論文の概要: Modelling Behaviour Change using Cognitive Agent Simulations

• arxiv url: http://arxiv.org/abs/2110.08645v1
• Date: Sat, 16 Oct 2021 19:19:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-11 08:04:15.298394
• Title: Modelling Behaviour Change using Cognitive Agent Simulations
• Title（参考訳）: 認知エージェントシミュレーションによる行動変化のモデル化
• Authors: Catriona M. Kennedy
• Abstract要約: 本稿では, シミュレーションエージェントに選択された行動変化理論を適用するために, プログレッシブ・イン・プログレッシブ・リサーチを提案する。 この研究は、不適切な状況下での自己決定的目標達成に必要な複雑なエージェントアーキテクチャに焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In health psychology, Behaviour Change Theories(BCTs) play an important role in modelling human goal achievement in adverse environments. Some of these theories use concepts that are also used in computational modelling of cognition and affect in AI. Examples include dual-process architecture and models of motivation. It is therefore important to ask whether some BCTs can be computationally implemented as cognitive agents in a way that builds on existing AI research in cognitive architecture. This paper presents work-in-progress research to apply selected behaviour change theories to simulated agents, so that an agent is acting according to the theory while attempting to complete a task in a challenging scenario. Two behaviour change theories are selected as examples (CEOS and PRIME). The research is focusing on complex agent architectures required for self-determined goal achievement in adverse circumstances where the action is difficult to maintain (e.g. healthy eating at office parties). Such simulations are useful because they can provide new insights into human behaviour change and improve conceptual precision. In addition, they can act as a rapid-prototyping environment for technology development. High-level descriptive simulations also provide an opportunity for transparency and participatory design, which is important for user ownership of the behaviour change process.
• Abstract（参考訳）: 健康心理学において、行動変化理論(BCT)は、悪環境における人間の目標達成をモデル化する上で重要な役割を果たしている。 これらの理論のいくつかは、認知の計算モデリングやAIへの影響にも用いられる概念を使用している。 例えば、デュアルプロセスアーキテクチャやモチベーションのモデルなどです。 したがって、認知アーキテクチャにおける既存のAI研究に基づく方法で、いくつかのBCTを認知エージェントとして計算的に実装できるかどうかを問うことが重要である。 本稿では, エージェントが課題の解決を試みながら, エージェントがその理論に従って行動するように, 選択された行動変化理論をシミュレーションエージェントに適用する作業中の研究について述べる。 2つの行動変化理論を例に挙げる(CEOSとPRIME)。 この研究は、アクションの維持が困難な状況(例えば、オフィスパーティーでの健康的な食事)において、自己決定目標達成に必要な複雑なエージェントアーキテクチャに焦点を当てている。 このようなシミュレーションは、人間の行動の変化に関する新たな洞察を提供し、概念的正確性を改善するために有用である。 さらに、技術開発のための迅速なプロトタイピング環境としても機能する。 ハイレベルな記述型シミュレーションは透明性と参加型設計の機会も提供します。

関連論文リスト

• Generative Models as a Complex Systems Science: How can we make sense of large language model behavior? [75.79305790453654]
  事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。 言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
  論文  参考訳（メタデータ） (2023-07-31T22:58:41Z)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
  人間は、強さと文脈に応じて行動を促進する必要がある。 また、各行動の知覚的快楽に関連する嗜好も作り出します。 これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
  論文  参考訳（メタデータ） (2023-02-20T04:52:24Z)
• Modelling human logical reasoning process in dynamic environmental stress with cognitive agents [13.171768256928509]
  本研究では,ドリフト拡散と深部強化学習を統合した認知エージェントを提案する。 21,157個の論理応答の大規模なデータセットを活用することで、動的ストレスのパフォーマンスへの影響を調査する。 定量的に、このフレームワークは、主観的および刺激特異的な行動差を捉えることにより、認知モデリングを改善する。 全体として、この研究は、動的文脈における人間の論理的推論プロセスのバガリーをシミュレートし、理解するための、強力でデータ駆動の方法論を示している。
  論文  参考訳（メタデータ） (2023-01-15T23:46:37Z)
• Learning Theory of Mind via Dynamic Traits Attribution [59.9781556714202]
  本稿では,過去のトラジェクトリからアクターの潜在特性ベクトルを生成するニューラルToMアーキテクチャを提案する。 この特性ベクトルは、予測ニューラルネットワークの高速重み付けスキームを介して予測機構を乗法的に変調する。 実験により,高速重量はエージェントの特性をモデル化し,マインドリーディング能力を向上させるために優れた誘導バイアスを与えることが示された。
  論文  参考訳（メタデータ） (2022-04-17T11:21:18Z)
• Learning Complex Spatial Behaviours in ABM: An Experimental Observational Study [0.0]
  本稿では,創発的エージェント行動の生成にReinforcement Learningを適用する方法について検討する。 一連のシミュレーションを行ない, エージェントが実世界の知的適応行動の特性を示す方法として, プロクサマルポリシー最適化アルゴリズムを用いて訓練されたことを実証した。
  論文  参考訳（メタデータ） (2022-01-04T11:56:11Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Models we Can Trust: Toward a Systematic Discipline of (Agent-Based) Model Interpretation and Validation [0.0]
  我々は、モデルから情報を取り出すための相互作用の分野の開発を提唱する。 このような分野の発展に向けたいくつかの方向性を概説する。
  論文  参考訳（メタデータ） (2021-02-23T10:52:22Z)
• Probing Emergent Semantics in Predictive Agents via Question Answering [29.123837711842995]
  近年の研究では、予測モデリングがエージェントに周囲の知識を豊富に与え、複雑な環境での行動能力を向上させる方法が示されている。 本稿では,そのようなエージェントがモデルを開発する表現をデコードし,理解するための一般的なパラダイムとして,質問応答を提案する。 質問応答デコーダからエージェントへの勾配をバックプロパゲートすることなく、それらの内部状態表現を合成的(英語)質問で探索する。
  論文  参考訳（メタデータ） (2020-06-01T15:27:36Z)
• On the Sensory Commutativity of Action Sequences for Embodied Agents [2.320417845168326]
  群論の数学的形式論に基づくエンボディエージェントの知覚について検討する。 本稿では,エージェントの自由度が環境に与える影響を計測する感覚コミュニケーション確率基準を提案する。 本研究では,SCPと行動系列の可換性を用いて環境中の物体を学習する方法を実証的に説明する。
  論文  参考訳（メタデータ） (2020-02-13T16:58:23Z)

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。