論文の概要: Investigating the Impact of Direct Punishment on the Emergence of
Cooperation in Multi-Agent Reinforcement Learning Systems
- arxiv url: http://arxiv.org/abs/2301.08278v2
- Date: Sat, 13 May 2023 21:25:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 23:37:10.984293
- Title: Investigating the Impact of Direct Punishment on the Emergence of
Cooperation in Multi-Agent Reinforcement Learning Systems
- Title(参考訳): マルチエージェント強化学習システムにおける直接罰が協調の創発に及ぼす影響の検討
- Authors: Nayana Dasgupta, Mirco Musolesi
- Abstract要約: 本稿では,多エージェント強化学習システムにおける直接罰に関連する行動と学習のダイナミクスを包括的に分析する。
我々は,これらの重要なメカニズムがエージェントが学んだ戦略のダイナミクスに与える影響を,広範囲かつ体系的に評価する。
- 参考スコア(独自算出の注目度): 2.5426469613007012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solving the problem of cooperation is of fundamental importance to the
creation and maintenance of functional societies, with examples of cooperative
dilemmas ranging from navigating busy road junctions to negotiating carbon
reduction treaties. As the use of AI becomes more pervasive throughout society,
the need for socially intelligent agents that are able to navigate these
complex cooperative dilemmas is becoming increasingly evident. In the natural
world, direct punishment is an ubiquitous social mechanism that has been shown
to benefit the emergence of cooperation within populations. However no prior
work has investigated its impact on the development of cooperation within
populations of artificial learning agents experiencing social dilemmas.
Additionally, within natural populations the use of any form of punishment is
strongly coupled with the related social mechanisms of partner selection and
reputation. However, no previous work has considered the impact of combining
multiple social mechanisms on the emergence of cooperation in multi-agent
systems. Therefore, in this paper we present a comprehensive analysis of the
behaviours and learning dynamics associated with direct punishment in
multi-agent reinforcement learning systems and how it compares to third-party
punishment, when both are combined with the related social mechanisms of
partner selection and reputation. We provide an extensive and systematic
evaluation of the impact of these key mechanisms on the dynamics of the
strategies learned by agents. Finally, we discuss the implications of the use
of these mechanisms on the design of cooperative AI systems.
- Abstract(参考訳): 協力の解決は機能的社会の創出と維持に不可欠であり、道路の分岐点の航行から炭素削減条約の交渉まで、協調的なジレンマの例である。
AIの利用が社会全体に広まるにつれ、これらの複雑な協調ジレンマをナビゲートできる社会的にインテリジェントなエージェントの必要性がますます明白になりつつある。
自然界では、直接罰(direct punishment)は、集団内の協力の出現の恩恵を受ける、ユビキタスな社会的メカニズムである。
しかし、社会的ジレンマを経験する人工学習エージェントの集団における協力の発展に先行研究が与える影響は調査されていない。
さらに、自然集団内では、いかなる形態の刑罰も、パートナーの選択と評判の関連する社会的メカニズムと強く結びついている。
しかし, マルチエージェントシステムにおける協調の出現に, 複数の社会的メカニズムを組み合わせることが及ぼす影響は, これまで検討されていない。
そこで,本稿では,マルチエージェント強化学習システムにおける直接的な処罰に関連する行動と学習のダイナミクスを包括的に分析し,パートナー選択と評価の社会的メカニズムと組み合わせることで,第三者の罰と比較する。
エージェントが学習した戦略のダイナミクスに対するこれらの重要なメカニズムの影響を広範囲かつ体系的に評価する。
最後に,これらのメカニズムが協調型AIシステムの設計に与える影響について論じる。
関連論文リスト
- Dehumanizing Machines: Mitigating Anthropomorphic Behaviors in Text Generation Systems [55.99010491370177]
このようなシステムアウトプットにどのように介入すれば人為的行動が緩和され、その付随する有害な結果が未検討のままである。
我々は,先行研究とクラウドソース研究の両方に根ざした介入の目録を整理し,参加者がシステム出力を編集し,人間らしくないようにした。
論文 参考訳(メタデータ) (2025-02-19T18:06:37Z) - Emergence of human-like polarization among large language model agents [61.622596148368906]
我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。
人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、それを緩和するための有効な戦略を特定するための貴重なテストベッドとして機能する可能性も持っている。
論文 参考訳(メタデータ) (2025-01-09T11:45:05Z) - Causal Responsibility Attribution for Human-AI Collaboration [62.474732677086855]
本稿では,人間のAIシステムにおける責任を体系的に評価するために,構造因果モデル(SCM)を用いた因果的枠組みを提案する。
2つのケーススタディは、多様な人間とAIのコラボレーションシナリオにおけるフレームワークの適応性を示している。
論文 参考訳(メタデータ) (2024-11-05T17:17:45Z) - Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。
本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。
我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
論文 参考訳(メタデータ) (2024-10-24T10:48:42Z) - Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。
Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。
エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
論文 参考訳(メタデータ) (2024-09-13T13:19:48Z) - Emergent Cooperation under Uncertain Incentive Alignment [7.906156032228933]
頻繁な出会いを特徴とするシナリオにおける強化学習エージェント間の協力関係について検討する。
本研究では,複合モチベーション環境における協調を促進するために文献で提案されている評価や本質的な報酬などのメカニズムの効果について検討する。
論文 参考訳(メタデータ) (2024-01-23T10:55:54Z) - Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。
我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。
以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
論文 参考訳(メタデータ) (2023-10-03T15:05:52Z) - The art of compensation: how hybrid teams solve collective risk dilemmas [6.081979963786028]
適応剤と固定行動剤を併用したハイブリッド集団における協調の進化的ダイナミクスについて検討した。
後者の振る舞いを補うために,まず,行動に適応することを学ぶ方法を示す。
論文 参考訳(メタデータ) (2022-05-13T13:23:42Z) - Adversarial Attacks in Cooperative AI [0.0]
多エージェント環境における単エージェント強化学習アルゴリズムは協調の育成には不十分である。
敵機械学習における最近の研究は、モデルは容易に誤った決定を下すことができることを示している。
協調AIは、以前の機械学習研究では研究されなかった新たな弱点を導入する可能性がある。
論文 参考訳(メタデータ) (2021-11-29T07:34:12Z) - Birds of a Feather Flock Together: A Close Look at Cooperation Emergence
via Multi-Agent RL [20.22747008079794]
インセンティブ機構に起因する二階社会ジレンマのダイナミクスについて検討する。
ホモフィリーと呼ばれる人間の典型的な傾向は、この問題を解くことができる。
インセンティブ相同性を促進するための新しい学習枠組みを提案する。
論文 参考訳(メタデータ) (2021-04-23T08:00:45Z) - Cooperation and Reputation Dynamics with Reinforcement Learning [6.219565750197311]
私達は信頼および協同を確立する方法として評判がいかに使用されるか示します。
好ましくない平衡への収束を緩和する2つのメカニズムを提案する。
この結果が進化ゲーム理論の文献とどのように関係しているかを示す。
論文 参考訳(メタデータ) (2021-02-15T12:48:56Z)
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。