蚁群与集成学习的同构性：第三部分——梯度下降、神经可塑性与深度智能的出现

在本系列的第一部分和第二部分中，我们建立了蚁群决策与两大集成学习家族之间的同构关系：随机森林（并行、方差缩减）和提升方法（顺序、偏差缩减）。本文通过证明深层神经网络基本学习算法——随机梯度下降——与蚁群代际学习动力学之间存在数学同构性，完成了三部曲。我们证明，跨代的信息素演化遵循与梯度下降中权重演化相同的更新方程，蒸发率对应学习率，种群适应度对应负损失，招募波浪对应反向传播。我们进一步展示，神经可塑性机制——长期增强、长期抑制、突触修剪和神经发生——在种群层面的适应中具有直接对应物：路径强化、蒸发、放弃和新路径形成。综合仿真结果表明，训练于环境任务中的蚁群，其学习曲线与在相同问题上训练的神经网络 indistinguishable。本最终同构性揭示，所有三大机器学习范式——并行集成、顺序集成和梯度深度学习——在社会昆虫的集体智能中都有直接对应物，suggesting a unified theory of learning that transcends substrate. 蚁群，我们 concluding，不仅在于类比于学习算法；它本身就是学习基本原理的活生生体现。