摘要:大规模合作对于实现人类可持续的未来至关重要。然而,实现集体,合作的行为 - 在复杂环境中聪明的参与者共同改善了他们的福祉 - 认为这是鲜为人知的。复杂的系统科学(CSS)对集体现象,合作的演变以及可以维持两者兼而有之的机构提供了丰富的理解。然而,该领域的许多理论都无法完全考虑个人级别的复杂性和环境环境,这是出于障碍性的目的,并且因为尚不清楚如何严格地做到这一点。这些元素在多种强化学习(MARL)中被很好地捕获,该学习最近着重于合作(人工)智能。但是,典型的MARL模拟在计算上可能是昂贵的,并且可以解释挑战。在本演讲中,我建议桥接CSS和MARL提供新的方向。通过研究集体增强学习的非线性动力学,我们可以更好地理解在复杂的环境中,个人决策如何成为可持续未来的集体行动。
主要关键词