論文の概要: A Proposal for Intelligent Agents with Episodic Memory
- arxiv url: http://arxiv.org/abs/2005.03182v1
- Date: Thu, 7 May 2020 00:26:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 23:23:40.449973
- Title: A Proposal for Intelligent Agents with Episodic Memory
- Title（参考訳）: エピソード記憶を有するインテリジェントエージェントの提案
- Authors: David Murphy and Thomas S. Paula and Wagston Staehler and Juliano
Vacaro and Gabriel Paz and Guilherme Marques and Bruna Oliveira
- Abstract要約: エージェントはエピソード記憶の恩恵を受けるだろうと我々は主張する。
このメモリはエージェントの経験をエージェントが経験を信頼できるようにエンコードする。
本稿では,ANNと標準計算機科学技術を組み合わせて,エピソード記憶の記憶と検索を支援するアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.9236074230806579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the future we can expect that artificial intelligent agents, once
deployed, will be required to learn continually from their experience during
their operational lifetime. Such agents will also need to communicate with
humans and other agents regarding the content of their experience, in the
context of passing along their learnings, for the purpose of explaining their
actions in specific circumstances or simply to relate more naturally to humans
concerning experiences the agent acquires that are not necessarily related to
their assigned tasks. We argue that to support these goals, an agent would
benefit from an episodic memory; that is, a memory that encodes the agent's
experience in such a way that the agent can relive the experience, communicate
about it and use its past experience, inclusive of the agents own past actions,
to learn more effective models and policies. In this short paper, we propose
one potential approach to provide an AI agent with such capabilities. We draw
upon the ever-growing body of work examining the function and operation of the
Medial Temporal Lobe (MTL) in mammals to guide us in adding an episodic memory
capability to an AI agent composed of artificial neural networks (ANNs). Based
on that, we highlight important aspects to be considered in the memory
organization and we propose an architecture combining ANNs and standard
Computer Science techniques for supporting storage and retrieval of episodic
memories. Despite being initial work, we hope this short paper can spark
discussions around the creation of intelligent agents with memory or, at least,
provide a different point of view on the subject.
- Abstract（参考訳）: 将来的には、一度デプロイされた人工知能エージェントは、運用期間中に経験から継続的に学ぶ必要があると期待できる。
このようなエージェントは、特定の状況下で彼らの行動を説明することや、エージェントが割り当てられたタスクに必ずしも関係しない経験について人間とより自然に関連づけることを目的として、彼らの経験の内容について人間や他のエージェントとコミュニケーションをとる必要がある。
つまり、エージェントが経験を再現し、その経験を伝え、過去の経験を使い、エージェントが過去のアクションを包含し、より効果的なモデルやポリシーを学ぶことができるように、エージェントの経験をエンコードするメモリである。
本稿では,このような能力を持つAIエージェントを提供するための潜在的アプローチを提案する。
哺乳類における中間側頭葉(MTL)の機能と機能を調べ、人工神経ネットワーク(ANN)からなるAIエージェントにエピソード記憶機能を加えることを指導する。
そこで我々は,記憶組織において考慮すべき重要な側面を強調し,記憶の記憶と検索を支援するために,ANNと標準計算機科学技術を組み合わせたアーキテクチャを提案する。
初期の作業にも関わらず、この短い論文が、記憶を持ったインテリジェントエージェントの作成に関する議論を引き起こしたり、少なくとも、対象について異なる視点を提供することを期待しています。
関連論文リスト
- Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
モデルに依存しない長期対話エージェント(LD-Agent)を導入する。
イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。
LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
論文 参考訳（メタデータ） (2024-06-09T21:58:32Z) - A Survey on the Memory Mechanism of Large Language Model based Agents [66.4963345269611]
大規模言語モデル(LLM)に基づくエージェントは、最近、研究や産業コミュニティから多くの注目を集めている。
LLMベースのエージェントは、現実の問題を解決する基礎となる自己進化能力に特徴付けられる。
エージェント-環境相互作用をサポートする重要なコンポーネントは、エージェントのメモリである。
論文 参考訳（メタデータ） (2024-04-21T01:49:46Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - An In-depth Survey of Large Language Model-based Artificial Intelligence
Agents [11.774961923192478]
LLMベースのAIエージェントと従来のAIエージェントの主な違いと特徴について検討した。
我々は、計画、記憶、ツール使用を含むAIエージェントの重要なコンポーネントについて、詳細な分析を行った。
論文 参考訳（メタデータ） (2023-09-23T11:25:45Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - Generative Agents: Interactive Simulacra of Human Behavior [86.1026716646289]
生成エージェントを導入し,人間の振る舞いをシミュレートする計算ソフトウェアエージェントについて紹介する。
エージェントの経験の完全な記録を格納するために,大規模言語モデルを拡張するアーキテクチャについて述べる。
The Simsにインスパイアされた対話型サンドボックス環境に生成エージェントを投入する。
論文 参考訳（メタデータ） (2023-04-07T01:55:19Z) - A Machine with Short-Term, Episodic, and Semantic Memory Systems [9.42475956340287]
明示的な人間の記憶システムの認知科学理論に触発されて、我々は短期的、エピソード的、セマンティックな記憶システムを持つエージェントをモデル化した。
実験により,人間のような記憶システムを持つエージェントは,このメモリ構造を環境に残さずにエージェントよりも優れた性能を発揮できることが示唆された。
論文 参考訳（メタデータ） (2022-12-05T08:34:23Z) - DANLI: Deliberative Agent for Following Natural Language Instructions [9.825482203664963]
本稿では、過去の経験から得られた神経的・象徴的表現に基づいて推論と計画を適用するニューロシンボリック・リベレティブ・エージェントを提案する。
TEAChベンチマークでは,リアクティブベースラインよりも70%以上の改善が達成されている。
論文 参考訳（メタデータ） (2022-10-22T15:57:01Z) - Quantum adaptive agents with efficient long-term memories [0.0]
エージェントが過去の経験から思い出さなければならない情報が増えるほど、必要なメモリが増えます。
メモリ圧縮の利点を最大化するために、量子エージェントが採用すべき最も一般的な形式を明らかにする。
これらのエンコーディングは、メモリ最小の古典的エージェントと比較して非常に有利なスケーリングの利点を示す。
論文 参考訳（メタデータ） (2021-08-24T17:57:05Z) - Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。
提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
論文 参考訳（メタデータ） (2020-11-12T19:04:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。