• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  Science >> Scienza >  >> Biologia
    La caccia cooperativa richiede meno capacità intellettuali di quanto si pensasse in precedenza
    La caccia cooperativa richiede meno capacità intellettuali di quanto si pensasse in precedenza. Credito:Kazushi Tsutsui

    I ricercatori dell’Università di Nagoya in Giappone hanno scoperto che la caccia cooperativa, in cui due o più predatori collaborano per catturare la preda, non richiede sofisticati processi cognitivi nel cervello. Piuttosto, la cooperazione può emergere sulla base di un semplice insieme di regole ed esperienze.



    Queste scoperte non solo hanno importanti implicazioni per comprendere l’evoluzione del comportamento cooperativo tra gli animali, ma potrebbero anche aiutare a sviluppare sistemi collaborativi di intelligenza artificiale (AI). Tali sistemi hanno il potenziale per fungere da compagni virtuali in situazioni di allenamento tattico, come gli sport di squadra e le simulazioni di guida. Lo studio è stato pubblicato su eLife ed era guidato da Kazushi Tsutsui, Kazuya Takeda e Keisuke Fujii.

    Ricerche precedenti hanno collegato la caccia cooperativa a mammiferi che mostrano comportamenti sociali complessi, come leoni e scimpanzé. Tuttavia, comportamenti simili sono stati riscontrati anche in specie con capacità cognitive meno avanzate, come coccodrilli e pesci. Ciò suggerisce che un meccanismo più semplice potrebbe essere responsabile di questa forma di cooperazione.

    Per indagare su questo enigma, Tsutsui e i suoi collaboratori hanno creato un modello computazionale in cui gli agenti IA imparano a cacciare insieme, utilizzando l’apprendimento profondo per rinforzo. L'apprendimento per rinforzo profondo è un processo in cui i comportamenti vengono rinforzati venendo ricompensati dopo averli eseguiti.

    I ricercatori addestrano algoritmi per apprendere attraverso l’interazione con l’ambiente e ricevendo ricompense per azioni specifiche. Utilizzando reti neurali profonde, questi algoritmi possono elaborare input come posizione e velocità e prendere decisioni autonome.

    Video di esempio in condizioni di un predatore. Credito:eLife (2024). DOI:10.7554/eLife.85694

    Programmati con capacità di apprendimento di rinforzo, gli agenti predatori dell'IA hanno imparato a collaborare nella caccia interagendo con l'ambiente attraverso una sequenza di stati, azioni e ricompense, con l'obiettivo di selezionare azioni che massimizzino le ricompense future. Gli agenti predatori collaboravano per l'efficacia delle loro azioni e per l'anticipazione di una ricompensa (la preda) da dividere tra il gruppo dopo una caccia riuscita.

    Durante le simulazioni, i predatori IA hanno mostrato ruoli distinti e complementari, simili al comportamento degli animali che praticano la caccia cooperativa. Ad esempio, un agente inseguirebbe la preda, mentre un altro tenderebbe un'imboscata. Con l'aumento del numero di predatori, la percentuale di successo è aumentata e il tempo richiesto per la caccia è diminuito.

    In un test finale, gli agenti dell’intelligenza artificiale hanno svolto il ruolo di predatori e i partecipanti umani hanno agito come prede. Nonostante le difficoltà iniziali, come la confusione causata da movimenti umani inaspettati, gli agenti addestrati dall'intelligenza artificiale hanno lavorato insieme e hanno catturato la loro preda umana. Ciò dimostra come la caccia cooperativa di successo non richieda processi cognitivi complessi e suggerisce che i predatori nel mondo reale possono anche imparare a collaborare attraverso un semplice insieme di regole decisionali.

    "I nostri agenti predatori hanno imparato a collaborare utilizzando l'apprendimento per rinforzo, senza richiedere meccanismi cognitivi complessi simili alla teoria della mente", ha detto Tsutsui. "Ciò suggerisce che la caccia cooperativa può evolversi in una gamma di specie più ampia di quanto si pensasse in precedenza."

    Il gruppo di ricerca prevede che le loro scoperte porteranno a nuovi studi sul campo sul processo decisionale nelle dinamiche predatore-preda. Inoltre, questo progetto mostra il potenziale per far avanzare i sistemi di intelligenza artificiale cooperativa, che potrebbero avere effetti positivi in ​​altri settori che richiedono soluzioni collaborative, come la guida autonoma e la gestione del traffico.

    Ulteriori informazioni: Kazushi Tsutsui et al, Caccia collaborativa in agenti artificiali con apprendimento di rinforzo profondo, eLife (2024). DOI:10.7554/eLife.85694

    Informazioni sul giornale: eLife

    Fornito dall'Università di Nagoya




    © Scienza https://it.scienceaq.com