論文の概要: Active Inference and Intentional Behaviour

• arxiv url: http://arxiv.org/abs/2312.07547v2
• Date: Sat, 16 Dec 2023 17:15:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 19:12:10.235042
• Title: Active Inference and Intentional Behaviour
• Title（参考訳）: 能動的推論と意図的行動
• Authors: Karl J. Friston, Tommaso Salvatori, Takuya Isomura, Alexander Tschantz, Alex Kiefer, Tim Verbelen, Magnus Koudahl, Aswin Paul, Thomas Parr, Adeel Razi, Brett Kagan, Christopher L. Buckley, and Maxwell J. D. Ramstead
• Abstract要約: 理論生物学の最近の進歩は、基底認知と知覚的行動がin vitro細胞培養と神経ネットワークの創発的特性であることを示唆している。 我々は、自由エネルギー原理のレンズを通して、この種の自己組織化を自己認識として特徴づける。 シミュレーションを用いて,これらの形態(反応性,感性,意図的)について検討する。
• 参考スコア（独自算出の注目度）: 40.19132448481507
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in theoretical biology suggest that basal cognition and sentient behaviour are emergent properties of in vitro cell cultures and neuronal networks, respectively. Such neuronal networks spontaneously learn structured behaviours in the absence of reward or reinforcement. In this paper, we characterise this kind of self-organisation through the lens of the free energy principle, i.e., as self-evidencing. We do this by first discussing the definitions of reactive and sentient behaviour in the setting of active inference, which describes the behaviour of agents that model the consequences of their actions. We then introduce a formal account of intentional behaviour, that describes agents as driven by a preferred endpoint or goal in latent state-spaces. We then investigate these forms of (reactive, sentient, and intentional) behaviour using simulations. First, we simulate the aforementioned in vitro experiments, in which neuronal cultures spontaneously learn to play Pong, by implementing nested, free energy minimising processes. The simulations are then used to deconstruct the ensuing predictive behaviour, leading to the distinction between merely reactive, sentient, and intentional behaviour, with the latter formalised in terms of inductive planning. This distinction is further studied using simple machine learning benchmarks (navigation in a grid world and the Tower of Hanoi problem), that show how quickly and efficiently adaptive behaviour emerges under an inductive form of active inference.
• Abstract（参考訳）: 理論的生物学における最近の進歩は、基礎的認知と感覚的行動がそれぞれin vitro細胞培養と神経細胞ネットワークの創発的特性であることを示唆している。 このような神経ネットワークは、報酬や強化がなければ、自発的に構造化された行動を学ぶ。 本稿では,自由エネルギー原理のレンズを通して,このような自己組織化を自己認識として特徴付ける。 まず,行動の結果をモデル化するエージェントの行動を記述するアクティブ推論の設定において,リアクティブおよびセンテントな行動の定義について論じる。 次に,エージェントを潜在状態空間における望ましいエンドポイントや目標によって駆動されるものとして記述する,意図的行動の形式的説明を導入する。 次に,これらの形態(反応性,感性,意図的)をシミュレーションを用いて検討する。 まず,神経細胞が自発的にpongを弾くことを学習するin vitro実験を,ネストした自由エネルギー最小化プロセスによってシミュレートする。 シミュレーションは続く予測行動の分解に使用され、単に反応的、知覚的、意図的な振る舞いを区別し、後者は帰納的計画の観点で形式化される。 この区別は、単純な機械学習ベンチマーク(グリッド世界のナビゲーションとハノイ問題のタワー)を用いてさらに研究され、アクティブ推論の帰納的形式の下での適応行動がいかに迅速かつ効率的に出現するかを示している。

関連論文リスト

• Decoding Neural Activity to Assess Individual Latent State in Ecologically Valid Contexts [1.1059590443280727]
  2つの高度に制御された実験室のパラダイムからのデータを用いて、2つの異なるドメイン一般化モデルを訓練する。 我々は、下層の潜伏状態と関連する神経活動パターンを推定する。
  論文  参考訳（メタデータ） (2023-04-18T15:15:00Z)
• Intrinsic Motivation in Dynamical Control Systems [5.635628182420597]
  エージェントのエンパワーメントの最大化に基づく本質的なモチベーションに対する情報理論的アプローチについて検討する。 このアプローチは、本質的なモチベーションを形式化する以前の試みを一般化することを示す。 これにより、実用的な人工的な本質的なモチベーションを持つコントローラーを設計するための扉が開く。
  論文  参考訳（メタデータ） (2022-12-29T05:20:08Z)
• 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)
• Inference of Affordances and Active Motor Control in Simulated Agents [0.5161531917413706]
  本稿では,出力確率,時間的予測,モジュール型人工ニューラルネットワークアーキテクチャを提案する。 我々のアーキテクチャは、割当マップと解釈できる潜在状態が発達していることを示す。 アクティブな推論と組み合わせることで、フレキシブルでゴール指向の動作が実行可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T14:13:04Z)
• 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)
• Active Inference in Robotics and Artificial Agents: Survey and Challenges [51.29077770446286]
  我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。 本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
  論文  参考訳（メタデータ） (2021-12-03T12:10:26Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
  グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。 この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
  論文  参考訳（メタデータ） (2020-11-18T18:52:08Z)
• The principles of adaptation in organisms and machines II: Thermodynamics of the Bayesian brain [0.0]
  この記事では、ベイジアン推論の観点から、ニューラルネットワークのダイナミクスを通じて生物がどのように世界を学び、認識するかをレビューする。 次に、神経活動のエントロピーの法則に基づいて、この過程に関する熱力学的見解を紹介する。
  論文  参考訳（メタデータ） (2020-06-23T16:57:46Z)

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。