日本名古屋大学的研究人员发现，合作狩猎(两个或多个捕食者合作捕获猎物)不需要大脑中复杂的认知过程。相反，合作可以建立在一套简单的规则和经验的基础上。

这些发现不仅对于理解动物之间合作行为的演变具有重要意义，而且还可能有助于开发协作人工智能(AI)系统。此类系统有潜力在团队运动和驾驶模拟等战术训练场景中充当虚拟伙伴。该研究发表在eLife上，由 Kazushi Tsutsui、Kazuya Takeda 和 Keisuke Fujii 领导。

过去的研究已将合作狩猎与表现出复杂社会行为的哺乳动物联系起来，例如狮子和黑猩猩。然而，在认知能力较弱的物种中也发现了类似的行为，例如鳄鱼和鱼类。这表明一种更简单的机制可能负责这种形式的合作。

为了研究这个难题，筒井和他的合作者创建了一个计算模型，其中人工智能代理使用深度强化学习来学习一起狩猎。深度强化学习是一个通过在执行行为后获得奖励来强化行为的过程。

研究人员训练算法通过与环境的交互进行学习并获得特定行为的奖励。使用深度神经网络，这些算法可以处理位置和速度等输入并做出自主决策。

通过强化学习功能进行编程，人工智能捕食者代理通过一系列状态、动作和奖励与环境交互，学会了在狩猎中进行协作，目标是选择能够最大化未来奖励的行动。捕食者代理之所以合作，是因为他们的行动有效，并且期望在成功捕猎后在群体中分配奖励(猎物)。

在模拟过程中，人工智能捕食者表现出独特且互补的角色，类似于参与合作狩猎的动物的行为。例如，一名特工会追逐猎物，而另一名特工则会伏击猎物。随着捕食者数量的增加，成功率提高，狩猎所需的时间减少。