机构名称：
¥ 1.0
集体运动本质上是普遍存在的；诸如鱼类，鸟类和无蹄类动物之类的动物群体似乎整体运动，展现出丰富的行为曲目，从定向运动到铣削到无序的蜂拥而至。通常，这种宏观模式是由组成部分之间的分散局部互动引起的（例如，在学校中的个人鱼）。这一过程的杰出模型将个体描述为自构的颗粒，受自我生成的运动和“社会力量”，例如短期排斥和远距离吸引力或一致性。但是，生物不是颗粒。他们是概率的决策者。在这里，我们介绍了一种基于主动推断的集体行为进行建模的方法。这个认知框架是单一势在必行的结果：最大程度地减少惊喜。我们证明，许多经验上观察到的集体现象，包括凝聚力，铣削和定向运动，在考虑主动贝叶斯推论所驱动的行为时自然出现，而没有明确的行为规则或目标在单个主体中构建行为规则。此外，我们表明积极推论可以恢复和推广社会力量的经典概念，因为试图抑制与他们的期望相结合的预测错误。通过探索基于信念的模型的参数空间，我们揭示了各个信念与群体属性（如极化）和访问不同集体状态的趋势之间的非平凡关系。我们还探讨了个人对不确定性的信念如何决定集体决策的准确性。最后，我们展示了代理如何随着时间的推移更新其生成模型，从而导致对外部爆发更敏感的组，并更加牢固地编码信息。
来自惊喜最小化的集体行为
主要关键词
相关文件推荐
