[論文レビュー] The Effect of Social Learning on Individual Learning and Evolution

Chris Marriott, Jobran Chebib|arXiv (Cornell University)|Jun 10, 2014

Evolutionary Game Theory and Cooperation参考文献 12被引用数 10

ひとこと要約

本研究では、資源収集タスクにおいて遺伝的学習、個別的学習、社会的学習能力を進化させる人工エージェントの集団をモデル化している。社会的学習が記憶的進化（memetic evolution）と遺伝的進化を分離することを示しており、若年エージェントは学習を優先し、高年齢エージェントは学習を最小限に抑える戦略を取ることで、ゲノムとメモームの間で進化的圧力が分離されることを明らかにした。

ABSTRACT

We consider the effects of social learning on the individual learning and genetic evolution of a colony of artificial agents capable of genetic, individual and social modes of adaptation. We confirm that there is strong selection pressure to acquire traits of individual learning and social learning when these are adaptive traits. We show that selection pressure for learning of either kind can supress selection pressure for reproduction or greater fitness. We show that social learning differs from individual learning in that it can support a second evolutionary system that is decoupled from the biological evolutionary system. This decoupling leads to an emergent interaction where immature agents are more likely to engage in learning activities than mature agents.

研究の動機と目的

• 人工エージェントにおける遺伝的適応、個別的学習、社会的学習の共進化を調査すること。
• 学習メカニズムが生殖および適応度の選択圧にどのように作用し、変化させるかを検討すること。
• 社会的学習が記憶的（文化的）進化と遺伝的進化の間の分離を可能にするかどうかを検討すること。
• 学習能力を持つ集団における若齢と成熟期のエージェントに生じる異なる進化的圧力を分析すること。
• 学習メカニズムが進化的システムにおける選択の遮断（shielding）と強化（boosting）のダイナミクスにどのように影響するかを特定すること。

提案手法

• エージェントは、静的で遺伝可能なゲノムと、動的で学習可能なメモームを有する。両者とも、1日あたりの行動を符号化する50個のゲノムプレックスで表現される。
• 各ゲノムプレックスは、収集、個別的学習、社会的学習、および生殖の行動を指定し、それぞれ1時間単位のコストを要する。
• 資源サイトは、{1,2,3,4,5} の部分集合として定義され、1〜3個の資源を有する。エージェントはチェック順序を並び替えることでコストを最小化する必要がある。
• 収集コストは、全資源が発見されるまでのチェック回数であり、最適コストは報酬に等しく、最大コストは5である。
• エージェントは1日あたり50時間単位を収集、学習、または生殖に費やすことができ、適応度は合計日間報酬に基づく。
• 社会的学習により、エージェントはコミュニティ内で最も頻度が高いか、効果的なメモープレックスを採用できる。これにより、メモームの進化がゲノムとは独立して可能になる。

実験結果

リサーチクエスチョン

• RQ1 個別的学習と社会的学習は、人工エージェントにおける遺伝的生殖と適応度の選択圧にどのように影響するか？
• RQ2 社会的学習は、集団において記憶的進化と遺伝的進化の分離をどの程度達成するか？
• RQ3 なぜ若齢エージェントは成熟エージェントよりも学習行動の選択圧を強く示すのか？
• RQ4 学習メカニズムの存在が、適応度のランドスケープの形状と選択ダイナミクスにどのように影響するか？
• RQ5 学習能力を持つエージェントにおける年齢層ごとの学習と生殖の顕在的行動パターンは何か？

主な発見

• 社会的学習により、記憶的（memeベースの）進化と遺伝的進化が分離され、メモスフィアがゲノムとは独立して進化することが可能になる。
• 若齢エージェントは初期適応度が低いため、社会的学習および個別的学習の選択圧が強く、成熟エージェントは収集を優先するため、学習の選択圧が低下する。
• 学習能力を持つエージェント、特に社会的学習者において、生殖行動の選択圧が著しく弱まる。これは『選択の遮断（selection shielding）』によるものである。
• メモスフィアは、重複する学習および生殖行動を排除する進化を遂げる一方で、ゲノムはそれらを継続的に選択し続けるため、進化的な軌道が分離されていることが示された。
• 社会的学習者では、ゲノムとメモームの行動に顕著な乖離が見られ、若齢エージェントは学習を優先し、高年齢エージェントは学習を最小限に抑える。
• 本モデルは、個別的学習者においてベイドウィン効果を明らかにした一方で、社会的学習者においては、初期のパフォーマンス最適化と記憶的継承による、新しい形の選択強化（selection boosting）を同定した。