Wetenschap
Coöperatieve jacht vereist minder denkkracht dan eerder werd gedacht
Onderzoekers van de Nagoya Universiteit in Japan hebben ontdekt dat coöperatieve jacht, waarbij twee of meer roofdieren samenwerken om prooien te vangen, geen geavanceerde cognitieve processen in de hersenen vereist. In plaats daarvan kan samenwerking ontstaan op basis van een eenvoudige reeks regels en ervaringen.
Deze bevindingen hebben niet alleen belangrijke implicaties voor het begrijpen van de evolutie van coöperatief gedrag bij dieren, maar ze kunnen ook helpen bij het ontwikkelen van collaboratieve kunstmatige intelligentie (AI)-systemen. Dergelijke systemen hebben het potentieel om te dienen als virtuele metgezellen in tactische trainingssituaties, zoals teamsporten en rijsimulaties. Het onderzoek is gepubliceerd in eLife en werd geleid door Kazushi Tsutsui, Kazuya Takeda en Keisuke Fujii.
Eerder onderzoek heeft coöperatieve jacht gekoppeld aan zoogdieren die complex sociaal gedrag vertonen, zoals leeuwen en chimpansees. Soortgelijke gedragingen zijn echter ook aangetroffen bij soorten met minder geavanceerde cognitieve vaardigheden, zoals krokodillen en vissen. Dit suggereert dat een eenvoudiger mechanisme verantwoordelijk kan zijn voor deze vorm van samenwerking.
Om deze puzzel te onderzoeken, creëerden Tsutsui en zijn medewerkers een computationeel model waarin AI-agenten samen leren jagen, met behulp van diepgaand versterkend leren. Diep versterkend leren is een proces waarbij gedrag wordt versterkt doordat het wordt beloond nadat het is uitgevoerd.
Onderzoekers trainen algoritmen om te leren door interactie met de omgeving en beloningen te ontvangen voor specifieke acties. Met behulp van diepe neurale netwerken kunnen deze algoritmen input zoals positie en snelheid verwerken en autonome beslissingen nemen.
Geprogrammeerd met versterkende leermogelijkheden, leerden AI-roofdieragenten samenwerken bij de jacht door interactie met de omgeving via een reeks toestanden, acties en beloningen, met als doel acties te selecteren die toekomstige beloningen maximaliseren. De roofdieragenten werkten samen vanwege de effectiviteit van hun acties en de verwachting van een beloning (de prooi) die na een succesvolle jacht onder de groep zou worden verdeeld.
Tijdens de simulaties vertoonden de AI-roofdieren verschillende en complementaire rollen, vergelijkbaar met het gedrag van dieren die deelnemen aan coöperatieve jacht. De ene agent achtervolgde bijvoorbeeld de prooi, terwijl een andere hem in een hinderlaag lokte. Naarmate het aantal roofdieren toenam, nam het slagingspercentage toe en nam de tijd die nodig was voor de jacht af.
In een laatste test speelden AI-agenten de rol van roofdieren en fungeerden menselijke deelnemers als prooi. Ondanks dat ze met aanvankelijke problemen te maken kregen, zoals verwarring veroorzaakt door onverwachte menselijke bewegingen, werkten de getrainde AI-agenten samen en veroverden ze hun menselijke prooi. Dit laat zien hoe succesvol coöperatief jagen geen complexe cognitieve processen vereist en suggereert dat roofdieren in de echte wereld ook kunnen leren samenwerken via een eenvoudige reeks beslissingsregels.
"Onze roofdieren leerden samenwerken met behulp van versterkend leren, zonder dat hiervoor complexe cognitieve mechanismen nodig waren die vergelijkbaar zijn met de theorie van de geest", zei Tsutsui. "Dit suggereert dat coöperatieve jacht zich kan ontwikkelen in een breder scala aan soorten dan eerder werd gedacht."
Het onderzoeksteam verwacht dat hun ontdekkingen zullen leiden tot nieuwe veldstudies over de besluitvorming in de dynamiek tussen roofdieren en prooien. Bovendien laat dit project het potentieel zien om coöperatieve AI-systemen te bevorderen, wat positieve effecten zou kunnen hebben op andere domeinen die collaboratieve oplossingen vereisen, zoals autonoom rijden en verkeersmanagement.