形態形成的に成長させた反復（リカレント）ネットワークにおける活動依存的可塑性
arXiv cs.RO / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本研究では、形態形成的に成長させた5万個の反復型コントローラを対象に、活動依存的可塑性のヘッブ型と反ヘッブ型を特徴づける。コンパクトなゲノムから自己組織化した後、CartPoleおよびAcrobotで評価する。
- 反ヘッブ型可塑性は、適切に機能するネットワークにおいてヘッブ型を有意に上回ることが示される（Cohenのd ≈ 0.53–0.64）。また、固定重みの性能は可塑性で得られる利得を大きく見逃すことがあり、後悔（regret）が最大52–100%に達する。
- 著者らは、可塑性が非定常条件下では単なる微調整から真の適応へと役割を変え得ることを示し、この機能的役割は彼らの測定結果に反映されている。
- 共進化実験では、ゲノムにより符号化された可塑性パラメータが発生（発達）アーキテクチャとともに進化し、独立に同じ反ヘッブ型パターンを回復する（例：CartPoleの実行の約70%が反ヘッブ型の振る舞いを進化させる）。
- ランダムRNNの対照と比べると、反ヘッブ型の優位性は小規模な反復ネットワークでは一般的に見られる。しかし、形態形成的な発達はトポロジー依存の後悔を増大させ（ランダムグラフでトポロジー統計を一致させたものと比べて2〜6倍）、その増加が観察される。
