Штучний ройовий інтелект

Abstract

У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Використано принцип вільної енергії для кількісного опису оптимізаційного методу, який може підтримувати постійне навчання. Запропоновано інтеграцію цього методу з еволюційними алгоритмами для прискорення розвитку спеціалізованих штучних нейронних мереж (ШНМ), що визначають пропріоцептивну конфігурацію роботизованих елементів рою. Показано, як оптимізація вільної енергії сприяє гомеостазу ройової системи, забезпечуючи її здатність залишатися в межах сенсорних обмежень.The article explores how artificial intelligence in the form of a swarm can evolve through evolutionary algorithms aimed at reducing the system's sensory surprise. The free energy principle is used to quantitatively describe an optimization method that can support continuous learning. It suggests integrating this method with evolutionary algorithms to accelerate the development of specialized artificial neural networks (ANNs) that define the proprioceptive configuration of robotic swarm elements. It shows how free energy optimization contributes to the swarm system's homeostasis, ensuring its ability to stay within sensory limits.