять любые действия. За счёт данной схемы популяция выживает намного эффективнее, чем при случае без мотиваций.
AntFarm
Авторы: Robert J. Collins, David R. Jefferson, 1991
Многие, наблюдая за поведением муравьев, обращают внимание на работу муравьев. Добывая еду, они относят её в муравейник, где она обрабатывается и поедается всеми членами колонии. У многих видов муравьев наблюдается высокая степень координации и сотрудничества между «добытчиками» (обычно посредством феромонной передачи информации).
«Муравьиная ферма» имитирует эволюцию комплексного поведения у искусственных организмов. В ней рассматривается организмы, которые живут и воспроизводятся в относительно сложной среде, со множеством чувств (внутренних и внешних), и большим набором возможных действий в каждый момент времени. Причем, каждый муравей обладает памятью, а, следовательно, его поведение зависит и от его истории. В течение жизни каждый муравей рождается, успевает сделать тысячи различных решений и действий, оставляет потомство (это зависит от поведения организма на протяжении всей его жизни), и со временем умирает.
Кстати, модель AntFarm была разработана на языке CM++ на базе суперкомпьютера Connection Machine 2, который специализируется на разработках в области Искусственного Интеллекта.
UPD Статья, на английском. В ней более или менее подробно описывается модель Коллинса и Джеферсона — AntFarm.
- Часть 1 (PolyWorld, Interaction between learning and Evolution)
- Часть 2 (Кузнечик, AntFarm)
- Часть 3 — coming soon...