[論文レビュー] On The Existence Of Parallel Computation In Nature

Nabarun Mondal, Partha Ghosh|arXiv (Cornell University)|Mar 31, 2013

Computability, Logic, AI Algorithms被引用数 1

ひとこと要約

本稿では、動的に変更可能なルールテーブル（追加・削除のみ）を備えたチューリングマシンを用いた自律学習の形式的モデルを提案し、このモデルの並列実装が進化的に安定していることを示している。主な貢献は、自然界における並列計算の広がりを、汎用的学習における進化的優位性として説明することにある。

ABSTRACT

There are enormous amount of examples of Computation in nature, exemplified across multiple species in biology. One crucial aim for these computations across all life forms their ability to learn and thereby increase the chance of their survival. In the current paper a formal definition of autonomous learning is proposed. From that definition we establish a Turing Machine model for learning, where rule tables can be added or deleted, but can not be modified. Sequential and parallel implementations of this model are discussed. It is found that for general purpose learning based on this model, the implementations capable of parallel execution would be evolutionarily stable. This is proposed to be of the reasons why in Nature parallelism in computation is found in abundance.

研究の動機と目的

• 生物的システムにおける自律学習を計算プロセスとして形式化すること。
• ルールテーブルを変更可能にするが、内容の変更は不可とするチューリングマシンモデルを構築し、生物学的学習を反映すること。
• この学習モデルの逐次的および並列的実装の進化的安定性を分析すること。
• 計算的安定性と学習における効率性を通じて、自然界における並列計算の多さを説明すること。

提案手法

• 経験を通じて生存確率を向上させるためにルールを適応的に変更するプロセスとして自律学習を定義すること。
• 内容の変更は不可だが、追加・削除が可能な動的ルールテーブルを備えたチューリングマシンの変種を設計すること。
• 学習マシンの逐次的および並列的実行モデルを形式化し、計算効率および安定性を比較すること。
• 進化的安定性理論を用いて、選択圧の下で、どの実装（逐次的か並列的か）がより強固であるかを評価すること。
• 一般用途のシナリオにおいて、並列実行がより速く信頼性の高い学習を可能にする条件を分析すること。

実験結果

リサーチクエスチョン

• RQ1 生物的システムにおける自律学習を特徴づける形式的特性は何か？
• RQ2 チューリングマシンモデルは、生物学的学習に見られる動的ルール変更をどのように捉えることができるか？
• RQ3 一般用途の学習の文脈において、なぜ並列計算が進化的に安定なのか？
• RQ4 この学習モデルにおいて、並列実行が逐次実行よりも計算的にどのような利点をもたらすか？

主な発見

• 動的ルール追加・削除を許容する提案された学習モデルは、生物的システムにおける汎用的学習を支持する。
• この学習モデルの並列的実装は、逐次の実装よりも高い進化的安定性を示す。
• 並列実行による学習のスケーリング能力は、複雑な環境下での生存確率を高める。
• 本モデルは、自然界における並列計算の広範な存在を、効率的学習のための進化的適応として説明できる。