İş Birlikçi Avlanma, Sanıldığı Kadar Karmaşık Bilişsel Süreçler Gerektirmiyor!

Japonya'daki Nagoya Üniversitesi'nden araştırmacılar, eLife dergisinde yayınladıkları çalışmada iki veya daha fazla yırtıcının avı yakalamak için iş birliği yaptığı işbirlikçi avlanmanın beyinde karmaşık bilişsel süreçler gerektirmediğini keşfetti.^[1] İş birliği basit bir dizi kural ve deneyim temelinde ortaya çıkabiliyor. Bu bulgular, hayvanlar arasındaki iş birliği davranışının evrimini anlamak için önemli sonuçlar taşımakla birlikte iş birliği yapabilen yapay zeka sistemlerinin geliştirilmesine de yardımcı olabilir. Bu tür sistemler, takım sporları ve sürüş simülasyonları gibi taktiksel eğitim durumlarında sanal yardımcılar olarak hizmet etme potansiyeline sahip.

Geçmişte yapılan araştırmalar, iş birliğine dayalı avlanmayı aslanlar ve şempanzeler gibi karmaşık sosyal davranışlar sergileyen memelilerle ilişkilendirmişti. Ancak, benzer davranışlar timsahlar ve balıklar gibi daha az gelişmiş bilişsel yeteneklere sahip türlerde de bulundu. Bu, bu tür iş birliğinin daha basit bir mekanizma ile açıklanabileceğini düşündürmektedir.

Bunu araştırmak için Tsutsui ve ekibi, yapay zeka ajanlarının derin pekiştirmeli öğrenme kullanarak birlikte avlanmayı öğrendiği bir hesaplamalı model oluşturdu. Derin pekiştirmeli öğrenme, davranışların gerçekleştirildikten sonra ödüllendirilerek pekiştirildiği bir süreçtir. Bu algoritmalar, derin sinir ağlarını kullanarak konum ve hız gibi girdileri işleyebilir ve otonom kararlar verebilir.

Pekiştirmeli öğrenme yetenekleriyle programlanmış yapay zeka yırtıcı ajanları, çevreyle etkileşim kurarak ve gelecek ödülleri maksimize etmeyi amaçlayan eylemler seçerek avlanma sırasında iş birliği yapmayı öğrendi. Yırtıcı ajanlar, eylemlerinin verimliliği ve başarılı bir av sonrası ödülün grup arasında bölüşülme beklentisi nedeniyle iş birliği yaptı.

Simülasyonlar sırasında, yapay zeka yırtıcıları, iş birliğine dayalı avcılık yapan hayvanların davranışlarına benzer şekilde, belirgin ve tamamlayıcı roller sergiledi. Örneğin, bir ajan avı kovalarken, diğeri onu pusuya düşürüyordu. Yırtıcı sayısı arttıkça, başarı oranı artmış ve avlanma için gereken süre azalmıştır.

Son testte, yapay zeka ajanları avcı ve insan katılımcılar da av rolündeydi. Beklenmedik insan hareketlerinden kaynaklanan zorluklarla karşılaşmalarına rağmen, eğitilmiş yapay zeka ajanları iş birliği yaparak insan avlarını yakalamayı başardı. Bu durum, başarılı bir işbirlikçi avlanmanın karmaşık bilişsel süreçler gerektirmediğini göstermekle birlikte gerçek dünyadaki yırtıcıların da basit bir dizi karar kuralıyla iş birliği yapmayı öğrenebileceğini de düşündürüyor. Tsutsui bu konuda şunları söylüyor:

Yırtıcı ajanlarımız, zihin teorisine benzer karmaşık bilişsel mekanizmalara ihtiyaç duymadan pekiştirmeli öğrenme kullanarak iş birliği yapmayı öğrendiler. Bu, iş birliğine dayalı avlanmanın daha önce düşünülenden daha geniş bir tür yelpazesinde evrimleşebileceğini gösteriyor.

Araştırma ekibi, keşiflerinin av-avcı dinamiklerinde karar verme konusunda yeni saha çalışmalarına yol açmasını bekliyor. Ayrıca bu proje, otonom sürüş ve trafik yönetimi gibi iş birliğine dayalı çözümler gerektiren diğer alanlarda da olumlu etkileri olabilecek iş birliğine dayalı yapay zeka sistemlerinin de geliştirmesine yardımcı olabilir.