Fugu-MT 論文翻訳(概要): Evolutionary game theory: the mathematics of evolution and collective behaviours

論文の概要: Evolutionary game theory: the mathematics of evolution and collective behaviours

arxiv url: http://arxiv.org/abs/2311.14480v1
Date: Fri, 24 Nov 2023 13:42:55 GMT
ステータス: 処理完了
システム内更新日: 2023-11-27 14:58:55.981764
Title: Evolutionary game theory: the mathematics of evolution and collective behaviours
Title（参考訳）: 進化ゲーム理論:進化と集団行動の数学
Authors: The Anh Han
Abstract要約: 進化ゲーム理論の手法を使って最近の研究の方向性を要約する。これは、ランダムな進化ゲームにおける(安定な)平衡数の統計的性質の分析を含む。また、安全行動の進化のモデル化や、技術開発レースにおける高度な人工知能技術によるリスクも含んでいる。
参考スコア（独自算出の注目度）: 1.4685355149711299
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This brief discusses evolutionary game theory as a powerful and unified mathematical tool to study evolution of collective behaviours. It summarises some of my recent research directions using evolutionary game theory methods, which include i) the analysis of statistical properties of the number of (stable) equilibria in a random evolutionary game, and ii) the modelling of safety behaviours' evolution and the risk posed by advanced Artificial Intelligence technologies in a technology development race. Finally, it includes an outlook and some suggestions for future researchers.
Abstract（参考訳）: 本稿では、進化ゲーム理論を、集合行動の進化を研究するための強力で統一された数学的ツールとして論じる。進化ゲーム理論の手法を使った最近の研究の方向性を要約します。一ランダムな進化ゲームにおける(安定な)平衡数の統計的性質の分析及び二技術開発競争における、安全行動の進化及び高度な人工知能技術によるリスクのモデル化最後に、将来の研究者への見通しと提案が含まれている。

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)
Note: Evolutionary Game Theory Focus Informational Health: The Cocktail Party Effect Through Werewolfgame under Incomplete Information and ESS Search Method Using Expected Gains of Repeated Dilemmas [0.0]
非完全情報ゲームにおけるカクテルパーティー効果による情報破壊の実態を考察する。疑似ニュースの汚染リスクがランダムに割り当てられると仮定して,各戦略選択の利得と進化安定戦略(ESS)の形成過程を数学的にモデル化し,解析する。
論文参考訳（メタデータ） (2024-02-27T14:10:34Z)
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)
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)
Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文参考訳（メタデータ） (2023-06-23T18:10:54Z)
The Evolution theory of Learning: From Natural Selection to Reinforcement Learning [0.0]
強化学習は、人工知能において、環境から学習するインテリジェントエージェントを開発するための強力なツールである。近年、研究者たちはこれら2つの明らかに異なる分野の関連性を探り、これまで考えられていたよりも密接な関係にあるという説得力のある証拠を発見した。本稿では、これらの関係とその意味を考察し、進化システムにおける進化の理解とフィードバックの役割を高めるための強化学習原則の可能性を明らかにする。
論文参考訳（メタデータ） (2023-06-16T16:44:14Z)
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)
Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文参考訳（メタデータ） (2023-03-24T13:24:41Z)
Towards a Theory of Evolution as Multilevel Learning [0.0]
生命の起源を含む生物学的進化の理論を多段階学習として発展させるために, 物理的に再正規化可能なシステムに学習理論を適用した。我々は、宇宙を観測可能なものにするのに必要で十分と思われる進化の7つの基本原理を定式化する。これらの原理は、複製や自然選択を含む生物進化の主要な特徴を包含していることを示す。
論文参考訳（メタデータ） (2021-10-27T17:21:16Z)
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)

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。