論文の概要: Evolving the Behavior of Machines: From Micro to Macroevolution

• arxiv url: http://arxiv.org/abs/2012.11692v1
• Date: Mon, 21 Dec 2020 21:35:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 00:09:12.383210
• Title: Evolving the Behavior of Machines: From Micro to Macroevolution
• Title（参考訳）: 機械の振る舞いの進化:マイクロからマクロ進化へ
• Authors: Jean-Baptiste Mouret
• Abstract要約: 進化はコンピュータ科学者にコンピューティングの出現からインスピレーションを与えてきた。 これにより、マシンの複雑なニューラルネットワークを進化させるツールが生まれました。 現代における人工進化の見解は、電場をマイクロ進化からマクロ進化へと遠ざけつつある。
• 参考スコア（独自算出の注目度）: 4.061135251278186
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Evolution gave rise to creatures that are arguably more sophisticated than the greatest human-designed systems. This feat has inspired computer scientists since the advent of computing and led to optimization tools that can evolve complex neural networks for machines -- an approach known as "neuroevolution". After a few successes in designing evolvable representations for high-dimensional artifacts, the field has been recently revitalized by going beyond optimization: to many, the wonder of evolution is less in the perfect optimization of each species than in the creativity of such a simple iterative process, that is, in the diversity of species. This modern view of artificial evolution is moving the field away from microevolution, following a fitness gradient in a niche, to macroevolution, filling many niches with highly different species. It already opened promising applications, like evolving gait repertoires, video game levels for different tastes, and diverse designs for aerodynamic bikes.
• Abstract（参考訳）: 進化は、おそらく人類が設計した最も優れたシステムよりも洗練された生物を生み出した。 この偉業は、コンピューティングの出現以来、コンピュータ科学者に影響を与え、機械のための複雑なニューラルネットワークを進化させる最適化ツールへと導いた。 高次元アーティファクトのための進化可能な表現の設計にいくつかの成功をおさめた後、この分野は最近、最適化を超えて再活性化されてきた: 多くの人にとって、進化の不思議は、そのような単純な反復的プロセス、すなわち種多様性の創造性よりも、各種の完全な最適化に劣る。 現代の人工進化の見解は、ニッチのフィットネス勾配に従って、微小進化からマクロ進化へとフィールドを移動させ、多くのニッチを非常に異なる種で満たしている。 同社はすでに、歩いたレパートリーの進化、異なる味のビデオゲームレベル、エアロダイナミックバイクの多様なデザインなど、有望なアプリケーションを公開している。

関連論文リスト

• Evolutionary Automata and Deep Evolutionary Computation [0.38073142980732994]
  進化的オートマトン(英: Evolution Automaticon)とは、進化的計算を無限世代で行う自動機械である。 これはまた、環境との対話的なフィードバックによって自己進化する自然進化の力のヒントを与える。
  論文  参考訳（メタデータ） (2024-11-22T15:31:50Z)
• Meta-Learning an Evolvable Developmental Encoding [7.479827648985631]
  生成モデルはブラックボックス最適化のための学習可能な表現であることを示す。 本稿では,表現の質の多様性を生成する能力を最適化することで,そのような表現をメタ学習できるシステムを提案する。 より詳しくは、我々のメタラーニングアプローチが、開発中に細胞が「DNA」文字列ゲノムの異なる部分に参加することができる1つのニューラルセルオートマタを見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-06-13T11:52:06Z)
• When large language models meet evolutionary algorithms [48.213640761641926]
  事前訓練された大規模言語モデル(LLM)は、創造的な自然言語を生成する強力な能力を持つ。 進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。 テキスト生成と進化の共通する集合性と方向性に動機づけられた本論文では,LLMとEAの並列性について述べる。
  論文  参考訳（メタデータ） (2024-01-19T05:58:30Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Role of Morphogenetic Competency on Evolution [0.0]
  進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。 我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。 我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
  論文  参考訳（メタデータ） (2023-10-13T11:58:18Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Epigenetic opportunities for Evolutionary Computation [0.0]
  進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。 遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。 本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
  論文  参考訳（メタデータ） (2021-08-10T09:44:53Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Embodied Intelligence via Learning and Evolution [92.26791530545479]
  環境の複雑さが形態学的知能の進化を促進することを示す。 また、進化は速く学習する形態を素早く選択することを示した。 我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
  論文  参考訳（メタデータ） (2021-02-03T18:58:31Z)
• Mimicking Evolution with Reinforcement Learning [10.35437633064506]
  人工的な人間のような知性を発達させる道は、自然のシミュレーションで進化の過程を模倣することでもたらされると我々は主張する。 この研究は、進化的リワード(EvER)を通じて進化的リワード(Evolutionary Reward)を提案する。
  論文  参考訳（メタデータ） (2020-03-31T18:16:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。