적응형 시스템

적응형 시스템은 상호 작용하거나 상호의존하는 실체들의 집합으로, 실제적이든 추상적이든, 상호 작용하는 부분의 환경 변화나 변화에 함께 대응할 수 있는 통합적 전위를 형성하는 것이다. 이는 생물학의 지속적인 생리적 동태 또는 진화적 적응과 유사한 방식이다. 피드백 루프는 생태계와 개별 유기체, 또는 인간 세계, 공동체, 조직 및 가족 등 적응형 시스템의 주요 특징을 나타낸다. 적응형 시스템은 계층 구조로 구성될 수 있다.

인공 적응 시스템에는 원하는 상태를 유지하기 위해 부정적인 피드백을 활용하는 제어 시스템을 갖춘 로봇이 포함된다.

적응의 법칙

적응의 법칙은 다음과 같이 비공식적으로 진술할 수 있다.

모든 적응 시스템은 모든 종류의 자극이 멈추는 상태로 수렴된다.^[1]

형식적으로 법은 다음과 같이 정의할 수 있다.

Given a system $S$ , we say that a physical event $E$ is a stimulus for the system $S$ if and only if the probability $P(S\rightarrow S' E)$ that the system suffers a change or be perturbed (in its elements or in its processes) when th $e$ 이벤트 $E$ $E$ 발생은 $E$ S $S$ 이 $E$ 가) $E$ $E$ 과(와) 독립적으로 변경될 $S$ 이전 확률보다 확실히 크다.

(\displaystyle P(S\오른쪽 화살표 S' E)>P(S\오른쪽 화살표 S')}

$S$ $S$ 을(를)시간 t {\ $displaystyle t$ $}$ 의 변경에 따른 임의의 $E$ 이고 $S$ $t$ E ${\displaystyle$ E}을 $E$ (를) $S$ 의 이벤트로 하자 $S$ : 만일 t가 무한대 $(t\rightarrow \infty )$ → $(t\rightarrow \infty )$ )가 되는 경우라면 $S$ ${\displaystystyle$ S $}$ 은 $적응형$ 이라고 말한다 $S$ $(t\rightarrow \infty )$ $\displaystyle(t\$ 오른쪽 $화살표 \$ $(S\rightarrow S')$ )} 이벤트 E ${\$ displaystyle E $}$ 이 $t_{0}$ ( $가$ ) $시간$ 단계 t $E$ 0 {\ $displaystyle t_{0}$ 에서 $(S\rightarrow S')$ $시스템$ S $(S\rightarrow S')$ $displaystyle S$ $(S\rightarrow S')$ 이( $가)$ 동작을 변경할 $S$ 확률은 시스템 E $(t\rightarrow \infty )$ {\ $displaystyle$ E $}$ 이벤트 $E$ $E$ 의 발생 $E$ 수학적 용어로:

- $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ ( $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ → S $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ ) $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ > P $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ → S $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ ) $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ > $P_{t_{0}}(S\rightarrow S'|E)>P_{t_{0}}(S\rightarrow S')>0$ ${\displaystyle P_{t_{0}}}(S\오른쪽 화살표$ S $'$ E) > 입니다. $P_{t_{0}}(S\오른쪽 화살표 S')>0}$
- $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ → $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ ( $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ → S $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ E $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ ) $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ = $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ t $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ ( $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ → $\lim _{t\rightarrow \infty }P_{t}(S\rightarrow S'|E)=P_{t}(S\rightarrow S')$ ) ${\displaystyle \lim _{t\rightarrow \inft }P_{t}(S\rightarrow S'$ E $)=P_{t}(S\rigarrowarrowe)})}}}$

따라서 각 순간 $t$ $t$ 에 대해 다음과 같은 $h$ 시간 간격 $h$ $h$ 이(가) 존재할 것이다 $t$ .

P_{t+h}(S\오른쪽 화살표 S'E)-P_{t+h}(S\오른쪽 화살표 S')<P_{t}(S\오른쪽 화살표 S' E)-P_{t}(S\오른쪽 화살표 S')

적응 서열: 연습생

계층적 적응에서의 피드백 루프 및 양방향 상호작용.

다양한 유형의 적응은 어떻게 살아있는 시스템에서 상호작용하는가? 단코 니콜리치(Danko Nikoliche) 때문에 생긴 말인 ^[2]연습포피시스(^[3]Practoopiesis)는 이 질문에 대답하는 적응 메커니즘의 서열을 가리키는 말이다. 적응적 계층 구조는 구성 요소들 간의 동종 상호 작용의 계층구조를 통해 전체 유기체나 세포의 자포증이 발생하는 일종의 자기 조정 체계를 형성한다.^[4] 이것은 구성 요소들이 평화적 계층 구조로 구성되어 있기 때문에 가능하다: 한 구성 요소의 적응적 작용은 다른 구성 요소를 생성하게 된다. 이 이론은 생물체계가 총 4개의 적응적 양정적 운영의 계층구조를 나타낸다고 제안한다.

 진화 (i) → 유전자 발현 (ii) → 비유전자성 항원 메커니즘 (anapoiesis) → 최종 세포 기능 (iv)

계층이 더 높은 수준의 조직으로 진화함에 따라 적응 속도가 빨라진다. 진화는 가장 느리고 유전자 발현이 더 빠르다. 최종 세포 기능이 가장 빠르다. 궁극적으로, 연습포피증은 정신 수술이 주로 동태적 수준, 무반포적 수준(iii)에서 발생한다고 주장함으로써 현재의 신경과학 교리에 도전한다. 즉, 정신과 사상은 빠른 동태적 메커니즘에서 세포 기능을 정적으로 제어하는 것에서 나온다는 것이다. 이것은 사고가 신경 활동 수준에서 실행되는 계산과 동의어라는 일반적인 가정과 대조된다. (즉, '최종 세포 기능'은 4단계)

샤로프는 유카리오테 세포만이 4단계 조직을 모두 달성할 수 있다고 제안했다.^[5]

각각의 느린 수준은 빠른 수준보다 더 일반적인 지식을 포함한다. 예를 들어, 유전자는 세포 기능보다 더 일반적인 지식을 포함하고 있다. 이러한 지식의 서열은 무정체적 수준이 마음의 가장 근본적인 요소인 개념을 구현할 수 있게 한다. 아나포에시스를 통한 개념의 활성화는 관념의 기초가 되는 것으로 제안된다. 연습은 또한 딥러닝의 한계를 이해하는 데에도 영향을 미친다.^[6]

실습의 경험적 테스트는 이중 루프 과제에 대한 학습을 요구한다. 학습 능력이 시간이 지남에 따라 어떻게 적응하는지, 즉 시스템이 어떻게 학습하는지를 평가할 필요가 있다(적응 능력을 적응시킨다).^[7]^[8]

자가 조정 시스템의 이점

적응형 시스템에서 매개변수는 천천히 변경되며 선호하는 값이 없다. 그러나 자체 조정 시스템에서 매개변수 값은 "시스템 역학의 역사에 따라 달라진다". 자기 조정 시스템의 가장 중요한 자질 중 하나는 "혼돈의 가장자리에 적응"하거나 혼돈을 피할 수 있는 능력이다. 현실적으로 말해서, 더 이상 나아가지 않고 혼란의 가장자리로 향함으로써, 지도자는 재난 없이 아직 자발적으로 행동할 수 있다. 2009년 3월/4월 복잡성 기사는 사용된 자체 조정 시스템과 현실적 함의를 자세히 설명한다.^[9] 물리학자들은 혼돈의 가장자리에 대한 적응이 거의 모든 시스템에서 피드백과 함께 일어난다는 것을 보여주었다.^[10]

참고 항목

메모들

^ 호세 안토니오 마르틴 H, 하비에르 드 로페 및 다리오 마라발: "자연과 인공 시스템의 적응, 기대와 합리성: 자연을 모방하는 컴퓨터 패러다임" 자연 컴퓨팅, 2009년 12월. 제8권(4), 페이지 757-775. 도이
^ http://www.danko-nikolic.com/practopoiesis/
^ https://www.researchgate.net/profile/Danko_Nikolic
^ Danko Nikolić (2015). "Practopoiesis: Or how life fosters a mind". Journal of Theoretical Biology. 373: 40–61. arXiv:1402.5332. Bibcode:2015JThBi.373...40N. doi:10.1016/j.jtbi.2015.03.003. PMID 25791287. S2CID 12680941.
^ 샤로프, A. A. A. (2018). "마인드, 에이전시, 그리고 생물학." 인지과학 저널, 19(2), 195-228.
^ 니콜리치, D. (2017). "왜 깊은 신경망이 생물학적 지능에 결코 필적할 수 없고 어떻게 해야 하는가?" 국제 자동화 및 컴퓨팅 저널, 14(5), 532-541.
^ 엘 하디, A. (2016) 폐쇄 루프 신경 과학. 학술 출판사.
^ 동, 엑스, 듀, 엑스, & 바오, 엠(2020) "반복된 대비 어댑테이션은 어댑터의 습관화를 유발하지 않는다." 인간 신경과학의 프런티어, 14, 569. (https://www.frontiersin.org/articles/10.3389/fnhum.2020.589634/full)
^ 휴블러, A. & Wotherspoon, T.: "자율 조정 시스템은 혼란을 피한다." 복잡성. 14(4), 2008년 8월 11일
^ Wotherspoon, T.; Hubler, A. (2009). "Adaptation to the edge of chaos with random-wavelet feedback". J Phys Chem A. 113 (1): 19–22. Bibcode:2009JPCA..113...19W. doi:10.1021/jp804420g. PMID 19072712.

참조

Martin H., Jose Antonio; Javier de Lope; Darío Maravall (2009). "Adaptation, Anticipation and Rationality in Natural and Artificial Systems: Computational Paradigms Mimicking Nature". Natural Computing. 8 (4): 757–775. doi:10.1007/s11047-008-9096-6. S2CID 2723451.

외부 링크

마인드와 브레인(Mind & Brain)이 만든 연습생 이론을 설명하는 재미있는 애니메이션 비디오.
Practoopiesis는 신경과학과 정신철학의 9가지 오랜 문제들에 대한 해결책을 제공한다.
실습 블로그 시리즈

[1] 호세 안토니오 마르틴 H, 하비에르 드 로페 및 다리오 마라발: "자연과 인공 시스템의 적응, 기대와 합리성: 자연을 모방하는 컴퓨터 패러다임" 자연 컴퓨팅, 2009년 12월. 제8권(4), 페이지 757-775. 도이

[2] ttp://www.danko-nikolic.com/practopoiesis/

[3] ttps://www.researchgate.net/profile/Danko_Nikolic

[Nikolic2015-4] Danko Nikolić (2015). "Practopoiesis: Or how life fosters a mind". Journal of Theoretical Biology. 373: 40–61. arXiv:1402.5332. Bibcode:2015JThBi.373...40N. doi:10.1016/j.jtbi.2015.03.003. PMID 25791287. S2CID 12680941.

[5] 샤로프, A. A. A. (2018). "마인드, 에이전시, 그리고 생물학." 인지과학 저널, 19(2), 195-228.

[6] 니콜리치, D. (2017). "왜 깊은 신경망이 생물학적 지능에 결코 필적할 수 없고 어떻게 해야 하는가?" 국제 자동화 및 컴퓨팅 저널, 14(5), 532-541.

[7] 엘 하디, A. (2016) 폐쇄 루프 신경 과학. 학술 출판사.

[8] 동, 엑스, 듀, 엑스, & 바오, 엠(2020) "반복된 대비 어댑테이션은 어댑터의 습관화를 유발하지 않는다." 인간 신경과학의 프런티어, 14, 569. (https://www.frontiersin.org/articles/10.3389/fnhum.2020.589634/full)

[9] 휴블러, A. & Wotherspoon, T.: "자율 조정 시스템은 혼란을 피한다." 복잡성. 14(4), 2008년 8월 11일

[10] Wotherspoon, T.; Hubler, A. (2009). "Adaptation to the edge of chaos with random-wavelet feedback". J Phys Chem A. 113 (1): 19–22. Bibcode:2009JPCA..113...19W. doi:10.1021/jp804420g. PMID 19072712.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

Search