MétaCan
Menu
Retour à la cohorte
Enregistrement W2121418733 · doi:10.1109/cibcb.2008.4675790

A model of emotion in the prisoner’s dilemma

2008· article· en· W2121418733 sur OpenAlexaff
Daniel Ashlock, Nicholas Rogers

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDilemmaComputer sciencePrisoner's dilemmaContext (archaeology)Set (abstract data type)Iterated functionNoise (video)Artificial neural networkArtificial intelligenceTheoretical computer scienceCognitive psychologyPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

This paper adopts the definition ldquoan emotion is a scalar summary of complex environmental circumstancesrdquo in the context of the iterated prisonerpsilas dilemma. Prisonerpsilas dilemma players, represented both as look-up tables and artificial neural nets, are evolved with and without emotion and noise. The availability of emotion is found to have a substantial impact on the evolution of cooperation and interacts with noise in a complex manner. The impact of having a single bit of emotional information on lookup tables is also found to be different from the analogous impact on neural nets. The emotion used in this experiment is a single bit which is set if an agentpsilas opponent has defected into cooperation more often than the agent itself has done so. This simple emotion has an substantial, non-uniform impact on the behavior of evolving populations of prisonerpsilas dilemma agents. The emotion implemented in this study is only one of many possible emotions, suggesting that even this limited and mathematically tractable definition of emotion yields a rich collection of possible research topics. The most recognizable impact of adding emotion to agents in this study is to move their behavior away from the middle of the behavioral spectrum toward either sustained cooperation or defection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,107
Tête enseignante GPT0,314
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Game Theory and CooperationTravaux en français237 207