通向通用人工智能的生态系统路径

我们首先讨论生态系统模拟器与通用人工智能之间的联系。随后我们介绍开源生态系统模拟器Ecotwin，它基于游戏引擎Unity构建，运行于包含山脉、湖泊等无生命物体以及动物、植物等生物的生态系统上。动物认知通过集成三个独立网络来建模：（i）用于硬编码反射的反射网络；（ii）将氧气、水、能量和气味等感官数据映射为标量幸福值的幸福网络；（iii）用于选择动作的决策网络。决策网络使用强化学习（RL）进行训练，其中奖励信号定义为相邻时间步之间的幸福值差异。所有生物都能进行有性或无性繁殖，并在关键资源耗尽时死亡。我们报告了使用Ecotwin的三项研究结果，其中自然现象在模型中自发涌现而未作硬编码。首先，我们研究包含狼、鹿和草的陆地生态系统，其中涌现了Lotka-Volterra型种群动态。其次，我们研究包含浮游植物、桡足类和磷虾的海洋生态系统，其中涌现了昼夜垂直迁移行为。第三，我们研究涉及致命危险的生态系统，其中某些结合RL与反射的智能体表现优于纯RL智能体。