論文の概要: The scaling of goals via homeostasis: an evolutionary simulation,
experiment and analysis
- arxiv url: http://arxiv.org/abs/2211.08522v1
- Date: Tue, 15 Nov 2022 21:48:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 15:15:32.296820
- Title: The scaling of goals via homeostasis: an evolutionary simulation,
experiment and analysis
- Title（参考訳）: ホメオスタシスによる目標のスケーリング:進化シミュレーション,実験,分析
- Authors: Leo Pio-Lopez, Johanna Bischof, Jennifer V. LaPalme, and Michael Levin
- Abstract要約: 本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。
これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。
本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: All cognitive agents are composite beings. Specifically, complex living
agents consist of cells, which are themselves competent sub-agents navigating
physiological and metabolic spaces. Behavior science, evolutionary
developmental biology, and the field of machine intelligence all seek an answer
to the scaling of biological cognition: what evolutionary dynamics enable
individual cells to integrate their activities to result in the emergence of a
novel, higher-level intelligence that has goals and competencies that belong to
it and not to its parts? Here, we report the results of simulations based on
the TAME framework, which proposes that evolution pivoted the collective
intelligence of cells during morphogenesis of the body into traditional
behavioral intelligence by scaling up the goal states at the center of
homeostatic processes. We tested the hypothesis that a minimal evolutionary
framework is sufficient for small, low-level setpoints of metabolic homeostasis
in cells to scale up into collectives (tissues) which solve a problem in
morphospace: the organization of a body-wide positional information axis (the
classic French Flag problem). We found that these emergent morphogenetic agents
exhibit a number of predicted features, including the use of stress propagation
dynamics to achieve its target morphology as well as the ability to recover
from perturbation (robustness) and long-term stability (even though neither of
these was directly selected for). Moreover we observed unexpected behavior of
sudden remodeling long after the system stabilizes. We tested this prediction
in a biological system - regenerating planaria - and observed a very similar
phenomenon. We propose that this system is a first step toward a quantitative
understanding of how evolution scales minimal goal-directed behavior
(homeostatic loops) into higher-level problem-solving agents in morphogenetic
and other spaces.
- Abstract（参考訳）: すべての認知エージェントは複合存在である。
具体的には、複雑な生活因子は、それ自体が生理的および代謝的空間をナビゲートする有能なサブエージェントである細胞から構成される。
行動科学、進化進化生物学、そして機械知能の分野はすべて、生物学的認知のスケーリングに対する答えを求めています。 進化のダイナミクスによって個々の細胞が自分の活動を統合して、その部分ではなく、それに属する目標と能力を持つ、新しい高レベルの知性が出現するのです。
本稿では,生体形成過程の中心における目標状態のスケールアップにより,身体の形態形成過程における細胞の集団的知性が,従来の行動知性へと変化したことを示唆する,meiフレームワークに基づくシミュレーションの結果を報告する。
形態空間における問題である身体全体の位置情報軸の組織化(古典的フランス国旗問題)を解決するために、最小限の進化的枠組みは、細胞の代謝ホメオスタシスの小規模で低レベルな集合体(tissues)にスケールアップするのに十分である、という仮説を検証した。
これらの創発性形態形成剤は, 目標形態を達成するための応力伝播ダイナミクスの利用, 摂動(乱れ)から回復する能力, 長期安定性(いずれも直接選択されていないが)など, 予測される多くの特徴を有することがわかった。
また,システム安定化後,突然のリモデリングの予期せぬ挙動を観察した。
この予測を生物系(再生プランナリア)で検証し、非常によく似た現象を観測した。
本システムは, 進化が最小限の目標指向行動(ホメオスタティックループ)を, 形態学的およびその他の空間における高レベルな問題解決エージェントにスケールするかを定量的に理解するための第一歩である。
関連論文リスト
- GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
本研究では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデルを提案する。
このモデルは分子生物学の中心的なドグマに固執し、タンパク質のコード配列を正確に生成する。
また、特にプロモーター配列の即応的な生成を通じて、シーケンス最適化において大きな可能性を示している。
論文 参考訳（メタデータ） (2025-02-11T05:39:49Z) - Engineering morphogenesis of cell clusters with differentiable programming [2.0690546196799042]
我々は,発達モデルにおいて,創発的,システムレベルの特性をもたらす局所的相互作用規則と遺伝的ネットワークを発見する。
複雑な発達シナリオにおいて,細胞間相互作用と遺伝的ネットワークのパラメータを同時に学習できることが示される。
論文 参考訳（メタデータ） (2024-07-08T18:05:11Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - 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) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - When to be critical? Performance and evolvability in different regimes
of neural Ising agents [18.536813548129878]
臨界状態に近い状態での操作は、自然、人工的およびそれらの進化システムにとって有益である、という仮説は長年にわたって仮説化されてきた。
我々はこの仮説を、ニューラルネットワークによって制御される進化的捕食エージェントのシステムでテストする。
驚くべきことに、ソリューションを発見するすべての人口は、亜臨界状態へと進化する。
論文 参考訳（メタデータ） (2023-03-28T17:57:57Z) - 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) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳（メタデータ） (2021-10-15T17:55:04Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - 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)
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。