論文の概要: Learning Theory of Mind via Dynamic Traits Attribution
- arxiv url: http://arxiv.org/abs/2204.09047v1
- Date: Sun, 17 Apr 2022 11:21:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-21 13:27:27.872675
- Title: Learning Theory of Mind via Dynamic Traits Attribution
- Title(参考訳): 動的トラスト属性による心の理論の学習
- Authors: Dung Nguyen, Phuoc Nguyen, Hung Le, Kien Do, Svetha Venkatesh, Truyen
Tran
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 59.9781556714202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning of Theory of Mind (ToM) is essential to build social agents
that co-live with humans and other agents. This capacity, once acquired, will
help machines infer the mental states of others from observed contextual action
trajectories, enabling future prediction of goals, intention, actions and
successor representations. The underlying mechanism for such a prediction
remains unclear, however. Inspired by the observation that humans often infer
the character traits of others, then use it to explain behaviour, we propose a
new neural ToM architecture that learns to generate a latent trait vector of an
actor from the past trajectories. This trait vector then multiplicatively
modulates the prediction mechanism via a `fast weights' scheme in the
prediction neural network, which reads the current context and predicts the
behaviour. We empirically show that the fast weights provide a good inductive
bias to model the character traits of agents and hence improves mindreading
ability. On the indirect assessment of false-belief understanding, the new ToM
model enables more efficient helping behaviours.
- Abstract(参考訳): 心の理論の機械学習(ToM)は、人間や他のエージェントと共生する社会エージェントを構築するために不可欠である。
この能力は、ひとたび獲得すれば、観察された文脈的行動軌跡から他者の精神状態を推測し、将来の目標、意図、行動、後継表現の予測を可能にする。
しかし、そのような予測の根底にあるメカニズムは不明である。
人間が他人の性格的特徴をしばしば推測して行動を説明するという観察にインスパイアされた我々は,過去の軌跡からアクターの潜在特性ベクトルを生成することを学習するニューラルな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'fast weights'スキームを介して予測機構を乗法的に変調し、現在のコンテキストを読み込んで振る舞いを予測する。
エージェントの性格特性をモデル化する上で,高速な重み付けが適切な帰納的バイアスをもたらし,マインドリード能力を向上させることを実証的に示す。
疑わしい理解の間接的評価では、新しいToMモデルはより効率的な行動支援を可能にする。
関連論文リスト
- A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳(メタデータ) (2022-11-16T20:00:38Z) - Developing hierarchical anticipations via neural network-based event
segmentation [14.059479351946386]
我々は、自律的に学習された潜在イベントコードによる階層的予測の開発をモデル化する。
本稿では,学習バイアスが緩やかに変化する潜在状態の発達を促進する階層的再帰型ニューラルネットワークアーキテクチャを提案する。
より高いレベルのネットワークは、潜伏状態が変化しがちな状況を予測することを学ぶ。
論文 参考訳(メタデータ) (2022-06-04T18:54:31Z) - A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。
人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。
本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
論文 参考訳(メタデータ) (2022-04-02T21:50:45Z) - Rediscovering Affordance: A Reinforcement Learning Perspective [30.61766085961884]
本稿では,認知科学における強化学習理論に基づく情報量形成の総合的理論を提案する。
この理論を仮想ロボットモデルに実装し,対話型ウィジェットタスクにおける可利用性の人間ライクな適応を実証する。
論文 参考訳(メタデータ) (2021-12-24T00:25:03Z) - 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) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳(メタデータ) (2020-12-07T01:20:38Z) - Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level
Prediction Error Dynamics [68.8204255655161]
目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。
自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-07-29T06:53:13Z) - Attention or memory? Neurointerpretable agents in space and time [0.0]
本研究では,意味的特徴空間にタスク状態表現を実装する自己認識機構を組み込んだモデルの設計を行う。
エージェントの選択的特性を評価するために,多数のタスク非関連特徴を観察に付加する。
神経科学の予測に従って、自己注意は、ベンチマークモデルと比較してノイズに対する堅牢性を高める。
論文 参考訳(メタデータ) (2020-07-09T15:04:26Z)
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。