Исследователи из Университета Нагои в Японии обнаружили, что совместная охота, при которой два или более хищника сотрудничают для поимки добычи, не требует сложных когнитивных процессов в мозгу. Скорее, сотрудничество может возникнуть на основе простого набора правил и опыта.
Эти результаты не только имеют важное значение для понимания эволюции кооперативного поведения среди животных, но также могут помочь в разработке совместных систем искусственного интеллекта (ИИ). Такие системы могут служить виртуальными компаньонами в ситуациях тактических тренировок, таких как командные виды спорта и симуляции вождения. Исследование под руководством Кадзуши Цуцуи, Казуя Такеда и Кейсуке Фуджи было опубликовано в eLife.
Предыдущие исследования связывали совместную охоту с млекопитающими, которые демонстрируют сложное социальное поведение, такими как львы и шимпанзе. Однако подобное поведение было обнаружено и у видов с менее развитыми когнитивными способностями, таких как крокодилы и рыбы. Это предполагает, что за такую форму сотрудничества может отвечать более простой механизм.
Чтобы исследовать эту загадку, Цуцуи и его коллеги создали вычислительную модель, в которой агенты ИИ учатся охотиться вместе, используя глубокое обучение с подкреплением. Глубокое обучение с подкреплением — это процесс, в котором поведение подкрепляется вознаграждением за его выполнение.
Исследователи обучают алгоритмы обучению посредством взаимодействия с окружающей средой и получения вознаграждений за определенные действия. Используя глубокие нейронные сети, эти алгоритмы могут обрабатывать входные данные, такие как положение и скорость, и принимать автономные решения.
Запрограммированные на возможности обучения с подкреплением, агенты-хищники ИИ научились сотрудничать в охоте, взаимодействуя с окружающей средой посредством последовательности состояний, действий и вознаграждений с целью выбора действий, которые максимизируют будущие награды. Агенты-хищники сотрудничали из-за эффективности своих действий и ожидания награды (добычи), которая будет разделена между группой после успешной охоты.
Во время моделирования ИИ- хищники демонстрировали различные и взаимодополняющие роли, подобные поведению животных, участвующих в совместной охоте. Например, один агент будет преследовать добычу, а другой устраивает на нее засаду. По мере увеличения количества хищников вероятность успеха увеличивалась, а время, необходимое для охоты, уменьшалось.
В последнем тесте агенты ИИ играли роль хищников, а участники-люди выступали в роли добычи. Несмотря на первоначальные трудности, такие как замешательство, вызванное неожиданными движениями людей, обученные агенты ИИ работали вместе и поймали свою человеческую добычу. Это показывает, что успешная совместная охота не требует сложных когнитивных процессов, и предполагает, что хищники в реальном мире также могут научиться сотрудничать с помощью простого набора правил принятия решений.
«Наши агенты-хищники научились сотрудничать, используя обучение с подкреплением, без необходимости использования сложных когнитивных механизмов, подобных теории разума», — сказал Цуцуи. «Это говорит о том, что совместная охота может развиваться среди более широкого круга видов, чем считалось ранее».
Исследовательская группа ожидает, что их открытия приведут к новым полевым исследованиям принятия решений в динамике «хищник-жертва». Более того, этот проект демонстрирует потенциал для развития совместных систем искусственного интеллекта, которые могут иметь положительный эффект в других областях, требующих совместных решений, таких как автономное вождение и управление дорожным движением.
