合作狩猎所需的脑力比以前想象的要少
名古屋大学的研究人员发现，合作狩猎(即两个或多个捕食者合作捕获猎物)不需要大脑中复杂的认知过程。相反，合作可以基于一套简单的规则和经验而产生。这些发现不仅对理解动物之间合作行为的进化具有重要意义，而且还可能有助于开发协作人工智能 (AI) 系统。此类系统有可能在战术训练情况下充当虚拟伙伴，例如团队运动和驾驶模拟。这项研究发表在eLife上，由 Kazushi Tsutsui、Kazuya Takeda 和 Keisuke Fujii 领导。
过去的研究将合作狩猎与表现出复杂社会行为的哺乳动物联系起来，例如狮子和黑猩猩。然而，在认知能力较差的物种中也发现了类似的行为，例如鳄鱼和鱼。这表明，一种更简单的机制可能是这种合作形式的原因。
为了研究这个难题，Tstsui 和他的同事创建了一个计算模型，其中人工智能代理使用深度强化学习来学习一起狩猎。深度强化学习是一种通过在执行行为后获得奖励来强化行为的过程。研究人员训练算法通过与环境的互动和获得特定动作的奖励来学习。使用深度神经网络，这些算法可以处理位置和速度等输入并做出自主决策。
人工智能捕食者代理通过强化学习功能进行编程，通过一系列状态、动作和奖励与环境互动，学会了在狩猎中合作，目标是选择能够最大化未来奖励的动作。捕食者代理之所以合作，是因为他们行动的有效性以及成功狩猎后在群体中分配奖励(猎物)的预期。
在模拟过程中，人工智能捕食者表现出独特且互补的角色，类似于参与合作狩猎的动物的行为。例如，一个代理会追逐猎物，而另一个代理会伏击猎物。随着捕食者数量的增加，成功率也会提高，狩猎所需的时间也会减少。
在最后的测试中，人工智能代理扮演捕食者的角色，人类参与者扮演猎物。尽管面临最初的困难，例如意外的人类动作造成的混乱，但训练有素的人工智能代理齐心协力捕获了人类猎物。这表明成功的合作狩猎并不需要复杂的认知过程，并表明现实世界中的捕食者也可以通过一套简单的决策规则学会合作。
“我们的捕食者智能体利用强化学习学会了合作，而不需要类似心智理论的复杂认知机制，”Tsutsui 说道。“这表明合作狩猎可以在比以前想象的更广泛的物种中进化。”
研究团队希望他们的发现能为捕食者-猎物动态决策研究带来新的领域研究。此外，该项目还展示了推进合作人工智能系统的潜力，这可能会对其他需要合作解决方案的领域产生积极影响，例如自动驾驶和交通管理。
版权声明：本文由用户上传，如有侵权请联系删除！