[논문 리뷰] Integrated information increases with fitness in the simulated evolution of autonomous agents

Jeffrey A. Edlund, Nicolas Chaumont외 4명|arXiv (Cornell University)|2011. 03. 09.

Evolutionary Game Theory and Cooperation인용 수 4

한 줄 요약

이 연구는 항법 과제를 수행하는 동안 유전적 적응을 거쳐 발달하는 시뮬레이션된 자율 에이전트(애니메이츠)의 정보 통합 및 처리가 어떻게 변화하는지 조사한다. 수천 번의 세대에 걸쳐 애니메이츠가 적응함에 따라 정보 통합과 처리 능력이 동시에 증가하며, 이는 정보 통합이 특히 기억에 의존하는 과제에서 기능적 복잡성의 강력한 예측자임을 시사한다.

ABSTRACT

One of the hallmarks of biological organisms is their ability to integrate disparate information sources to optimize their behavior in complex environments. How this capability can be quantified and related to the functional complexity of an organism remains a challenging problem, in particular since organismal functional complexity is not well-defined. We present here several candidate measures that quantify information and integration, and study their dependence on fitness as an artificial agent (animat) evolves over thousands of generations to solve a navigation task in a simple, simulated environment. We compare the ability of these measures to predict high fitness with more conventional information-theoretic processing measures. As the animat adapts by increasing its fit to the world, information integration and processing increase commensurately along the evolutionary line of descent. We suggest that the correlation of fitness with information integration and with processing measures implies that high fitness requires both information processing as well as integration, but that information integration may be a better measure when the task requires memory. A correlation of measures of information integration (but also information processing) and fitness strongly suggests that these measures reflect the functional complexity of the animat, and that such measures can be used to quantify functional complexity even in the absence of fitness data.

연구 동기 및 목표

• 정보 이론적 측정법을 사용하여 진화하는 자율 에이전트의 기능적 복잡성을 정량화하기 위해.
• 시뮬레이션된 에이전트에서 정보 통합 및 처리가 적합도와 관련이 있는지 조사하기 위해.
• 특히 기억에 의존하는 과제에서 정보 통합이 전통적인 처리 측정법보다 적합도를 더 잘 예측하는지 판단하기 위해.
• 직접적인 적합도 데이터가 없을 경우에도 이러한 측정법이 기능적 복잡성의 대체 척도로 사용될 수 있는지 평가하기 위해.

제안 방법

• 통제된 항법 환경에서 수천 세대에 걸쳐 애니메이츠의 시뮬레이션 진화를 수행하기 위해.
• 애니메이츠 신경 시스템 내 정보 통합 및 처리를 정량화하기 위해 다수의 후보 측정법 적용하기 위해.
• 세대 간 과제 성과(예: 항법 성공률) 기반으로 적합도 평가하기 위해.
• 정보 통합 및 처리 측정법을 전통적인 정보 이론적 지표와 비교하기 위해.
• 유전적 진화 궤적을 분석하여 기능적 복잡성 지표의 변화가 적합도 향상과 어떻게 관련되는지 평가하기 위해.
• 애니메이츠의 인지 아키텍처에서 기능적 복잡성의 대체 척도로 통합 정보(Φ) 및 관련 측정법을 사용하기 위해.

실험 결과

연구 질문

• RQ1 시뮬레이션된 자율 에이전트의 진화 과정에서 정보 통합은 적합도와 어떻게 연관되어 변화하는가?
• RQ2 정보 처리 및 통합 측정법이 애니메이츠의 높은 적합도를 얼마나 잘 예측하는가?
• RQ3 특히 기억이 필요한 과제에서 정보 통합은 전통적인 처리 측정법보다 적합도 예측에 더 나은가?
• RQ4 적합도 데이터가 없을 경우에도 정보 통합은 기능적 복잡성의 신뢰할 수 있는 대체 척도로 사용될 수 있는가?

주요 결과

• 애니메이츠가 수천 세대에 걸쳐 진화함에 따라 정보 통합과 처리 능력이 동시에 증가한다.
• 기억이 필요한 과제에서 적합도와 정보 통합 간 상관관계가 더 강하며, 이는 이러한 과제에서 통합이 더 나은 기능적 복잡성 지표임을 시사한다.
• 정보 처리 측정법 역시 적합도와 상관관계가 있지만, 기억에 의존하는 환경에서는 통합이 더 높은 예측 능력을 보인다.
• 적합도와 정보 통합 간의 강한 상관관계는 이러한 측정법이 기초적인 기능적 복잡성의 특성을 반영하고 있음을 시사한다.
• 적합도 데이터가 없더라도 정보 통합 측정법은 진화한 에이전트의 기능적 복잡성에 대한 신뢰할 수 있는 지표로 기능할 수 있다.
• 결과적으로 정보 통합은 인공 및 생물학적 시스템에서 기능적 복잡성의 정량화 가능한 대체 척도로 사용될 수 있음을 뒷받침한다.