面向短期赋能的选择加速稳态神经细胞自动机的演化

赋能（empowerment）——一种与领域无关的信息论度量——此前已被证明，当作为适应度函数时，有助于演化搜索具备稳态能力的神经细胞自动机（NCA）。在我们先前的研究中，我们成功地将赋能（定义为智能体动作与未来感知之间的最大时间滞后互信息）推广到以 NCA 形式体现的分布式感觉运动系统。然而，动作与其相应感知之间的时间延迟是随意选取的。在此，我们拓展先前的工作，探究赋能作用的时间尺度如何影响其作为辅助目标以加速发现稳态 NCA 的效力。我们表明，与仅基于稳态的演化选择相比，较短的时间延迟比较长延迟的赋能带来显著改进。此外，我们评估了演化出的 NCA 的稳定性和适应性，这两者都是生命系统的标志，也是在人工系统中值得复现的特性。我们发现，短期赋能的 NCA 更稳定，且能更好地泛化到未见的稳态挑战。综上，这些发现推动了在其他人工制品的演化过程中使用赋能，并提示应如何将其纳入以加速所需行为的演化。本文实验的源代码见：https://github.com/caitlingrasso/empowered-nca-II。