Threshold × Noise Sweep — 知覚解像度と個性の関係
結果
Threshold sweep (symmetric環境, 20 seeds)
| thresh | places | A | B | M | polar% |
|---|---|---|---|---|---|
| 0.70 | 1.4 | 4 | 12 | 4 | 80% |
| 0.75 | 2.8 | 5 | 11 | 4 | 80% |
| 0.80 | 6.8 | 10 | 9 | 1 | 95% |
| 0.85 | 15.3 | 10 | 6 | 4 | 80% |
| 0.90 | 40.4 | 13 | 6 | 1 | 95% |
| 0.95 | 132.3 | 10 | 10 | 0 | 100% |
Noise sweep (thresh=0.85, 20 seeds)
| noise | places | polar% |
|---|---|---|
| 0.01 | 7.4 | 75% |
| 0.05 | 14.5 | 90% |
| 0.10 | 100.2 | 80% |
| 0.20 | 877.7 | 80% |
解釈
Threshold: 解像度が上がると二極化が鮮明になる
- thresh=0.70: 世界全体が1-2個のplace cellに圧縮。「ここ」しかない世界。二極化はするが不安定(M=4)
- thresh=0.95: 132個のplace cell。セルに近い解像度。二極化100%、中間ゼロ
- thresh=0.80, 0.90: 中間の解像度でも95%で二極化
発見: 知覚解像度と個性の鮮明さは正の相関。だが低解像度でも80%は二極化する。個性の発生には粗い知覚で十分。鮮明さ(中間の排除)に高解像度が必要。
これは052の「知覚の解像度が個性の鮮明さを決める」を定量的に確認した。
面白い逆説: 1.4個のplace cellでも個性が出る
thresh=0.70で世界が1-2個のplace cellに見えている。つまり「場所の区別がほとんどできない」のに、80%は偏る。なぜ?
→ 行動の偏りはplace cellレベルではなくε-greedyの行動選択レベルで決まっているから。place cellが1個でも、遷移(place_0, "right")→place_0 のV値蓄積が方向バイアスを作る。
これは法則6「記憶は方向」の変奏。場所の区別ができなくても、行動の方向バイアスが個性を作る。
Noise: place cellの増殖はバグではない
noise=0.20で877.7個のplace cell。同じ物理位置を毎回違う場所と認識している。これは「記憶が不安定な個体」に相当する。
だが二極化率は80%で安定。ノイズが増えてもplace cellのV値の平均的方向が保たれるから。大量の場所細胞のV値アンサンブルが個性を維持する。
実機含意: カメラのジッターが大きくても個性は壊れない。ただしメモリ使用量が爆発する(877個×16次元)。実機ではマージやプルーニングが必要。
noise=0.01で二極化が弱い(75%)のはなぜ?
ノイズが小さすぎると、place cellが完全に安定し、novelty bonusが効かなくなる(全遷移が既知になる)。探索が減り、初期の偶然がV値に十分反映される前にgreedy化する。
→ 最小限のノイズが必要。完全に決定的な知覚より、少し揺れる知覚のほうが個性が出やすい。
Phase A法則との接続
| Phase A法則 | Place cellモデルでの確認 |
|---|---|
| 自発的対称性の破れ | ✅ 全threshold/noiseで80%以上 |
| 個性=記憶×身体 | ✅ place cell V値 + 物理位置 |
| 臨界期 | 未検証(次回候補) |
| 境界が個性を生む | 前提(symmetric環境に通路あり) |
| 記憶は方向 | ✅ thresh=0.70で1.4 cellでも方向バイアスで個性発生 |
開いた問い
- thresh=0.70で遷移レベルのV値蓄積が個性を作るメカニズムを明示的にログ出力して確認
- Place cellのプルーニング戦略: 類似cellをマージする、訪問回数が少ないcellを消す
- 実機のCLIP embeddingのcosine similarityでthreshold=0.85は妥当か? → CLIPのdim=512で試算