論文の概要: Big Brains and Changing Environments: Cause or Consequence?

• arxiv url: http://arxiv.org/abs/2609.15569v1
• Date: Mon, 14 Sep 2026 13:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.416877
• Title: Big Brains and Changing Environments: Cause or Consequence?
• Title（参考訳）: 大きな脳と環境の変化:原因と原因は?
• Abstract要約: 大きな脳は代謝に費用がかかるため、環境の変化と結びつくことは、そこで進化したことを意味するものではない。 人工捕食作業における神経進化を用いて, 環境変化にのみ関与するエージェントと, 移行前の静的環境において最初に進化したエージェントを比較検討した。 その結果、動的環境における大きなニューラルネットワークは、主に事前の静的進化から発生し、予測不可能な変化下での優れた性能を達成することが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large brains are metabolically costly, and associations with changing environments do not imply they evolved there, as the Cognitive Buffer Hypothesis (CBH) would suggest. They may instead evolve in stable conditions and later facilitate colonization of changing environments. Using neuro-evolution in an artificial seasonal foraging task, we compared agents evolving exclusively in changing environments to agents first evolved in static environments before transitioning. Results show that larger neural networks in dynamic environments arise mainly from prior static evolution, achieving superior performance under unpredictable changes. Our results challenge strict CBH predictions, provide agent-based (computational) support for a colonization-based account and highlight the role of evolutionary history in brain size evolution.
• Abstract（参考訳）: 大きな脳は代謝にコストがかかり、変化する環境との関連は、認知バッファ仮説(CBH)が示唆するように、そこで進化したことを意味するものではない。 代わりに安定な環境の中で進化し、その後環境の変化の植民地化を促進する。 人工捕食作業における神経進化を用いて, 環境変化にのみ関与するエージェントと, 移行前の静的環境において最初に進化したエージェントを比較検討した。 その結果、動的環境における大きなニューラルネットワークは、主に事前の静的進化から発生し、予測不可能な変化下での優れた性能を達成することが示されている。 以上の結果から, 厳密なCBH予測に挑戦し, コロニー化ベースのアカウントをエージェントベース(計算的)でサポートし, 脳の大きさの進化における進化史の役割を強調した。

関連論文リスト

• Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design [55.30329388138526]
  本調査は,複数のエージェントと環境が互いに適応的な圧力を課す多成分自己進化であるエージェントシステムの共進化に焦点を当てた。 既存の論文を整理するために,システムがどのように人為的制約を徐々に覆い隠すかを追究する,進歩的な3段階分類法を提案する。
  論文  参考訳（メタデータ） (2026-08-10T23:10:40Z)
• Position: Agentic Evolution is the Path to Evolving LLMs [56.733933092220845]
  この制限に対処するには、新たなスケーリング軸進化が必要です。 既存の展開時適応手法では、障害を診断し、持続的な改善を生み出すために必要な戦略的機関が欠如している。
  論文  参考訳（メタデータ） (2026-01-30T22:15:58Z)
• Agent Alignment in Evolving Social Norms [65.45423591744434]
  本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。 社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。 進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
  論文  参考訳（メタデータ） (2024-01-09T15:44:44Z)
• 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)
• Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large Multi-agent Environments [0.0]
  環境や人口のリセットを伴わない適応剤を連続的に進化させる手法を提案する。 NEはエポジカルに非エポジカルなマルチエージェント環境で動作し,持続的な集団採餌戦略を見いだせることを示す。
  論文  参考訳（メタデータ） (2023-02-18T13:57:27Z)
• The scaling of goals via homeostasis: an evolutionary simulation, experiment and analysis [0.0]
  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。
  論文  参考訳（メタデータ） (2022-11-15T21:48:44Z)
• 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)
• 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)
• Novelty Search makes Evolvability Inevitable [62.997667081978825]
  本研究では,ノベルティ探索が,有界な行動空間においても高い進化性を示す圧力を暗黙的に生み出すことを示す。 探索を通して,行動空間において非常に活発な個人に対して,新規性報酬の動的評価を行うことが示されている。
  論文  参考訳（メタデータ） (2020-05-13T09:32:07Z)
• 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。