AGI2026/9/7arXiv:2609.09226

人工汎用知能における適応的絡み合いゲームモジュール

Adaptive Entangled Game Modules in Artificial General Intelligence

相互作用する適応エージェントの集団行動を確率波方程式でモデル化し、中国株の日中取引データが適応的絡み合いゲームモードで82-94%説明できることを示した。AGIに適応的絡み合いゲームモジュールを組み込む必要性を主張する。

詳しい要約

1. どんなもの？

- 提案: 相互作用する適応的エージェントの集団行動を確率波フレームワークでモデル化。 - 鍵: 一般化行動知能(GBI)非局所確率波方程式から検証可能な固有モードを導出。 - 目的: 人間知能の広範な行動を解析的に捉え、脳内の非局所絡み合い神経線維に関するLiu-Chen-Ao (LCA)仮説を間接的に検証。 - 応用: 中国の日中株式市場データで適応的絡み合いゲームモードが観測決定パターンの82-94%(全体89%)を説明。 - 示唆: 適応的絡み合いゲームモジュールをAGIアーキテクチャに組み込む必要性を強調。

2. 先行研究と比べてどこがすごい？

- 従来: 新古典派ファイナンスは独立した合理的エージェントを仮定。 - 対比: 本研究では独立モードは5%未満で、適応的絡み合いモードが82-94%を説明。 - 優位: 従来のANNベースAIは数兆の不透明パラメータに依存するが、提案手法は確率波ベースで解釈性が高い。 - 新規: LCA仮説を集団トレーダー行動を通じて間接的に検証する道を開く。

3. 技術・手法の肝は？

- 核: 一般化行動知能(GBI)非局所確率波方程式を導入。 - 導出: 相互作用する適応的エージェントの集団行動から検証可能な固有モードを導出。 - 分析: 中国の日中株式市場データに適用し、適応的絡み合いゲームモードを抽出。 - 特徴: 2-12%の行動が日中ニュース・イベント・環境への適応を示し、双対平衡状態と急激な参照点シフトを特徴とする。 - 統合: ANNベースAIと確率波ベースの絡み合い脳シミュレーションを統合し、人間らしい処理ユニット(HPU)を開発する可能性。

4. どうやって有効だと検証した？

- データ: 中国の日中株式市場データを経験的に分析。 - 結果: 適応的絡み合いゲームモードが観測決定パターンの82-94%(全体89%)を説明。 - 対比: 独立モードは5%未満、新古典派ファイナンスの予測と鋭い対照。 - 適応: 2-12%の行動が日中ニュース・イベント・環境への適応を示し、双対平衡状態と急激な参照点シフトを伴う。 - 支持: これらの発見はLCA仮説を経験的に支持。

5. 議論はある？

- 意義: 観測可能な取引行動が脳メカニズムと行動心理学における内部知能意思決定を反映。 - 必要性: 適応的絡み合いゲームモジュールをAGIアーキテクチャに組み込む必要性を強調。 - 限界: 従来のANNベースAIは数兆の不透明パラメータに依存するという制限に対処。 - 展望: ANNベースAIと確率波ベースの絡み合い脳シミュレーションの統合により、AGI基盤モデル(FM)を強化し、人間らしい処理ユニット(HPU)を開発。 - 応用: 特に身体性知能とロボティクスにおいて、よりコンパクトで効率的かつ堅牢なAGIシステムを創出する可能性。

6. 次に読むべき論文は？

- 要旨で参照: Liu-Chen-Ao (LCA)仮説、新古典派ファイナンス、人工ニューラルネットワーク(ANN)ベースAI、人工一般知能(AGI)、基盤モデル(FM)、人間らしい処理ユニット(HPU)。 - 関連手法: 確率波フレームワーク、一般化行動知能(GBI)非局所確率波方程式、適応的絡み合いゲームモード。 - 同分野定番: 身体性知能、ロボティクス、脳 inspired 計算。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Haochen Li, Xinshuai Guo, Jingdong Ouyang, Wei Zhang, Leilei Shi

分類: cs.AI, physics.soc-ph, q-bio.NC, q-fin.GN, quant-ph

原文アブストラクト

We introduce a probability-wave framework for modeling the collective behavior of interacting adaptive agents, deriving testable eigenmodes through a generalized behavioral intelligence (GBI) nonlocal probability-wave equation. This framework captures a broad range of human intelligence behaviors with analytical mechanisms and offers an indirect method to examine the Liu-Chen-Ao (LCA) hypothesis of nonlocal entangled nerve fibers in the brain through collective trader behaviors. Our empirical analysis of Chinese intraday stock market data demonstrates that adaptive entangled game modes explain 82-94% (89% overall) of observed decision patterns, a sharp contrast to the predictions of neoclassical finance based on independent rational agents. Moreover, 2-12% of behaviors show adaption to intraday news, events, and environments, characterized by dual equilibrium states and abrupt reference point shifts, while purely independent modes occur in less than 5% of cases. These findings empirically support the LCA hypothesis, as observable trading behaviors reflect underlying brain mechanisms and internal intelligence decision-making in behavioral psychology. Our results highlight the necessity of incorporating adaptive entangled game modules into artificial general intelligence (AGI) architectures, addressing the limitations of conventional artificial neural network (ANN)-based AI, which relies on trillions of opaque parameters. By integrating ANN-based AI with probability-wave-based entangled-brain simulations, machine learning can enrich AGI foundation models (FMs) and facilitate the development of human-like processing units (HPUs) that leverage brain-inspired mechanisms. Such HPUs may ultimately create more compact, efficient, and robust AGI systems, particularly for embodied intelligence and robotics.

arXivで原文を読む →arXiv概要ページ

← 論文一覧