本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
在許多生物系統中，群體的功能行為是由系統的各個組件共同計算的。一個例子是大腦透過數十億個神經元的活動做出決策的能力。一個長期存在的難題是，儘管存在利益衝突和不完善的訊息，但各個組成部分的決策如何結合起來產生有益的群體層面的產出。我們利用先前在靈長類動物模型系統中計算權力結構的工作結果，從機械第一原理推導出集體計算的理論模型。集體計算有兩個階段：資訊累積階段，（在本研究中）成對的個體收集有關其戰鬥能力的資訊並做出有關其優勢關係的決策；以及資訊聚合階段，其中將這些決策組合起來產生集體計算。為了對資訊累積進行建模，我們將隨機決策模型（用於研究神經決策的洩漏積分器模型）擴展到多智能體博弈論框架。然後，我們測試用於聚合資訊的替代演算法（在本研究中，是隨機模型產生的主導決策），並測量最終的權力結構和「真實」戰鬥能力之間的相互資訊。我們發現，利益衝突可以提高準確性，使所有代理人受益。我們還發現，可以透過改變等待決策的成本來調整計算以產生不同的權力結構。類似的隨機決策模型在神經和社會環境中的成功應用提出了跨基質和尺度的集體計算的一般原則。