[논문 리뷰] Finding Continuity and Discontinuity in Fish Schools via Integrated Information Theory

Takayuki Niizato, Kotaro Sakamoto외 4명|arXiv (Cornell University)|2018. 12. 03.

Complex Network Analysis Techniques인용 수 4

한 줄 요약

이 연구는 실제 물고기 학교(Plecoglossus altivelis)에서 집합 행동을 분석하기 위해 PyPhi를 통해 통합 정보 이론(IIT 3.0)을 적용하여, 집단 크기가 체계 수준의 통합성에서 비연속적 전이를 유도한다는 것을 밝혀냈다. 이 연구는 4마리 이상의 물고기에서만 지도력이 나타나며, 이는 상호 정보나 Boids 모델로는 감지되지 않는 전이임을 발견했으며, Φ가 소규모 집합 시스템의 내재된 인과적 구조에 대해 민감한 측정치임을 입증한다.

ABSTRACT

Collective behaviour is known to be the result of diverse dynamics and is sometimes likened to a living system. Although many studies have revealed the dynamics of various collective behaviours, their main focus was on the information process inside the collective, not on the whole system itself. For example, the qualitative difference between two elements and three elements as a system has rarely been investigated. Tononi et al. have proposed Integrated Information Theory (IIT) to measure the degree of consciousness $Φ$. IIT postulates that the amount of information loss caused by certain partitions is equivalent to the degree of information integration in the system. This measure is not only useful for estimating the degree of consciousness but can also be applied to more general network systems. Here we applied IIT (in particular, IIT 3.0 using PyPhi) to analyse real fish schools ({\it Plecoglossus altivelis}). Our hypothesis in this study is a very simple one: a living system evolves to raise its $Φ$ value. If we accept this hypothesis, IIT reveals the existence of continuous and discontinuous properties as group size varies. For example, leadership in the fish school emerged for a school size of four or above; but not below three. Furthermore, this transition was not observed by measuring mutual information or in a simple Boids model. This result suggests that integrated information $Φ$ can reveal some inherent properties which cannot be observed using other measures. We also discuss how the fish recognition of the figure-ground relation, that is, what determines the relevant ON and OFF states, may reveal various optimal paths for obtaining the functional evolution of collective behaviour.

연구 동기 및 목표

• 집단 크기가 증가함에 따라 집합 행동에서의 질적 변화를 통합 정보 Φ가 감지할 수 있는지 조사하기.
• 생명체가 Φ를 최대화하도록 진화한다는 가설을 검증하여, 功能적 통합성과 의식 유사 성질 사이의 연관성을 제기하기.
• 전통적 측정법(예: 상호 정보)으로는 감지되지 않는, 물고기 학교에서의 체계 수준 전이(연속성 대 비연속성)를 식별하기.
• 도형-배경 인식(ON/OFF 상태)이 집합 행동에서 최적의 진화적 경로를 이끌 수 있는지 탐색하기.
• IIT가 이변수 상관관계나 정보 전달 측정법을 초월해 인과적 구조 분석을 제공할 수 있음을 입증하기.

제안 방법

• PyPhi 라이브러리를 사용하여 실제 Plecoglossus altivelis 학교의 실시간 궤적에 대해 IIT 3.0을 적용하여 통합 정보 Φ를 계산함.
• 각 집단 크기 내에서 가능한 모든 기구(개개인의 부분집합)에 대해 과거 및 미래 상태에 대한 조건부 확률 분포를 사용하여 원인 및 효과의 보편성(Repertoire)을 계산함.
• φ를 원인과 효과의 분리 불가능성의 최소값으로 정의하며, 각 기구의 분리 불가능성을 측정하기 위해 최소 정보 분할(MIP)을 사용함.
• 지구 이동 거리(EMD)를 개념 공간에서 사용하여 전체 원인-효과 구조(CES)와 MIP 하에서의 시스템 CES 간의 산란을 기반으로 체계 수준의 Φ를 계산함.
• 2에서 8마리의 물고기까지의 집단 크기에서 Φ의 전이를 평가하며, 상호 정보 및 Boids 모델과의 결과를 비교함.
• 계산 비용을 줄이기 위해 '하나 잘라내기'(cut one) 근사법을 사용하여 각 시스템에 대해 2N개의 이분할만 평가함.

실험 결과

연구 질문

• RQ1 통합 정보 Φ는 기존의 정보 이론적 측정법으로는 감지되지 않는 집합 행동의 비연속적 전이를 감지할 수 있는가?
• RQ2 물고기 학교에서 지도력은 어느 집단 크기에서 나타나며, 이 전이는 Φ에 반영되는가?
• RQ3 Φ는 상호 정보나 Boids 모델의 동역학에 비해 집합적 성질을 얼마나 잘 포착하는가?
• RQ4 개개인의 도형-배경 인식(ON/OFF 상태)은 집합 시스템의 기능적 통합 최적화와 연결될 수 있는가?
• RQ5 물고기 학교에는 Φ로 측정된 내재된 분리 불가능한 통합성을 반영하는 인과적 구조가 존재하는가?

주요 결과

• 지도력은 물고기 학교가 4마리 이상일 때만 나타났으며, 이는 더 작은 집단에서는 관찰되지 않는 비연속적 전이였다.
• 이 전이는 상호 정보나 표준 Boids 모델로는 감지되지 않아, Φ가 고유한 체계 수준의 성질을 포착한다는 것을 시사한다.
• Φ 값은 집단 크기가 증가함에 따라 증가했으며, N=4에서 급격히 상승하는 비단조화적인 패턴을 보여, 통합성에서의 질적 전이를 암시한다.
• MIP 분석 결과, N≥4일 때 시스템의 인과적 구조가 분리 불가능해졌으며, 이는 진정한 통합 정보의 기초가 되는 통합의 기원을 시사한다.
• 도형-배경 인식(ON/OFF 상태)은 시스템의 인과적 아키텍처를 형성함으로써 최적의 집합 경로 진화를 이끌 수 있는 가이드 역할을 할 수 있다.
• IIT 3.0을 통해 PyPhi를 사용하여 실제 동물 집단에서 내재된 인과적 제약을 성공적으로 식별하였으며, 이는 신경과학 응용 분야를 초월한 유용성을 입증한다.