arXiv (Neural Computing)AI
フィットネス関数なしで自己組織化するエージェントの進化:制約駆動選択から発生的エンコーディングへの3つの反証可能な実験
Evolving Self-Organising Agents Without Fitness: Three Falsifiable Experiments from Constraint-Driven Selection to Developmental Encoding
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
生物の発達に特徴的な進化ダイナミクスは、デザイナーが指定したフィットネス関数なしで生じることができるのか。この根本的な問いに対する答えを探るため、研究者たちはGenesisというプラットフォームを開発しました。このシステムでは、エージェントがGray-Scott反応拡散基質の上に存在し、物理的制約のみの下で進化します。
研究チームは3つの連続した実験サイクルを実施し、それぞれが1つの反証可能な仮説をテストしました。第一の実験では、フィットネス関数を完全に削除した後も制約駆動選択が進化活動を維持することが示されました。しかし同時に、表現型の複雑さが明確な上限に達することも明らかになりました。第二の実験では、エージェントが化学物質の分泌を通じてニッチ構築を行うことが実際に起こることを確認しましたが、この現象だけではその複雑さの上限を突破するには不十分であることがわかりました。
第三の実験では重要な転換が起きました。固定されたアルファベットのゲノムを、Compositional Pattern Producing Network(CPPN)という間接的エンコーディングに置き換え、NEAT様の種分化によって保護することにより、フィットネス関数のない系における段階的な構造複雑化の初めての証拠が得られたのです。この研究は否定的な結果をも失敗ではなく、精密で有用な答えとして扱い、反証可能な診断ツールと、あらゆるオープンエンド進化評価パイプラインに適用可能なシャム対照プロトコルを提供しています。