Active Electrosensing and Communication in MARL-trained Weakly Electric Fish Collectives
本文引入了一种利用多智能体强化学习来模拟类弱电鱼智能体的创新计算框架，展示了受生物物理启发的电感应与驱动如何产生诸如社会觅食和攻击性等涌现的集体行为，同时能够通过因果性的计算机内干预来克服研究动物神经行为学中的实验局限。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一个你无法看见、听见或闻到朋友的世界，但你可以通过周围环绕着的一种持续且无形的电能嗡鸣声来感知他们的存在。这就是弱电鱼的现实，这些微小的生物生活在视觉毫无用处的浑浊水域中。为了导航和相互交流，它们会产生自己的电场，就像活着的 Wi-Fi 路由器一样，并拥有特殊的传感器来探测这些电场如何从物体上反弹，或者如何被其他鱼类干扰。科学家们长期以来一直好奇，这些鱼是如何在没有中心领导者或复杂语言的情况下，协调复杂的群体行为——比如一起寻找食物或决定谁先吃东西。这是一个巨大的谜题，因为同时观察许多鱼的互动是非常困难的；你无法轻易记录一群在水箱中自由游动的鱼的大脑活动。
为了解决这个问题，研究人员正转向一种新型的“虚拟实验室”。他们不再仅仅是观察真实的鱼，而是在计算机内部构建数字鱼。这些不仅仅是简单的卡通形象；它们是使用一种被称为多智能体强化学习（MARL）的方法训练出的复杂智能体。把这想象成教一群电子游戏角色如何一起玩游戏。你不需要告诉它们具体该做什么；你只需给它们一个目标（比如“获得最多的食物”），然后让它们自己摸索如何合作、竞争和交流。核心问题在于：如果你给这些数字鱼提供真实的感官和简单的目标，它们是否会自然地发明出我们在自然界中看到的那些复杂的社会行为，还是仅仅表现得像笨拙的机器人？
本文介绍了一种开创性的模拟实验，科学家们在其中创建了具有现实物理感知的电感能力的数字弱电鱼，并训练它们在共享的虚拟竞技场中觅食。结果非常逼真。数字鱼并不仅仅做直线运动；它们开发出了平滑的曲线路径来寻找目标，模仿了真实鱼类利用电感进行导航的精确方式。它们还学会了通过根据周围发生的情况改变其电脉冲的频率来进行“交谈”。当它们在进食、咬啮或被咬时，它们的电信号会发生特定的变化，就像真实的鱼类一样。
或许最令人着迷的是，数字鱼在没有任何指令的情况下，自发地创造了一个社会等级制度。较大的鱼自然而然地成为了“老大”，吃更多的食物并更频繁地咬较小的鱼，而较小的鱼则学会了更加顺从。研究人员利用这个虚拟设置进行了在真实动物身上可能无法实现或过于残忍的实验。他们“关闭”了数字鱼的特定传感器，以观察会发生什么。他们发现，短程传感器对于寻找食物至关重要，而长程传感器则是保持群体间距、避免混乱的关键。他们还发现，当一只鱼停止发送电信号时，整个群体的进食量会减少，且彼此靠得更近，这证明了主动通信对于它们的社会结构是必不可少的。
这项研究还观察了这些数字鱼的“大脑”（实际上是神经网络）。他们发现，鱼的内部活动不仅编码了食物的位置，还编码了社会语境——即谁在附近以及谁体型更大。当两条鱼靠近时，它们的内部活动会变得同步，这表明存在一种仅在相互作用时才存在的共享精神空间。虽然这些是模拟实验而非真实的鱼，但事实证明，它们能从简单的规则中重现如此复杂的自然行为，这表明电感物理特性和生存驱动力足以创造丰富的社会生活。这种虚拟框架提供了一种强大的新方法，用以理解个体行为如何转化为群体智能，为在接触真实鱼类之前测试想法提供了一个安全、可控的游乐场。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。