[論文レビュー] Social Cognitive Maps, Swarm Perception and Distributed Search on Dynamic Landscapes

Vitorino Ramos, Carlos M. Fernandes+1 more|ArXiv.org|Feb 24, 2005

Cognitive Science and Education Research参考文献 39被引用数 3

ひとこと要約

本稿では、社会的認知地図とスウォーム感知を用いた分散型集団知能のモデルを提案し、動的で変化し続ける環境において、エージェントの集団が適応的かつ最適化的に探索できる仕組みを実現する。ステイグメルジー、局所的相互作用、フィードバックループを活用することで、集団は急激な環境変化に対しても迅速に適応可能であり、特に矛盾する目的が同時に発生しても、中央集権的制御なしに強固な自己組織化を示す。

ABSTRACT

Swarm Intelligence (SI) is the property of a system whereby the collective behaviors of (unsophisticated) entities interacting locally with their environment cause coherent functional global patterns to emerge. SI provides a basis with which it is possible to explore collective (or distributed) problem solving without centralized control or the provision of a global model. To tackle the formation of a coherent social collective intelligence from individual behaviors, we discuss several concepts related to self-organization, stigmergy and social foraging in animals. Then, in a more abstract level we suggest and stress the role played not only by the environmental media as a driving force for societal learning, as well as by positive and negative feedbacks produced by the many interactions among agents. Finally, presenting a simple model based on the above features, we will address the collective adaptation of a social community to a cultural (environmental, contextual) or media informational dynamical landscape, represented here - for the purpose of different experiments - by several three-dimensional mathematical functions that suddenly change over time. Results indicate that the collective intelligence is able to cope and quickly adapt to unforeseen situations even when over the same cooperative foraging period, the community is requested to deal with two different and contradictory purposes. KEYWORDS: Swarm Intelligence and Perception, Social Cognitive Maps, Social Foraging, Self-Organization, Distributed Search and Optimization

研究の動機と目的

• 分散型で自己組織化されるシステムが、グローバルモデルや中央集権的制御なしに、どのように集団知能を形成できるかを理解すること。
• 社会的採餌行動とステイグメルジー的相互作用が、急激な環境変化への適応をどのように可能にするかを調査すること。
• フィードバックメカニズムと環境媒体が、局所的エージェント行動から一体となったグローバル行動がどのように出現するかをモデル化すること。
• 時間経過とともに変化する最適化目標や矛盾する目標に直面した場合に、集団システムのレジリエンスがどのように保たれるかを評価すること。
• 最小限のエージェント知能で、非定常的かつ動的な環境において分散型探索が実現可能であることを実証すること。

提案手法

• エージェントは、環境媒体を通じたステイグメルジー的通信と局所的センシングを用いて、景観の特徴に関する情報を共有する。
• 時間的に変化する3次元の数学的景観（例えば、シフトするピークやボウル）を用いて、時間経過に伴う環境変化をシミュレートする。
• エージェントはフェロモンに類似した信号と局所的勾配推定に基づく分散型採餌戦略に従い、最適領域を特定する。
• エージェント相互作用からの正のフィードバックループと負のフィードバックループが、成功した経路を強化し、非効率な経路を抑制する。
• 本システムでは、社会的認知地図の抽象化を採用しており、繰り返しの相互作用と環境の変更を通じて、集団的知識が出現する。
• 本モデルは、最適領域の急激なシフトを伴う複数の実験的シナリオにおいて評価されている。

実験結果

リサーチクエスチョン

• RQ1 シンプルなエージェントの集団は、動的最適化景観において急激な変化にどのように適応できるか？
• RQ2 中央集権的調整なしに、ステイグメルジー的通信と局所的相互作用が一体となったグローバル行動をどの程度達成できるか？
• RQ3 同じ採餌期間中に矛盾する目的に直面した場合、システムは性能を維持できるか？
• RQ4 フィードバックメカニズム（正と負）は、集団的探索プロセスの収束性とレジリエンスにどのように影響を与えるか？
• RQ5 環境媒体は、社会的認知地図とスウォーム感知の出現をどのように形作るか？

主な発見

• 集団システムは、動的景観における急激な変化に成功裏に適応し、環境変化後に迅速な再最適化を達成した。
• 同じ採餌期間中に2つの矛盾する目的に直面しても、スウォームは再編成され、新たな最適解を特定する能力を示した。
• 正のフィードバックメカニズムは、新たなピークへの収束速度を向上させたが、負のフィードバックは、非最適領域での停滞を防いだ。
• 社会的認知地図は、繰り返しの相互作用と環境の変更を通じて自然に出現し、明示的な通信なしに共有知識を可能にした。
• 本システムは、複数の実験的設定において高いパフォーマンスを維持し、環境の予測不可能性に対してもレジリエンスを示した。
• 中央集権的制御やグローバルモデルが存在しない状況でも、効果的な分散型探索が実現可能であり、自己組織化メカニズムの有効性が確認された。