鱼类和机器在社交偏好方面的并行发展

May, 2023

鱼类和机器在社交偏好方面的并行发展

Parallel development of social preferences in fish and machines

Joshua McGraw, Donsuk Lee, Justin Wood

TL;DR本文研究社会聚集的计算基础，通过将人工神经网络体现在虚拟鱼身上，以高维学习机制直接从感官输入中进行学习，发现社交偏好能通过奖励学习、内在动机和与内部成员的早期社交体验三种方式实现，为将高维感官输入与社会偏好相结合的可计算模型提供了基础。

Abstract

What are the computational foundations of social grouping? Traditional approaches to this question have focused on verbal reasoning or simple (low-dimensional) quantitative models. In the real world, however, soc

computational foundations social grouping embodied models artificial neural networks reinforcement learning

发现论文，激发创造

社交学习智能体语言演化和分析框架

本研究提出一种模拟语言特征的通信协议，通过将高维信息编码为低维表示来分析对任务表现的影响，进而提高任务完成率，并强调了语言作为代理之间共同表征的作用及其对泛化能力的影响。

May, 2023

量化生物混合系统中的仿生差距

通过使用仿生诱饵和神经网络模型，我们展示了我们的生物混合系统能够生成模拟真实鱼群的高保真社会互动，同时减小了仿真和仅鱼类实验中的偏差，保证了生物仿生系统的真实性验证的重要性。

Aug, 2023

社交语境下世界的感知：基于神经网络的人类实验数据分析

本文研究人类在社交互动中感知和行为的变化，采用预测编码理论为基础的人工神经网络训练，发现修改感官信号及先验信号的精确度可模拟社交与非社交实验中的行为数据，并且分析神经网络的活化痕迹，发现社交环境下信息编码方式与个体环境有本质差异。

Mar, 2022

心智理论：逆向规划探寻群体行为

本文提出了一个基于 Composable Team Hierarchies 的生成式模型，通过贝叶斯推理来推断潜在的关系并预测多个智能体在空间随机游戏中的行为，该算法可以迅速恢复智能体之间如何相关的基本模型，算法的推理模式与人类判断非常相似。

Jan, 2019

多智能体强化学习实现新兴社交学习

该论文研究在多智能体环境下，独立强化学习代理人是否可以学习使用社会学习来提高性能，并发现通过在训练环境中强加约束条件和引入基于模型的辅助损失，可以获得广义的社会学习策略，使代理人能够发现不是通过单个代理人训练获得的复杂技能并且通过从新环境的专家那里获取线索在线适应新环境。

Oct, 2020

适应不同觅食环境的人工学习智能体群行为发展

应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势

Apr, 2020

SocialAI 0.1：向深度强化学习智能体的社会认知能力研究提供基准

本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一，并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为，实现人类水平的人工智能需要更广泛的关键社交技能。最后，通过实验研究了一种近期最先进的深度强化学习方法的局限性。

Apr, 2021

人工神经网络中基于大脑启发的学习策略综述

本篇论文全面综述了现今人工神经网络中基于仿生学学习机制的表示，研究了加入更多仿生意义机制如突触可塑性以加强网络能力的可能性和挑战，并找到未来的研究方向，以更深入理解智能的本质。

May, 2023

通过神经网络的随机多样性进化学习行动

本文提出将神经网络的神经元进行参数优化，以获得能够执行复杂计算的不同类型的神经元，并展示了如何通过演化神经元参数来解决各种强化学习任务。研究结果表明，神经元的多样性有助于提高神经网络的计算能力。

May, 2023

百万智能体强化学习的人工智能种群动态研究

本文探究了利用深度强化学习机制使智能体集体行为呈现有序模式的过程，并通过仿真大规模掠食者和被掠食者的世界来验证自然规律是否同样适用于人工智能系统中，实验结果表明基于不同自身利益驱动的智能体群体行为呈现出类似于生态学中的 Lotka-Volterra 模型的有序模式，这种集体行为的出现可以由自组织理论解释。

Sep, 2017