A behavior-environment information loop drives sensory navigation

Stel je voor dat je op zoek bent naar de beste pizza in een nieuwe stad. Je hebt twee manieren om dit te doen. De eerste manier is passief: je staat stil, wacht tot er een geur voorbij komt, en als het goed ruikt, loop je erheen. Als de geur stopt, stop jij ook. Dit is als een robot die alleen reageert op wat hij op dit moment waarneemt. De tweede manier is actief: je beseft dat stilstaan je niet zal helpen, dus begin je in een zigzagpatroon te lopen. Door te bewegen, verander je wat je vervolgens ruikt. Je vormt actief je eigen ervaring om betere informatie te verzamelen. Dit is hoe de meeste levende wezens, van minuscule bacteriën tot mensen, zich daadwerkelijk voortbewegen. Ze wachten niet alleen tot de wereld hen vertelt waar ze heen moeten; ze bewegen om erachter te komen.

Wetenschappers bestuderen al lang hoe dieren hun zintuigen gebruiken om beslissingen te nemen, maar ze keken meestal naar de eenrichtingsweg: hoe een geur een draai veroorzaakt. Ze vroegen zelden de andere vraag: hoe verandert de handeling van het draaien de geur die je vervolgens zult tegenkomen? Dit artikel stapt in die kloof. Het gebruikt een tak van de wetenschap genaamd informatietheorie, wat in feesten eigenlijk de wiskunde is van hoeveel "verrassing" of "nieuwigheid" er in een boodschap zit. De auteurs willen de tweerichtingsconversatie meten tussen de acties van een dier en de wereld om hem heen. Ze vragen zich af: reageert het dier alleen op de wereld, of prikt het de wereld actief om een reactie uit te lokken? Het begrijpen van deze lus is cruciaal, omdat het verklaart hoe wezens voedsel, partners of veiligheid vinden in een chaotische, veranderende wereld, en het kan ons zelfs helpen betere robots te bouwen die kunnen navigeren zonder de weg kwijt te raken.

---

De Grote Informatielus: Hoe Bewegen Verandert Wat Je Weet

Denk aan het navigeren door de wereld als het spelen van een spelletje "Warm en Koud" met een vriend die een schat heeft verstopt. In de oude manier van denken geloofden wetenschappers dat de speler slechts een detective was die luisterde naar aanwijzingen. Als de vriend "warmer" zei, bewoog de speler dichterbij. Als ze "kouder" zeiden, bewoog de speler verder weg. Dit is een reactieve strategie: de omgeving stuurt een signaal, en de speler reageert.

Maar dit artikel betoogt dat de echte magie gebeurt wanneer de speler beseft dat hij de vriend kan laten praten. Als de speler rondjes begint te rennen, kan hij per ongeluk tegen de schat aanbotsen of een nieuwe aanwijzing triggeren. Dit is een actieve strategie: de acties van de speler veranderen de omgeving, die vervolgens weer nieuwe, betere informatie terugstuurt. De auteurs, een team van de Yale University, noemen dit een "gedrag-omgeving informatie-lus". Ze wilden precies meten hoeveel van de navigatie voortkomt uit reageren versus hoeveel voortkomt uit het actief vormgeven van de ervaring.

Om dit te doen, hebben ze een nieuw wiskundig instrument uitgevonden gebaseerd op iets dat transfer-entropie wordt genoemd. Stel je voor dat je probeert de volgende zet van een videogame-personage te raden. Als je alleen naar het gamescherm kijkt (de sensorische input), kun je een redelijke gok doen. Maar als je ook weet wat het personage net deed (de gedragsmatige output), wordt je gok zelfs nog beter. Transfer-entropie meet dat "betere gok"-factor. Het splitst de totale informatiestroom op in twee richtingen:

1. Reactieve Stroom ($\dot{T}_{s \to a}$): Hoeveel de huidige geur of het huidige zicht het dier vertelt wat het volgende moet doen.
2. Actieve Stroom ($\dot{T}_{a \to s}$): Hoeveel de huidige beweging van het dier verandert wat het vervolgens zal ruiken of zien.

De Geheime Formule voor Succes

Het team begon met het bouwen van een super simpel computermodel van een bacterie. Ze gaven het slechts twee keuzes: rechtuit rennen of tollen (om zijn as draaien) om van richting te veranderen. Ze gaven het ook twee sensorische staten: het ruiken van de gradiënt "omhoog" (naar het voedsel toe) of "omlaag" (van het voedsel af).

Toen ze de cijfers verwerkten, ontdekten ze een verrassend patroon. Het succes van de bacterie bij het vinden van voedsel hing niet af van slechts één van deze stromen. Het hing af van het meetkundig gemiddelde van beide. Denk hierbij aan een fiets: als je een geweldige motor hebt (reactieve stroom) maar geen stuur (actieve stroom), rijd je alleen maar rondjes. Als je een geweldig stuur hebt maar geen motor, kom je nergens. Je hebt beide nodig die samenwerken.

Ze creëerden één enkel getal, dat ze $\Phi$ (Phi) noemen, om dit perfecte evenwicht te vertegenwoordigen. Toen ze dit getal testten tegenover echte wereldgegevens, werkte het als een trein. Ze keken naar:

• Bacteriën die naar voedsel zwemmen.
• Wormen die door chemische landschappen kruipen.
• Vliegen die onzichtbare, kolkende geurpluimen in de wind volgen.
• AI-agenten (computerprogramma's) die leren navigeren in een virtuele wereld.

In elk geval gold: hoe hoger de waarde van $\Phi$, hoe beter de navigatieprestatie. De wiskunde voorspelde het succespercentage met ongelooflijke nauwkeurigheid (een correlatie van 0,95, wat bijna perfect is in de wetenschap). Dit suggereert dat of je nu een minuscuul microbie of een slimme robot bent, het geheim van je weg vinden ligt in het behouden van een nauwe feedbacklus tussen wat je waarneemt en hoe je beweegt.

Niet voor Iedereen Dezelfde Maat

Hier wordt het echt interessant. Het artikel laat zien dat er niet slechts één manier is om een goede navigator te zijn. Omdat succes afhangt van de balans tussen de twee stromen, kunnen verschillende wezens hetzelfde doel bereiken met totaal verschillende strategieën.

Stel je twee bacteriën voor die voedsel vinden met exact dezelfde snelheid.

• Bacterie A is een "Reactieve Meester". Het ruikt het voedsel, raakt enthousiast en rent rechtuit. Als het minder ruikt, tollt het onmiddellijk om de koers te corrigeren. Het leunt zwaar op het reageren op het signaal.
• Bacterie B is een "Actieve Ontdekkingsreiziger". Het reageert niet alleen; het blijft bewegen op een manier die garandeert dat het het voedsel blijft ruiken, zelfs als het signaal zwak is. Het vormt zijn eigen pad om de informatiestroom op gang te houden.

Beiden bereiken hetzelfde resultaat, maar hun interne "persoonlijkheid" is totaal anders. De auteurs vonden deze "degeneratie" (waarbij verschillende paden naar dezelfde bestemming leiden) bij bacteriën, wormen en zelfs in de AI-agenten die ze bestudeerden. Dit betekent dat alleen kijken naar hoe snel een dier beweegt, niet genoeg is om te begrijpen hoe het denkt. Je moet naar de informatielus kijken om te zien of het een reactieve volger of een actieve vormgever is.

De "Goldilocks"-zone van Beweging

Het artikel ontdekte ook een wending wanneer zaken te voorspelbaar worden. In een zeer stabiele, kalme omgeving zou je kunnen denken dat het super deterministisch zijn (altijd exact hetzelfde doen wanneer je voedsel ruikt) het beste zou zijn. Maar de wiskunde suggereert het tegendeel.

Als een dier te voorspelbaar wordt in zijn bewegingen, stopt het met het genereren van nieuwe informatie. Het is als een robot die voor eeuwig in een rechte lijn loopt; uiteindelijk leert het niets nieuws meer over de wereld. De auteurs ontdekten dat de beste prestaties vaak plaatsvinden bij een intermediair niveau van actieve stroom. Het dier moet genoeg bewegen om de wereld interessant en informatief te houden, maar niet zo veel dat het de weg kwijtraakt.

Ze testten dit met een computerspel genaamd "two-armed bandit" (een gokkast met twee hendels). Terwijl de AI leerde te spelen, maximaliseerde het niet alleen zijn beloningen; het paste ook zijn informatiestroom aan. Wanneer het spel makkelijk was, werd de AI zeer reactief. Wanneer het spel moeilijk was, moest de AI actiever zijn om te verkennen. Maar als de AI té zelfverzekerd werd en stopte met verkennen, daalde de prestatie daadwerkelijk. De beste strategie was een "Goldilocks"-balans: net genoeg actieve beweging om nieuwsgierig te blijven, maar genoeg reactieve controle om op koers te blijven.

Waarom Dit Ertoe Doet

Dit onderzoek verandert hoe we naar navigatie kijken. Het vertelt ons dat beweging niet alleen een manier is om van punt A naar punt B te gaan; beweging is een manier om vragen te stellen aan de omgeving.

De auteurs hebben dit niet alleen gesimuleerd; ze hebben het gemeten bij echte bacteriën, wormen en vliegen, en het patroon bleef standhouden. Ze vonden geen enkele "beste" manier om te navigeren. In plaats daarvan vonden ze een universele regel: succesvolle navigatie vereist een dans tussen reageren op de wereld en de wereld prikken om te zien wat er gebeurt.

Dus, de volgende keer dat je een vlieg ziet zigzaggen door de lucht of een hond ziet snuffelen aan de grond, onthoud dan: ze volgen niet alleen hun neus. Ze voeren actief een gesprek met de lucht, de wind en de grond, waarbij ze hun eigen bewegingen gebruiken om het gesprek gaande te houden. En volgens dit artikel is dat gesprek de sleutel om de weg naar huis te vinden.