Bir neçə öyrənən model eyni mühitdə işlədikdə, onların hamısının eyni həll üsuluna yönəlməsi əvəzinə müxtəlif şəraitlərdə ixtisaslaşması mümkündürmü? Daha vacibi, bu əmək bölgüsü öyrənənlər bir-biri ilə ünsiyyət qurmadan və sistemə xüsusi “müxtəliflik mükafatı” əlavə edilmədən öz-özünə yarana bilərmi? NichePopulation adlı üsul bu sualı ekoloji niş nəzəriyyəsindəki rəqabətli istisna ideyasını maşın öyrənməsinə uyğunlaşdıraraq araşdırır.

Tədqiqatın əsas yanaşmasında səkkiz öyrənəndən ibarət populyasiya müxtəlif ekoloji rejimlərlə qarşılaşır. Hər öyrənən beş proqnozlaşdırma üsulundan birini seçir. Eyni raundda bütün öyrənənlər nəticə göstərsə də, yalnız ən yüksək tənzimlənmiş mükafatı əldə edən öyrənən yenilənir. Bu winner-take-all, yəni “qalib hər şeyi alır” quruluşu eyni davranışı davam etdirən öyrənənləri birbaşa rəqabətə daxil edir. Müəllifin hipotezinə görə, bu rəqabət daha az sıx davranış nişlərinə yönəlməyi üstünlüklü hala gətirərək zamanla ixtisaslaşmaya səbəb olur.

Üsul kriptovalyuta, əmtəə qiymətləri, hava proqnozu, günəş şüalanması, şəhərdaxili nəqliyyat və hava keyfiyyəti olmaqla altı real məlumat sahəsində qiymətləndirilmişdir. Əsas Cədvəl 2-yə görə NichePopulation-ın orta İxtisaslaşma İndeksi (Specialization Index, SI) 0,747-dir. Sahələr üzrə SI dəyərləri 0,573 ilə 0,826 arasında dəyişmişdir. Homogen müqayisə qrupunda SI təxminən 0,002, təsadüfi müqayisədə orta SI isə 0,127-dir.

Tədqiqatın ən mühüm ablation təcrübəsində ixtisaslaşmanı birbaşa təşviq edən isteğe bağlı niş bonusu tamamilə söndürülmüşdür: λ = 0. Bu halda orta SI 0,329 olmuşdur. Bu dəyər təsadüfi baza göstəricisi olan 0,127-dən aydın şəkildə yüksəkdir. Beləliklə, təcrübələr araşdırılan winner-take-all quruluşunda rəqabətin təkbaşına ölçülə bilən ixtisaslaşma yarada bildiyini dəstəkləyir. Bununla belə, λ = 0,3 istifadə edildikdə orta SI 0,747-yə yüksəlmişdir; yəni bonus ixtisaslaşmanın miqyasını əhəmiyyətli dərəcədə artırmışdır.

Öyrənənlərin təkcə ekoloji rejimlərdə deyil, istifadə etdikləri proqnozlaşdırma üsullarında da fərqləndiyi bildirilmişdir. Populyasiyalar orta hesabla mövcud üsulların %87-sindən istifadə etmiş və homogen tək-üsul bazası ilə müqayisədə normallaşdırılmış performansda orta hesabla %26,5 artım göstərmişdir. Kriptovalyuta sahəsində bildirilən artım %41,6, əmtəədə %37,2, hava proqnozunda %28,6, nəqliyyatda %23,8, günəş şüalanmasında %17,6 və hava keyfiyyətində %9,9-dur.

QMIX, MAPPO və IQL ilə aparılan MARL müqayisəsi yalnız dörd sahəni —kriptovalyuta, əmtəə, hava və günəş şüalanmasını— əhatə edir. Müəllif NichePopulation-ın bu müqayisədə təxminən 4,3 dəfə daha yüksək SI təmin etdiyini, 500 iterasiyalı təlimdə təxminən 0,9 saniyəyə qarşı 3,7 saniyə ilə təxminən dörd dəfə daha sürətli olduğunu və təxminən 1 MB-a qarşı 384–512 MB yaddaş istifadə etdiyini bildirir. MARL üsulları üçün əlavə hiperparametr optimallaşdırması aparılmadığına görə bu nəticə üsulların bütün mümkün konfiqurasiyalarına qarşı qəti üstünlük kimi qiymətləndirilməməlidir.

Tədqiqat rəqabətin hər mühitdə avtomatik olaraq müxtəliflik yaradacağını göstərmir. Üsulun işləməsi üçün mühitdə birdən çox mənalı rejimin olması, müxtəlif üsulların müxtəlif rejimlərdə üstün olması və öyrənənlərin həqiqətən məhdud mükafat uğrunda rəqabət aparması tələb olunur. Rejimlər və hər sahədəki proqnozlaşdırma üsulları tədqiqatçı tərəfindən əvvəlcədən müəyyən edilmişdir; alqoritm bu rejimləri özü kəşf etmir.

Türkiyə baxımından bu üsul müxtəlif bazar şəraitlərinə uyğunlaşan model topluluqları, istehsal müəssisələrində müxtəlif iş rejimlərinə ixtisaslaşan proqnozlaşdırıcı texniki xidmət modelləri, enerji tələbi və ya günəş enerjisi istehsalı proqnoz sistemləri və ətraf mühit sensor şəbəkələri kimi sahələrdə araşdırıla bilər. Lakin tədqiqatdakı nəticələr Türkiyə məlumatları üzərində təsdiqlənməmiş və real əməliyyat sistemlərinə yönəlik sahə təcrübəsi aparılmamışdır. Buna görə yerli tətbiq üçün rejim tərifi, üsullar inventarı, mükafat quruluşu və rəqabət mexanizmi ayrıca təsdiqlənməlidir.

Öyrənən Populyasiyalarda İxtisaslaşma Nə Deməkdir?

Bu tədqiqatda öyrənən (learner) müəyyən ekoloji vəziyyətdə proqnozlaşdırma üsulu seçən, nəticəsinə görə mükafat alan və keçmiş təcrübələrindən hansı üsulun hansı şəraitdə daha effektiv olduğunu öyrənməyə çalışan hesablama vahididir. Populyasiya isə eyni ümumi qabiliyyətlərə malik birdən çox öyrənənin eyni mühitdə fəaliyyət göstərməsidir.

İxtisaslaşma öyrənənin bütün ekoloji şərtlərə eyni dərəcədə yönəlmək əvəzinə müəyyən rejimlərdə daha yüksək üstünlük və ya səriştə inkişaf etdirməsidir. Məsələn, maliyyə mühitində bir öyrənən yüksəliş bazarında, digəri eniş bazarında, başqa biri isə yan bazarda uğurlu üsullara yönəlməyə başlaya bilər.

Tədqiqatın ekoloji bənzətməsi niş (niche) anlayışına əsaslanır. Ekologiyada eyni məhdud resursdan eyni şəkildə istifadə edən orqanizmlər birbaşa rəqabətə girirlər. Fərqli resurslara və ya şəraitlərə yönəlmək bu rəqabəti azalda bilər. NichePopulation oxşar mexanizmin süni öyrənən populyasiyalarında yaranıb-yaranmadığını araşdırır.

Rejim nədir?

Rejim (regime) məlumatın və ya mühitin keyfiyyətcə fərqli davranış göstərdiyi vəziyyət sinfidir. Rejim anlayışı sahəyə görə dəyişir.

• Kriptovalyuta sahəsində: yüksəliş, eniş, yan və volatil dövrlər.
• Əmtəə sahəsində: yüksələn, enən, sabit və volatil dövrlər.
• Hava proqnozunda: açıq, buludlu, yağıntılı və ekstremal hava şəraiti.
• Günəş şüalanmasında: yüksək, orta, aşağı və gecə.
• Nəqliyyatda: səhər pik saatı, axşam pik saatı, günorta, gecə, həftəsonu və keçid.
• Hava keyfiyyətində: yaxşı, orta, həssas qruplar üçün zərərli və zərərli.

Burada kritik metodoloji məhdudiyyət var: bu rejimlər alqoritm tərəfindən nəzarətsiz şəkildə kəşf edilməmişdir. Tədqiqatda sahə biliklərinə əsaslanaraq əvvəlcədən müəyyən edilmişdir. Müəllif də bunu məhdudiyyətlər arasında açıq şəkildə qeyd edir.

Rejim–üsul yaxınlığı nədir?

Mənbə müəyyən üsulun müəyyən rejimdə gözlənilən uğurunu:

\[ A(r,m)\in[0,1] \]

ilə göstərir.

Burada \(r\) ekoloji rejimi, \(m\) isə proqnozlaşdırma üsulunu təmsil edir. Hər rejimdə ən yaxşı üsulun dəyəri 1 olacaq şəkildə performans miqyaslanır:

\[ \max_m A(r,m)=1 \]

Əsas fikir ondan ibarətdir ki, tək bir üsul bütün rejimlərdə ən yaxşı olmasın. Əgər bir üsul bütün şəraitlərdə mütləq üstün olsaydı, öyrənənlərin müxtəlif üsullara ixtisaslaşması üçün performans baxımından səbəb qalmazdı.

Kriptovalyuta sahəsində nümunə üsul yaxınlıqları

Bu nümunədə Momentum-Long yüksəliş və eniş rejimlərində güclü olduğu halda Mean-Revert yan və volatil rejimlərdə daha üstün mövqedədir. Beləliklə, öyrənənlərin müxtəlif üsullarda ixtisaslaşmasına imkan verən əsas heterogenlik əvvəlcədən mövcuddur.

İxtisaslaşma İndeksi (SI) Necə Hesablanır?

Tədqiqatın əsas ölçüsü Specialization Index (SI) adlanan, Shannon entropiyasına əsaslanan normallaşdırılmış ixtisaslaşma indeksidir.

Hər öyrənən ekoloji rejimlər üzrə ehtimal paylanması saxlayır:

\[ \alpha=(\alpha_1,\alpha_2,\ldots,\alpha_R) \]

Burada bütün dəyərlər sıfır və ya müsbətdir və cəmləri 1-dir:

\[ \sum_{r=1}^{R}\alpha_r=1 \]

Bu vektor öyrənənin hansı rejimlərə nə dərəcədə yönəldiyini təmsil edir.

Shannon entropiyası

Rejim yaxınlığı paylanmasının nə qədər səpələndiyini ölçmək üçün:

\[ H(\alpha)=-\sum_r\alpha_r\log\alpha_r \]

istifadə olunur.

Əgər bütün rejimlər bərabər çəkiyə malikdirsə, paylanmanın entropiyası yüksək olur. Öyrənən bütün ehtimalı tək bir rejimdə topladıqca entropiya azalır.

İxtisaslaşma indeksi:

\[ SI(\alpha)=1-\frac{H(\alpha)}{\log R} \]

kimi müəyyən edilmişdir.

• SI = 0: Öyrənən bütün rejimlərə bərabər yönəlmişdir; tam generalist vəziyyət.
• SI = 1: Bütün yaxınlıq bir rejimdə toplanmışdır; riyazi mənada tam mütəxəssis.
• 0 < SI < 1: Qismən ixtisaslaşma.

Nümunə: α = (0,82; 0,06; 0,06; 0,06)

Mənbənin Əlavə B bölməsində dörd rejimli bir öyrənən üçün:

\[ \alpha=(0.82,0.06,0.06,0.06) \]

nümunəsi verilir.

Entropiya:

\[ H(\alpha)= -0.82\log(0.82) -3(0.06\log(0.06)) \]

kimi hesablanır və mənbə təxminən:

\[ H(\alpha)=0.668 \]

nəticəsini verir.

Dörd rejim üçün maksimum entropiya:

\[ \log 4=1.386 \]

olduğuna görə:

\[ SI=1-\frac{0.668}{1.386} \]

\[ SI\approx0.518 \]

əldə edilir.

Buradakı %51,8 ifadəsi proqnoz dəqiqliyi deyil. Yalnız öyrənənin rejim yaxınlığı paylanmasının uniform paylanmadan nə dərəcədə uzaqlaşdığını göstərən normallaşdırılmış ixtisaslaşma ölçüsüdür.

NichePopulation Alqoritmi Necə İşləyir?

NichePopulation hər öyrənənin hansı üsulun hansı rejimdə uğurlu olduğuna dair inanclar saxlamasını, Thompson Sampling ilə üsul seçməsini və hər raundda yalnız ən yüksək tənzimlənmiş mükafatı alan öyrənənin yenilənməsini birləşdirir.

1. Üsul inancları: Beta paylanmaları

Hər öyrənən hər rejim–üsul cütü üçün Beta paylanması parametrlərini saxlayır:

\[ \beta^{+}_{i,r,m},\quad \beta^{-}_{i,r,m} \]

Başlanğıcda bütün cütlər:

\[ Beta(1,1) \]

kimi başladılır.

Beta(1,1), 0 ilə 1 arasında uniform paylanmadır. Bu, öyrənənin başlanğıcda hansı üsulun daha yaxşı olduğuna dair üstünlüyünün olmadığını göstərir.

2. Thompson Sampling ilə üsul seçimi

Bir rejim \(r_t\) ortaya çıxdıqda hər üsul üçün Beta paylanmasından təsadüfi uğur nümunəsi götürülür:

\[ \tilde{\theta}_m \sim Beta( \beta^{+}_{i,r_t,m}, \beta^{-}_{i,r_t,m} ) \]

Öyrənən nümunələnmiş dəyərlər arasında ən böyüyünə sahib üsulu seçir:

\[ m_i= \operatorname*{argmax}_{m\in M} \tilde{\theta}_m \]

Thompson Sampling kəşf və istismar arasındakı tarazlığı təmin edən ehtimallı seçim üsuludur. Kifayət qədər sınaqdan keçirilməmiş üsulların qeyri-müəyyənliyi yüksək olduğuna görə zaman-zaman seçilmək şansları olur; yaxşı performans göstərdiyi öyrənilən üsullar isə daha tez-tez seçilir.

3. Əsas alqoritmdəki niş bonusu

Əsas metod bölməsindəki Algorithm 1 tənzimlənmiş mükafatı:

\[ \tilde{R}_i = R_i \left( 1+ \lambda \mathbf{1}[r_i^{*}=r_t] \alpha_{i,r_t} \right) \]

kimi müəyyən edir.

Burada:

• \(R_i\): Öyrənənin xam mükafatıdır.
• \(\lambda\): Niş bonusu əmsalıdır.
• \(r_i^{*}\): Öyrənənin ən yüksək yaxınlığa malik əsas rejimidir.
• \(\mathbf{1}[r_i^{*}=r_t]\): Cari rejim öyrənənin əsas nişidirsə 1, deyilsə 0-dır.
• \(\alpha_{i,r_t}\): Öyrənənin cari rejimə olan niş yaxınlığıdır.

\(\lambda=0\) olduqda:

\[ \tilde{R}_i=R_i \]

olur. Yəni xüsusi niş bonusu tamamilə aradan qalxır; lakin öyrənənlər hələ də eyni raunddakı məhdud qalib mövqeyi uğrunda rəqabət aparırlar.

Mənbədaxili metod qeydi: Əlavə B-dəki öyrədici izah bonusu bunun əvəzinə:

\[ B_i=\lambda(\alpha_{i,r_t}-1/R) \]

və:

\[ S_i=R_i+B_i \]

şəklində toplamsal olaraq göstərir. Bu düstur əsas Algorithm 1-dəki vurma formasında olan düsturla eyni deyil. Buna görə Verianla izahında əsas metod düsturu əsas götürülür.

4. Winner-take-all rəqabəti

Qalib:

\[ i^{*}= \operatorname*{argmax}_{i} \tilde{R}_i \]

ilə seçilir.

Eyni raundda başqa öyrənənlər də yaxşı nəticə vermiş ola bilər; lakin yalnız ən yüksək tənzimlənmiş mükafatı əldə edən öyrənən müsbət öyrənmə yenilənməsi alır.

Bu mexanizm tədqiqatın mərkəzindədir. İki öyrənən eyni rejimdə eyni üsullara yönəlsə, birbaşa rəqabət aparırlar. Yalnız biri yenilənə bildiyinə görə erkən mərhələdə yaranan kiçik uğur fərqləri zamanla böyüyə bilər.

5. Qalibin üsul inancı necə yenilənir?

Əsas Algorithm 1-də qalibin müsbət Beta parametri:

\[ \beta^{+}_{i^{*},r_t,m_{i^{*}}} \leftarrow \beta^{+}_{i^{*},r_t,m_{i^{*}}} + \tilde{R}_{i^{*}} \]

şəklində yenilənir.

Məqalədəki alqoritm göstərimində \(\beta^{-}\) parametri üçün ona uyğun ayrıca mənfi yeniləmə addımı verilməmişdir. Buna görə mənbədə olmayan yeniləmə qaydası əlavə edilməmişdir.

6. Niş yaxınlığı necə dəyişir?

Qalib öyrənənin cari rejimə olan yaxınlığı:

\[ \alpha_{i^{*},r_t} \leftarrow \alpha_{i^{*},r_t} + \eta(1-\alpha_{i^{*},r_t}) \]

ilə artırılır.

\(\eta\) öyrənmə sürətidir. Tədqiqatın standart dəyəri:

\[ \eta=0.1 \]

kimi verilmişdir.

Daha sonra yaxınlıq vektoru cəmi yenidən 1 olacaq şəkildə normallaşdırılır.

Mənbədaxili metod qeydi: Əlavə B-dəki tək iterasiya nümunəsində digər rejimlərin yaxınlıqları da ayrıca azaldılaraq \((0.333,0.222,0.222,0.222)\) nəticəsinə çatılır. Bu əməliyyat əsas Algorithm 1-də açıq şəkildə müəyyən edilmiş yalnız artırma + normallaşdırma qaydası ilə tam eyni deyil. Buna görə Əlavə B-dəki ədədi iz əsas alqoritmin dəqiq riyazi yenidən hesablanması kimi istifadə edilməməlidir.

Üsul İxtisaslaşması Necə Ölçülür?

Tədqiqat yalnız hansı rejimin üstün tutulduğuna deyil, öyrənənin hansı proqnozlaşdırma üsullarından istifadə etdiyinə də baxır.

Öyrənənin üsul istifadə paylanması:

\[ \pi_i\in\Delta^M \]

olsun. Üsul İxtisaslaşma İndeksi:

\[ MSI(\pi_i) = 1- \frac{H(\pi_i)}{\log M} \]

kimi müəyyən edilir.

Yüksək MSI öyrənənin az sayda üsula cəmləndiyini; aşağı MSI isə üsulları daha balanslı istifadə etdiyini göstərir.

Üsul əhatəsi

Populyasiyanın mövcud üsul repertuarının nə qədərindən həqiqətən istifadə etdiyi:

\[ Coverage= \frac{ |\{m:\exists i,\pi_{i,m}>\tau\}| }{M} \]

ilə hesablanmışdır.

Tədqiqatda:

\[ \tau=0.3 \]

istifadə olunur.

Məsələn, beş üsulun beşindən də ən azı bir mütəxəssis kifayət qədər güclü şəkildə istifadə edirsə, coverage %100 olur.

Üç Nəzəri Təklif Nə Deyir?

Təklif 1: Rəqabətli istisna

Mənbə winner-take-all quruluşunda \(N>R\) olduqda eyni niş yaxınlığına malik öyrənənlərin yaratdığı homogen strategiyanın Nash tarazlığı olmadığını irəli sürür.

Eyni rejimdə \(k_r\) öyrənən varsa, mənbə gözlənilən gəliri yüksək səviyyədə:

\[ E[\text{Payoff}_i|r] = \frac{V_r}{k_r}-c \]

kimi ifadə edir.

Daha az sıx \(r'\) rejiminə keçən öyrənən üçün:

\[ E[\text{Payoff}'_i|r'] = \frac{V_{r'}}{k_{r'}-1}-c' \]

yazılır.

Əsas arqument budur ki, rejimlərin dəyərləri müqayisə edilə biləndə daha az sıx nişə yönəlmək gözlənilən gəliri artıra bilər.

Bu nəticə bütün mümkün rəqabət sistemlərinin universal teoremi kimi şərh edilməməlidir. Mənbə sübutu winner-take-all dinamikaları, oxşar rejim dəyərləri və öz model fərziyyələri altında qurur.

Nash tarazlığı nədir?

Nash tarazlığı digər iştirakçıların strategiyaları sabit qalarkən heç bir iştirakçının yalnız öz strategiyasını dəyişməklə daha yaxşı nəticə əldə edə bilmədiyi strategiya profilidir.

Mənbənin Təklif 1-dəki iddiası budur ki, tamamilə eyni nişə yığılmış öyrənənlərdən biri daha az sıx sahəyə yönələrək daha yaxşı gözlənilən nəticə əldə edə bilirsə, homogen vəziyyət sabit Nash tarazlığı ola bilməz.

Təklif 2: Gözlənilən SI aşağı sərhədi

Mənbə bərabər ehtimallı \(R\) rejim və \(\lambda>0\) üçün gözlənilən ixtisaslaşmaya dair aşağıdakı aşağı sərhədi verir:

\[ E[SI] \geq \frac{\lambda}{1+\lambda} \left(1-\frac{1}{R}\right) \left(1-e^{-\eta T/R}\right) \]

Burada:

• \(\lambda\): niş bonusu əmsalı,
• \(R\): rejim sayı,
• \(\eta\): öyrənmə sürəti,
• \(T\): iterasiya sayıdır.

Standart təcrübədə:

\[ \lambda=0.3,\quad R=4,\quad \eta=0.1,\quad T=500 \]

olduqda mənbə aşağı sərhədin təxminən:

\[ SI\geq0.17 \]

olduğunu bildirir. Eksperimental orta təxminən 0,75 olduğuna görə müşahidə olunan dəyər bu aşağı sərhəddən yuxarıdır.

Əsas mətn əsas niş üçün təxminən:

\[ \alpha_{r^{*}}^{*}\approx\frac{\lambda}{1+\lambda} \]

ifadəsini istifadə etdiyi halda, Əlavə A-dakı genişləndirilmiş çıxarış:

\[ \alpha_{r^{*}}^{**} = \frac{\lambda}{1+\lambda} + \frac{1}{R(1+\lambda)} \]

şəklində əlavə uniform baza termini ehtiva edir. İki ifadə tam eyni deyil; ikincisi əlavədə verilən daha təfərrüatlı formadır.

Təklif 3: Tək rejimdə müxtəliflik niyə çökür?

Mənbə mühitin effektiv rejim sayını:

\[ k_{\text{eff}} = \exp(H(\pi_r)) \]

ilə müəyyən edir.

Mühit tək rejimə doğru çökdükdə:

\[ k_{\text{eff}}\rightarrow1 \]

olur.

Mənbə bu halda populyasiya səviyyəsində mənalı fərqlənmənin mümkün olmadığını və “effektiv ixtisaslaşmanın” sıfıra getdiyini irəli sürür.

Burada mühüm ölçmə fərqi var. Bütün öyrənənlər eyni rejimə tam cəmləşsə, ayrı-ayrı öyrənənlərin xam SI dəyəri riyazi olaraq yüksək ola bilər. Mənbə də bunu qəbul edir və bu vəziyyətdə SI-ni “degenere” kimi müəyyən edir. Təklif 3-də sıfıra getdiyi deyilən şey öyrənənlərin müxtəlif rejimlərə bölündüyü populyasiya səviyyəsində effektiv müxtəliflik şərhidir.

Tədqiqatın Metodu və Nəticələri

Altı real məlumat sahəsi

Bu sətirlərin arifmetik cəmi 146.094 qeyddir. Mənbənin nəticələr bölməsində isə ümumi 145.294 qeyd ifadəsi var. Aradakı 800 qeyddən ibarət fərq PDF-də izah edilməmişdir. Buna görə sahələr üzrə Cədvəl 1 dəyərləri dəyişdirilmədən qorunmuşdur.

Hər sahədə istifadə olunan beş üsul

Bu üsul repertuarları avtomatik kəşf edilməmişdir. Hər sahə üçün tədqiqatçı tərəfindən əvvəlcədən hazırlanmışdır. Buna görə müşahidə olunan əmək bölgüsü tam sərbəst model məkanının öz-özünə kəşfi deyil, müəyyən edilmiş üsul repertuarı daxilində ixtisaslaşmadır.

Ortaq hiperparametrlər

İxtisaslaşmanın sahələr üzrə nəticələri

Mənbənin xülasə və nəticə hissəsindəki “Cohen's d > 20 bütün sahələrdə” ifadəsi bu cədvəllə tam uyğun gəlmir. Commodities üçün 19,89, Traffic üçün 15,86 verilmişdir. Buna görə düzgün diapazon 15,86–32,06, orta isə 22,84 kimi ötürülmüşdür.

Cohen's d nə deməkdir?

Cohen's d iki qrupun ortalamaları arasındakı fərqi standart sapma vahidi ilə ifadə edən standartlaşdırılmış təsir ölçüsüdür.

Mənbədə:

\[ d= \frac{\mu_1-\mu_2}{\sigma_{\text{pooled}}} \]

istifadə olunur.

Burada \(\mu_1\) və \(\mu_2\) qrup ortalamaları, \(\sigma_{\text{pooled}}\) isə birləşdirilmiş standart sapmadır.

Məsələn, d = 20 dəyəri “üsul %2000 daha yaxşıdır” demək deyil. Bu, ortalamaların birləşdirilmiş standart sapmaya görə fövqəladə dərəcədə ayrıldığını ifadə edir. Bu tədqiqatdakı çox yüksək d dəyərlərinin səbəblərindən biri 30 təkrarda nəticələrin kifayət qədər aşağı variasiya göstərməsidir.

Statistik əhəmiyyətlilik necə yoxlanıldı?

Tədqiqat bir və iki nümunəli t-testlərindən istifadə etmişdir. Altı sahə arasında çoxsaylı müqayisə aparıldığına görə Bonferroni düzəlişi tətbiq edilmişdir:

\[ \alpha= \frac{0.05}{6} \approx0.0083 \]

Beləliklə, statistik əhəmiyyətlilik həddi:

\[ p<0.0083 \]

kimi götürülmüşdür.

Etibar intervalları üçün 1.000 yenidən nümunələməli bootstrap istifadə edildiyi bildirilir.

λ ablation: Rəqabət bonussuz nə etdi?

\(\lambda=0\) şərtində bütün sahələrdə SI müvafiq təsadüfi bazadan yuxarı qalmışdır. Bununla belə, mənbə xülasəsindəki “bütün sahələrdə SI > 0,30” cümləsi cədvəllə tam uyğun deyil: Solar 0,256 və Traffic 0,294-dür.

Elmi baxımdan cədvəlin dəstəklədiyi daha ehtiyatlı ifadə belədir: λ=0 şərtində orta SI 0,329-dur və bütün sahələrdə ixtisaslaşma təsadüfi müqayisədən yuxarı qalmışdır.

λ artdıqca nə baş verir?

Orta SI λ yüksəldikcə 0,329-dan 0,834-ə çıxmışdır. Müəllif bu nəticəni rəqabətin ixtisaslaşmanı başlatdığı, niş bonusunun isə prosesi gücləndirdiyi kimi şərh edir.

Lakin λ-nın yüksək olması hər halda daha yaxşı deyil. Hava keyfiyyəti sahəsində SI:

\[ 0.826\quad(\lambda=0.3) \]

dəyərindən:

\[ 0.800\quad(\lambda=0.5) \]

dəyərinə düşmüşdür.

Mənbə bunu həddindən artıq ixtisaslaşmanın kəşf davranışını azalda bilməsi ilə əlaqələndirir.

Üsul səviyyəsində əmək bölgüsü

Buradakı performans dəyərləri sahələrin xam RMSE, Sharpe nisbəti və ya MAPE dəyərləri deyil. Mənbə hər sahənin proqnoz uğurunu təsadüfi bazaya görə normallaşdıraraq 0–1 intervalına çevirdiyini izah edir.

Beləliklə, “+%26,5 performans” bütün sahələrin fiziki xəta dəyərlərində birbaşa %26,5 azalma demək deyil. Bu, normallaşdırılmış sahədaxili performansların müqayisəsindən əldə olunan orta nisbi yaxşılaşmadır.

Homogen baza nədir?

Homogen müqayisədə bütün öyrənənlər eyni tək üsuldan istifadə edir. Mənbə bu üsulu “single best-performing method (oracle selection)” formasında seçir.

Bu, hər rejimdə ayrıca mükəmməl üsulu bilən oracle deyil. Sahə üçün tək bir üsul seçilir və bütün öyrənənlər eyni üsuldan istifadə edir.

MARL müqayisəsi

Bu müqayisə altı sahənin hamısında deyil, dörd sahədə aparılmışdır.

Mənbə mətni NichePopulation ortasını 0,756 və ən güclü MARL ortasını 0,167 kimi bildirir və bunu 4,3× fərq kimi ümumiləşdirir.

Cədvəldəki yuvarlaqlaşdırılmış dəyərlərdən birbaşa hesablandıqda:

\[ \frac{0.756}{0.167}\approx4.53 \]

əldə edilir. Buna görə 4,3× müəllifin mətndə bildirdiyi dəyər kimi qorunmuşdur; cədvəldən yenidən hesablanmış dəqiq nisbət kimi təqdim edilməmişdir.

MARL müqayisəsinin məhdudiyyəti

QMIX, MAPPO və IQL üçün eyni səkkiz öyrənən, 500 təlim iterasiyası və təsadüfi toxum büdcələri istifadə edilmişdir. Lakin mənbə açıq şəkildə bildirir ki, bu üsullar üçün ayrıca hiperparametr optimallaşdırması aparılmayıb.

Buna görə nəticə NichePopulation-ın bu təcrübə konfiqurasiyasında daha yüksək SI yaratdığını göstərir. Bütün mümkün QMIX, MAPPO və ya IQL konfiqurasiyalarına qarşı universal üstünlük sübutu deyil.

Hesablama xərci

Mənbədə 500 iterasiya üçün NichePopulation təxminən:

0,9 saniyə

təlim müddəti ilə, MARL üsulları isə təxminən:

3,7 saniyə

səviyyəsində bildirilmişdir.

Yaddaş istifadəsi təxminən 1 MB-a qarşı 384–512 MB kimi verilmişdir.

Bu ölçmələr tək maşında:

• Apple M1 Pro, 10 nüvə
• 16 GB RAM
• macOS 14.3
• Python 3.10
• NumPy, SciPy və Matplotlib

mühitində aparılmışdır. Mənbə bütün təcrübə şərtlərinin ümumi işləmə müddətini təxminən dörd saat kimi bildirir.

Nəqliyyat Sahəsində İxtisaslaşma Niyə Daha Aşağıdır?

Nəqliyyat sahəsi 0,573 SI ilə altı sahə içində ən aşağı nəticəni vermişdir. Mənbə bunu uğursuzluq kimi gizlətmək əvəzinə üsulun sərhəd şərtlərini müzakirə etmək üçün istifadə edir.

Üç izah irəli sürülür:

• Nəqliyyatda digər sahələrdəki dörd rejim əvəzinə altı rejim var. Səkkiz öyrənənin altı rejimə paylanması rejim başına orta birbaşa rəqabəti azalda bilər.
• Nəqliyyat rejimləri müstəqil deyil. Səhər sıxlığından sonra günorta, ardınca axşam sıxlığı gəlir. Bu zaman korrelyasiyası nəzəriyyədə istifadə olunan müstəqil rejim fərziyyəsinə uyğun deyil.
• “Keçid” rejimi başqa rejimlərlə qismən üst-üstə düşdüyünə görə niş sərhədləri daha qeyri-müəyyəndir.

Buna baxmayaraq nəqliyyat sahəsində üsul əhatəsi %100 və homogen bazaya görə normallaşdırılmış performans artımı %23,8-dir.

Riyazi ardıcıllıq qeydi: Mənbə eyni bölmədə \(1-1/R\) ifadəsinin R=6 üçün nəzəri yuxarı sərhədi azaltdığını bildirir. Lakin:

\[ 1-\frac{1}{6}=\frac{5}{6}\approx0.833 \]

və:

\[ 1-\frac{1}{4}=\frac{3}{4}=0.75 \]

olduğuna görə birinci dəyər kiçiyə deyil, daha böyüyə gedir. Bundan əlavə, SI tərifinin riyazi yuxarı sərhədi 1-dir. Buna görə aşağı Traffic SI üçün bu xüsusi “daha aşağı yuxarı sərhəd” izahı təsdiqlənmiş riyazi nəticə kimi ötürülməmişdir.

Rəqabət Doğrudan da Təkbaşına Kifayətdirmi?

Bu tədqiqatın eksperimental çərçivəsində λ = 0 şərti niş bonusunu aradan qaldırsa da, winner-take-all rəqabətini, əvvəlcədən müəyyən edilmiş heterogen rejimləri, müxtəlif rejimlərdə müxtəlif uğur göstərən üsul repertuarını və qalibin seçici yenilənməsini qoruyur.

Beləliklə, “rəqabət təkbaşına kifayətdir” nəticəsinin tam mənası belədir:

Bu modeldə xüsusi niş bonusu olmadan, yalnız winner-take-all rəqabəti və öyrənmə dinamikası mövcud olduqda təsadüfi bazadan yuxarı ixtisaslaşma yaranmışdır.

Bu ifadə hər hansı iki süni intellekt modelini rəqabətə daxil etməyin hər mühitdə avtomatik və faydalı ixtisaslaşma yaradacağını göstərmir.

İxtisaslaşma üçün mənbənin müəyyən etdiyi üç şərt

1. Rejim heterogenliyi: Mühitdə həqiqətən bir-birindən fərqli birdən çox şərt olmalıdır.
2. Strategiya fərqlənməsi: Müxtəlif üsullar müxtəlif rejimlərdə üstün olmalıdır.
3. Məhdud resurs / real rəqabət: Bütün öyrənənlərin eyni anda bərabər şəkildə mükafatlandırılmadığı rəqabət təzyiqi olmalıdır.

Bu şərtlər aradan qalxdıqda tədqiqatın nəzəri mexanizmi də zəifləyir.

Tədqiqatın Dəstəklədiyi Nəticələr

• Winner-take-all rəqabəti altında öyrənənlər müxtəlif rejimlərə yönəlmiş niş yaxınlıqları inkişaf etdirə bilmişdir.
• Standart λ=0,3 şərtində altı sahə üzrə orta SI 0,747-dir.
• λ=0 şərtində orta SI 0,329-dur və təsadüfi bazanın 0,127 ortasından yuxarıdır.
• Niş bonusu ixtisaslaşmanın miqyasını artırmışdır; λ=0,3-də orta SI 0,747-yə çıxmışdır.
• Populyasiyalar mövcud üsulların orta hesabla %87-sindən istifadə etmişdir.
• Normallaşdırılmış proqnoz performansında homogen bazaya görə orta +%26,5 artım bildirilmişdir.
• Dörd sahədəki MARL müqayisəsində NichePopulation daha yüksək SI yaratmışdır.
• Winner-take-all sistemi aşağı hesablama və yaddaş xərci göstərmişdir.
• Nəqliyyat sahəsi daha aşağı rejim ixtisaslaşmasına baxmayaraq %100 üsul əhatəsi və +%23,8 normallaşdırılmış performans artımı göstərmişdir.

Tədqiqatın Dəstəkləmədiyi Ümumiləşdirmələr

• Rəqabətin bütün maşın öyrənməsi sistemlərində mütləq faydalı müxtəliflik yaratdığı sübut edilməmişdir.
• Rejimlər alqoritm tərəfindən öz-özünə kəşf edilmir; sahə biliyi ilə əvvəlcədən müəyyən edilmişdir.
• Proqnozlaşdırma üsulları avtomatik kəşf edilməmiş və ya yaradılmamışdır; hər sahə üçün beş üsul əl ilə müəyyən edilmişdir.
• “Bütün sahələrdə Cohen's d > 20” ifadəsi əsas nəticə cədvəli ilə uyğun gəlmir.
• “λ=0 ikən bütün sahələrdə SI > 0,30” ifadəsi əsas ablation cədvəli ilə uyğun gəlmir.
• MARL müqayisəsi altı sahənin hamısında aparılmayıb; Cədvəl 5 yalnız dörd sahəni əhatə edir.
• MARL üsulları üçün geniş hiperparametr optimallaşdırması aparılmadığına görə bütün mümkün konfiqurasiyalara qarşı qəti üstünlük göstərilməmişdir.
• Winner-take-all mexanizminin bütün daha yumşaq rəqabət formalarından zəruri olaraq üstün olduğu eksperimental şəkildə göstərilməmişdir; top-k və ya proporsional mükafat mexanizmləri gələcək tədqiqatlara saxlanılmışdır.
• Tədqiqat real vaxtlı maliyyə alqı-satqı sistemi və ya investisiya strategiyası deyil.
• Kriptovalyuta sahəsindəki yüksək performans artımı real portfel gəlirində %41,6 qazanc demək deyil.
• Real istehsal sistemlərində kommunikasiya olmadan koordinasiyanın həmişə rəqabətlə həll oluna biləcəyi göstərilməmişdir.

Əsas məhdudiyyətlər

Rejimin müəyyənləşdirilməsi: Tədqiqat hərəkətli orta kəsişmələri, volatillik hədləri və sahə biliyi ilə qurulan sadə rejim təsnifedicilərindən istifadə edir. Hidden Markov Model və ya change-point detection kimi üsullar sınaqdan keçirilməmişdir.

Stasionarlıq fərziyyəsi: Nəzəri təhlil rejim paylanmasının stasionar olduğunu fərz edir. Real dünyada rejim tezlikləri zamanla dəyişə bilər.

Winner-take-all seçimi: Yalnız bir öyrənənin yenilənməsi şüurlu dizayn qərarıdır. Top-k və ya proporsional mükafat mexanizmlərinin nəticəsi araşdırılmamışdır.

Əl ilə müəyyən edilən üsullar: Hər sahə üçün üsul repertuarı tədqiqatçı tərəfindən hazırlanmışdır. Meta-learning və ya program synthesis ilə avtomatik üsul kəşfi aparılmamışdır.

Əl ilə müəyyən edilən rejimlər: Sistem yeni sahələrdə rejimləri sıfırdan kəşf etmir.

Əskik oracle müqayisəsi: Hər rejimdə qüsursuz şəkildə ən yaxşı üsulu seçən oracle bazası yoxdur. Həmçinin rəqabətli istisna olmadan eyni çoxlu öyrənən repertuarından istifadə edən ayrıca ensemble müqayisəsi aparılmamışdır.

Mənbədaxili mühüm uyğunsuzluqların xülasəsi

Tədqiqatın ümumi nəticəsi

Tədqiqat göstərir ki, əvvəlcədən müəyyən edilmiş heterogen ekoloji rejimlər və müxtəlif rejimlərdə müxtəlif performans göstərən üsullar mövcud olduqda winner-take-all rəqabəti başlanğıcda eyni olan öyrənənləri zamanla müxtəlif ixtisas sahələrinə yönəldə bilər.

Təcrübələrin ən güclü nəticəsi xüsusi niş bonusu söndürüldükdə belə təsadüfi bazadan yuxarı ixtisaslaşmanın qorunmasıdır. Bu, ixtisaslaşmanın yalnız birbaşa müxtəliflik mükafatının nəticəsi olmadığını dəstəkləyir.

Bununla belə, λ=0 ilə λ=0,3 arasındakı böyük SI fərqi niş bonusunun kəmiyyət ixtisaslaşma səviyyəsində də mühüm rol oynadığını göstərir. Buna görə tədqiqatın nəticəsini “bonus lazımsızdır” deyil, “rəqabət ixtisaslaşmanı başlada bilər; bonus bunu aydın şəkildə gücləndirə bilər” kimi ifadə etmək daha doğrudur.

NichePopulation-ın aşağı hesablama xərci və açıq niş yaxınlığı paylanmaları şərh edilə bilən öyrənən populyasiyaları baxımından diqqətəlayiqdir. Lakin rejimlərin və üsul repertuarlarının əl ilə hazırlanması, stasionar mühit fərziyyəsi, winner-take-all yenilənməsinin yeganə rəqabət forması kimi sınaqdan keçirilməsi və bəzi mənbədaxili riyazi/ədədi uyğunsuzluqlar səbəbindən nəticələrin daha geniş sistemlərə ötürülməsi əlavə təsdiqləmə tələb edir.

Mənbə və Metod Qeydi

Orijinal tədqiqat: Emergent Specialization in Learner Populations: Competition as the Source of Diversity.

Müəllif: Yuhao Li.

Qurum: University of Pennsylvania.

Bərabər töhfə: Tətbiq edilmir; tədqiqat tək müəlliflidir.

Məsul müəllif: Ayrı corresponding-author bəyanı yoxdur; PDF-də tək müəllifin əlaqə ünvanı verilmişdir.

ArXiv identifikatoru: arXiv:2601.19943.

İncelənən versiya: arXiv:2601.19943v1.

Göndərilmə tarixi: 16 Yanvar 2026.

ArXiv DOI: 10.48550/arXiv.2601.19943.

Rəsmi mənbə: https://arxiv.org/abs/2601.19943

Mənbə növü: Maşın öyrənməsi sahəsində metod inkişafı, nəzəri təhlil və real məlumat üzərində eksperimental qiymətləndirmə ehtiva edən preprint.

Resenziya statusu: Noyabr 2026 bibliyografik yoxlamasında ayrıca təsdiqlənmiş resenziyalı jurnal və ya konfrans versiyası aşkar edilməmişdir. ArXiv qeydi öz-özlüyündə resenziya göstəricisi deyil.

Elmi sahə: Machine Learning (cs.LG); tədqiqat həmçinin çoxlu öyrənən sistemləri, çoxagentli gücləndirməli öyrənmə, ekoloji niş nəzəriyyəsi və informasiya nəzəriyyəsi ilə əlaqəlidir.

Əsas üsul: NichePopulation; winner-take-all competitive exclusion, Thompson Sampling, üsul inancları və niş yaxınlığının izlənməsi.

Əsas eksperimental konfiqurasiya: Səkkiz öyrənən, hər sahə üçün beş üsul, hər təcrübə üçün 500 iterasiya, hər şərt üçün 30 müstəqil təkrar, standart λ=0,3, öyrənmə sürəti η=0,1.

Real məlumat sahələri: Bybit kriptovalyuta məlumatları, FRED əmtəə qiymətləri, Open-Meteo hava və günəş şüalanması/hava keyfiyyəti məlumatları, NYC TLC nəqliyyat məlumatları.

Cədvəl 1 qeydləri: 8.766 + 5.630 + 9.105 + 116.834 + 2.879 + 2.880 = 146.094. Mənbənin nəticə bölməsindəki 145.294 ümumi qeyd ifadəsi ilə 800 qeyddən ibarət izah edilməmiş fərq var.

Əsas SI nəticəsi: Əsas Cədvəl 2-də altı sahənin ortası 0,747-dir; xülasə bunu yuvarlaqlaşdıraraq təxminən 0,75 kimi təqdim edir.

λ=0 nəticəsi: Orta SI 0,329. Cədvəl 3-də Solar 0,256 və Traffic 0,294 olduğuna görə xülasənin “bütün sahələrdə SI > 0,30” ifadəsi tam düzgün deyil.

Təsir ölçüsü: Cədvəl 2-də Cohen's d 15,86–32,06 intervalındadır; orta 22,84-dür. Mənbənin “bütün sahələrdə d > 20” ifadəsi Commodities və Traffic sətirləri ilə uyğun gəlmir.

Üsul müxtəlifliyi: Orta Method Specialization Index 0,364; üsul əhatəsi %87; normallaşdırılmış homogen bazaya görə orta performans fərqi +%26,5.

MARL müqayisəsi: QMIX, MAPPO və IQL yalnız Crypto, Commodities, Weather və Solar sahələrində müqayisə edilmişdir. Mənbə 4,3× SI üstünlüyü bildirir. Cədvəl ortalarından birbaşa nisbət təxminən 4,52–4,53× alınır.

MARL sazlama məhdudiyyəti: Mənbə müqayisə üsulları üçün dərc edilmiş hiperparametrlərin istifadə edildiyini, lakin əlavə hiperparametr optimallaşdırması aparılmadığını açıq şəkildə bildirir.

Hesablama mühiti: Apple M1 Pro (10 nüvə), 16 GB RAM, macOS 14.3, Python 3.10; NumPy, SciPy və Matplotlib.

Statistik metod: Bir və iki nümunəli t-testləri, altı sahə üçün Bonferroni düzəlişi (α=0,0083), Cohen's d və 1.000 nümunəli bootstrap etibar intervalları.

Nəzəri quruluş: Rəqabətli istisna, SI aşağı sərhədi və mono-rejim vəziyyətində effektiv populyasiya müxtəlifliyinin çökməsi barədə üç təklif təqdim olunur.

Əsas metod–Əlavə B fərqi: Algorithm 1-də tənzimlənmiş mükafat vurma formasında müəyyən edilərkən Əlavə B-dəki öyrədici izah toplamsal bonus istifadə edir. Əlavə B-nin yaxınlıq yeniləmə nümunəsi də əsas alqoritmdəki artırma + normallaşdırma qaydasından əlavə addımlar ehtiva edir. Bu fərqlər tək bir tənlik kimi birləşdirilməmişdir.

Traffic izahı: Mənbənin R=6 üçün \(1-1/R\) termininin daha aşağı nəzəri sərhəd yaratdığı barədə cümləsi riyazi baxımdan öz verdiyi dəyərlərlə uyğun gəlmir. Traffic-in eksperimental SI=0,573 nəticəsi qorunmuş, müvafiq səhv sərhəd şərhi ümumiləşdirilməmişdir.

Rejimlərin vəziyyəti: Rejimlər alqoritmin özü tərəfindən kəşf edilməmişdir; sahə biliyi ilə əvvəlcədən müəyyən edilmişdir.

Üsul inventarı: Beş proqnozlaşdırma üsulu hər sahə üçün əl ilə hazırlanmışdır. Avtomatik üsul kəşfi və ya yaradılması bu tədqiqatda həyata keçirilməmişdir.

Oracle məhdudiyyəti: Hər rejimdə qüsursuz şəkildə üsul dəyişən tam oracle bazası yoxdur. Rəqabət olmadan eyni çoxlu üsul repertuarından istifadə edən saf ensemble müqayisəsi də aparılmamışdır.

Kod və məlumat: Mənbə kodun, məlumatların və təcrübə konfiqurasiyalarının https://github.com/HowardLiYH/NichePopulation ünvanında olduğunu bildirir. Repozitoriya sonrakı tarixlərdə inkişaf etdirilə biləcəyinə görə bu Verianla mətni yalnız araşdırılan arXiv v1 nəticələrini əsas götürür.

Maliyyələşdirmə: PDF-də ayrıca maliyyələşdirmə bəyanı aşkar edilməmişdir.

Maraqların toqquşması: PDF-də ayrıca maraqların toqquşması bəyanı aşkar edilməmişdir.

CRediT/müəllif töhfəsi: Ayrı CRediT töhfə bəyanı yoxdur; tədqiqat tək müəlliflidir.

Elmi şərh sərhədi: Tədqiqat müəyyən edilmiş winner-take-all eksperimental sistemində rəqabətin xüsusi müxtəliflik mükafatı olmadan təsadüfi bazadan yuxarı ixtisaslaşma yarada bildiyini göstərir. Nəticə rəqabətin bütün süni intellekt və ya çoxagentli sistemlərdə universal olaraq ixtisaslaşmanın yeganə və ya zəruri mənbəyi olduğunu sübut etmir.