論文の概要: Intelligent problem-solving as integrated hierarchical reinforcement learning

• arxiv url: http://arxiv.org/abs/2208.08731v1
• Date: Thu, 18 Aug 2022 09:28:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-19 13:14:41.167762
• Title: Intelligent problem-solving as integrated hierarchical reinforcement learning
• Title（参考訳）: 統合階層強化学習としての知的問題解決
• Authors: Manfred Eppe, Christian Gumbsch, Matthias Kerzel, Phuong D. H. Nguyen, Martin V. Butz, Stefan Wermter
• Abstract要約: 生物学的エージェントにおける複雑な問題解決行動の開発は階層的認知機構に依存している。 本稿では,生物にインスパイアされた階層的なメカニズムを組み込むことにより,人工エージェントの高度な問題解決能力を実現する方法を提案する。 われわれの結果は、より洗練された認知にインスパイアされた階層型機械学習アーキテクチャの開発を導くことを期待している。
• 参考スコア（独自算出の注目度）: 11.284287026711125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: According to cognitive psychology and related disciplines, the development of complex problem-solving behaviour in biological agents depends on hierarchical cognitive mechanisms. Hierarchical reinforcement learning is a promising computational approach that may eventually yield comparable problem-solving behaviour in artificial agents and robots. However, to date the problem-solving abilities of many human and non-human animals are clearly superior to those of artificial systems. Here, we propose steps to integrate biologically inspired hierarchical mechanisms to enable advanced problem-solving skills in artificial agents. Therefore, we first review the literature in cognitive psychology to highlight the importance of compositional abstraction and predictive processing. Then we relate the gained insights with contemporary hierarchical reinforcement learning methods. Interestingly, our results suggest that all identified cognitive mechanisms have been implemented individually in isolated computational architectures, raising the question of why there exists no single unifying architecture that integrates them. As our final contribution, we address this question by providing an integrative perspective on the computational challenges to develop such a unifying architecture. We expect our results to guide the development of more sophisticated cognitively inspired hierarchical machine learning architectures.
• Abstract（参考訳）: 認知心理学と関連する分野によれば、生物学的エージェントにおける複雑な問題解決行動の発達は階層的認知メカニズムに依存する。 階層的強化学習は有望な計算手法であり、最終的には人工エージェントやロボットに匹敵する問題解決行動をもたらす可能性がある。 しかし、現在までに、多くの人間や非人間動物の問題解決能力は、人工システムの能力よりも明らかに優れている。 本稿では,生物にインスパイアされた階層的機構を統合し,人工エージェントの高度な問題解決技術を実現するためのステップを提案する。 そこで,まず認知心理学の文献を概観し,構成的抽象化と予測処理の重要性を強調する。 次に,得られた知見を,現代の階層的強化学習手法と関連づける。 興味深いことに、我々の研究結果は、識別された認知メカニズムが独立した計算アーキテクチャで個別に実装されていることを示唆している。 最後の貢献として、このような統一アーキテクチャを開発するための計算上の課題に対する統合的な視点を提供することで、この問題に対処します。 我々は、より洗練された認知的インスパイアされた階層的機械学習アーキテクチャの開発を導くことを期待する。

関連論文リスト

• Exploring a Cognitive Architecture for Learning Arithmetic Equations [0.0]
  本稿では,算術学習を支える認知メカニズムについて考察する。 本稿では,数ベクトル化埋め込みネットワークと連想メモリモデルを実装し,知能システムによる算術方程式の学習とリコールについて検討する。 知的システムにおける数学的認知の神経的相関に関する継続的な研究に貢献することを目的としている。
  論文  参考訳（メタデータ） (2024-05-05T18:42:00Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• 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)
• 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)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)
• Computational Metacognition [2.0552049801885746]
  計算メタ認知は、統合された人工システムにおける高次推論に対する認知システムの観点から表される。 本稿では,メタレベルの目標操作と学習によって認識を変化させることで,計算メタ認知がパフォーマンスを向上することを示す。
  論文  参考訳（メタデータ） (2022-01-30T17:34:53Z)
• Hierarchical principles of embodied reinforcement learning: A review [11.613306236691427]
  すべての重要な認知メカニズムが独立した計算アーキテクチャで独立に実装されていることを示す。 我々は,より洗練された認知的インスパイアされた階層的手法の開発を導くことを期待する。
  論文  参考訳（メタデータ） (2020-12-18T10:19:38Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。