Kwantumfysische modellen voor collectief gedrag van AI-agenten
Een nieuwe studie past een op waarschijnlijkheidsgolven gebaseerd raamwerk toe om interacties tussen adaptieve agenten te analyseren. De onderzoekers gebruiken beurshandelsdata om collectieve gedragspatronen te onderzoeken.
Wetenschappers hebben een theoretisch model gepresenteerd dat de collectieve interacties van adaptieve systemen beschrijft aan de hand van een op waarschijnlijkheidsgolven gebaseerd wiskundig raamwerk. Dit moet helpen om complex gedrag van meerdere samenwerkende agenten beter te doorgronden en te analyseren.
De onderzoekers hebben hun methode empirisch getoetst aan de hand van intraday data van de Chinese aandelenmarkt. Hierbij keken zij naar het collectieve gedrag van handelaren om te onderzoeken hoe theorieën over menselijk gedrag en hersenactiviteit zich verhouden tot grootschalige markttransacties.
Dergelijke theoretische benaderingen komen vaker voor in de literatuur over kunstmatige intelligentie en complexe systemen. Ze proberen parallellen te trekken tussen biologische processen, menselijke besluitvorming en de interacties van kunstmatige agenten binnen netwerken.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.AI). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel