遺伝反射階層グリッド（いでんはんしゃかいとうぐりっど）

概要

遺伝反射階層グリッド（Genetic Reflex Hierarchical Grid: GRHG）は、神経科学と人工知能の分野で開発された、自己組織化マップ（SOM）と遺伝的アルゴリズム（GA）を組み合わせた計算モデルである。GRHGは、環境からの入力信号に基づいて神経回路網を形成し、その回路網を通じて行動を生成する。このモデルの特筆すべき点は、遺伝的アルゴリズムを用いて神経回路網の構造を最適化することで、環境への適応的な行動を獲得できる点にある。

歴史的背景

GRHGは、1990年代後半に、生物の行動における遺伝と学習の相互作用をモデル化することを目的として、Risto Miikkulainenらによって提案された。初期の研究では、単純なロボット制御タスクにおいて、GRHGが効果的に学習できることが示された。その後、GRHGは、より複雑なタスクや、より現実的な環境への応用が試みられている。

技術的詳細

GRHGは、以下の要素から構成される。

• 入力層: 環境からの入力信号を受け取る層。
• 自己組織化マップ（SOM）: 入力信号に基づいて神経回路網を形成する層。SOMは、入力信号の類似性に基づいて、ニューロンをグループ化する。
• 遺伝的アルゴリズム（GA）: SOMの構造を最適化するアルゴリズム。GAは、ニューロンの接続パターンや、ニューロンの活性化関数などを変化させることで、環境への適応的な行動を獲得する。
• 出力層: 生成された行動を出力する層。

応用例

GRHGは、以下の分野への応用が期待されている。

• ロボット制御: ロボットに、環境への適応的な行動を学習させる。
• 人工知能: 人工知能エージェントに、複雑なタスクを学習させる。
• 神経科学: 生物の行動における遺伝と学習の相互作用を理解する。