影响过程结构学习与集体智能的涌现
社会与信息网络
2014-07-01 v1
摘要
最近的研究 [Hazy 2012] 通过计算证明，组织成控制资源流动网络的集体能够学习识别环境中分布的新兴机会。本文认为，系统通过一种类似于神经网络学习的过程实现这一点，其中相对地位扮演突触权重的角色。Hazy 通过计算表明，即使资源分配决策者无法直接观察环境、不理解机会本身，且除了评估资助项目的成败外不参与其利用，此类学习仍可发生。实际上，交互系统学习了哪些个体在生态系统内拥有最佳的信息和其他资源访问权限。Hazy [2012] 将这种先前未被识别的涌现现象称为：影响过程结构学习（Influence Process Structural Learning, IPSL）。在先前的 IPSL 模型中，三层组织结构是在模型设计中预先确定的 [Hazy 2012]。这些初始条件限制了集体智能涌现的可论证范围，因为模型本身假设了既定结构。本研究通过将 IPSL 关于集体智能的论点扩展为整体涌现论点，为该领域做出了贡献。文章首先简要回顾了已发表的工作，随后通过增加两个步骤继续探讨：首先，展示了三层组织结构如何通过已知的复杂性机制涌现，此处确定的机制是优先连接（preferential attachment）[Barabasi 2002]；其次，展示了当代理之间的影响结构被视为遗传算法时，集体智能如何在代理系统中涌现。
引用
@article{arxiv.1406.7547,
title = {Influence Process Structural Learning and the Emergence of Collective Intelligence},
author = {James Hazy and Baran Curuklu},
journal= {arXiv preprint arXiv:1406.7547},
year = {2014}
}