論文の概要: Towards Teachable Autotelic Agents

• arxiv url: http://arxiv.org/abs/2105.11977v3
• Date: Mon, 20 Mar 2023 15:24:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 08:29:54.149137
• Title: Towards Teachable Autotelic Agents
• Title（参考訳）: 教育可能なオートテリックエージェントを目指して
• Authors: Olivier Sigaud and Ahmed Akakzia and Hugo Caselles-Dupr\'e and C\'edric Colas and Pierre-Yves Oudeyer and Mohamed Chetouani
• Abstract要約: Teachable Autotelic Agent (TAA) は、内部および教示信号の両方から学習するエージェントである。 本稿では,教育可能な自律エージェントの設計に向けてのロードマップを示す。
• 参考スコア（独自算出の注目度）: 21.743801780657435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous discovery and direct instruction are two distinct sources of learning in children but education sciences demonstrate that mixed approaches such as assisted discovery or guided play result in improved skill acquisition. In the field of Artificial Intelligence, these extremes respectively map to autonomous agents learning from their own signals and interactive learning agents fully taught by their teachers. In between should stand teachable autotelic agents (TAA): agents that learn from both internal and teaching signals to benefit from the higher efficiency of assisted discovery. Designing such agents will enable real-world non-expert users to orient the learning trajectories of agents towards their expectations. More fundamentally, this may also be a key step to build agents with human-level intelligence. This paper presents a roadmap towards the design of teachable autonomous agents. Building on developmental psychology and education sciences, we start by identifying key features enabling assisted discovery processes in child-tutor interactions. This leads to the production of a checklist of features that future TAA will need to demonstrate. The checklist allows us to precisely pinpoint the various limitations of current reinforcement learning agents and to identify the promising first steps towards TAA. It also shows the way forward by highlighting key research directions towards the design or autonomous agents that can be taught by ordinary people via natural pedagogy.
• Abstract（参考訳）: 自律的発見と直接指導は、子供の学習の2つの異なる源であるが、教育科学は、支援的発見や指導的遊びのような混合アプローチが、スキル獲得を改善することを証明している。 人工知能の分野では、これらの極端はそれぞれの信号から学習する自律エージェントと、教師が完全に教える対話型学習エージェントにそれぞれマップされる。 教示可能なオートテリックエージェント(TAA: teachable autotelic agent)は、内部と教示の両方から学習するエージェントであり、発見を補助する高い効率から恩恵を受ける。 このようなエージェントを設計することで、実世界の非専門家ユーザがエージェントの学習軌跡を期待に向けることができる。 より根本的には、これは人間レベルの知性を持つエージェントを構築するための重要なステップかもしれない。 本稿では,教育可能な自律エージェントの設計に向けてのロードマップを示す。 発達心理学と教育科学を基盤として,児童生徒間インタラクションにおける発見プロセスを支援する重要な特徴の特定から始める。 これにより、将来のTAAが示す必要がある機能のチェックリストが作成される。 チェックリストでは、現在の強化学習エージェントの様々な制限を正確に特定し、TAAに向けた有望な第一歩を特定できます。 また、自然の教育を通じて一般の人々から教えられるデザインや自律的なエージェントに対する重要な研究の方向性を強調して、前進の道を示す。

関連論文リスト

• SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
  タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。 我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
  論文  参考訳（メタデータ） (2024-10-23T17:42:07Z)
• Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors [2.217351976766501]
  本研究は,AI言語モデルに対する教員の経験と態度について考察する。 学習スタイルと生成AIに対する態度の相関は見つからない。 CS教育者は、生成するAIツールの技術的理解にはるかに自信を持っているが、AI生成された仕事を検出する能力にこれ以上自信がない。
  論文  参考訳（メタデータ） (2024-03-22T19:21:29Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Artificial Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive Learning in Higher Education [0.2812395851874055]
  本稿では,AIIA(Artificial Intelligence-Enabled Intelligent Assistant)という,高等教育におけるパーソナライズおよび適応学習のための新しいフレームワークを提案する。 AIIAシステムは、高度なAIと自然言語処理(NLP)技術を活用して、対話的で魅力的な学習プラットフォームを構築する。
  論文  参考訳（メタデータ） (2023-09-19T19:31:15Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
  外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。 我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
  論文  参考訳（メタデータ） (2022-03-19T03:22:57Z)
• AI Autonomy : Self-Initiated Open-World Continual Learning and Adaptation [16.96197233523911]
  本稿では,自律的かつ連続的な学習が可能なAIエージェントを構築するためのフレームワークを提案する。 重要な課題は、エージェント自身のイニシアチブで継続的に実行されるように、プロセスを自動化する方法である。
  論文  参考訳（メタデータ） (2022-03-17T00:07:02Z)
• Toddler-Guidance Learning: Impacts of Critical Period on Multimodal AI Agents [18.610737380842494]
  我々は、AIエージェントの学習に臨界周期の概念を適用し、AIエージェントの仮想環境における臨界周期を調査する。 VECAツールキットを用いて幼児のような環境を構築し,幼児の学習特性を模倣する。 我々は、AIエージェントに対する臨界期間の影響を、ユニモーダル学習とマルチモーダル学習の両方において、どのように、いつ最も指導されるかという2つの視点から評価する。
  論文  参考訳（メタデータ） (2022-01-12T10:57:40Z)
• Self-Initiated Open World Learning for Autonomous AI Agents [16.41396764793912]
  実際にAIエージェントが使われるようになるにつれて、エージェントを完全に自律的にする方法を考える時が来た。 本稿では,自己開始型オープンワールド学習エージェントの構築研究を促進するための,この学習パラダイムの理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-10-21T18:11:02Z)
• PEBBLE: Feedback-Efficient Interactive Reinforcement Learning via Relabeling Experience and Unsupervised Pre-training [94.87393610927812]
  我々は、フィードバックと非政治学習の両方の長所を生かした、非政治的、インタラクティブな強化学習アルゴリズムを提案する。 提案手法は,従来ヒト・イン・ザ・ループ法で検討されていたよりも複雑度の高いタスクを学習可能であることを実証する。
  論文  参考訳（メタデータ） (2021-06-09T14:10:50Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。