論文の概要: Cognitive maps are generative programs
- arxiv url: http://arxiv.org/abs/2504.20628v1
- Date: Tue, 29 Apr 2025 10:55:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.852466
- Title: Cognitive maps are generative programs
- Title（参考訳）: 認知地図は生成プログラムである
- Authors: Marta Kryven, Cole Wyeth, Aidan Curtis, Kevin Ellis,
- Abstract要約: 認識地図は予測可能性と冗長性を利用する生成プログラムの形をとることができることを示す。
本稿では,様々な構成シナリオにおける人間の行動を予測する計算モデルについて述べる。
我々のモデルは、人間の事前の埋め込みとしてLarge Language Modelを活用し、人間の膨大なコーパスのトレーニングを通じて暗黙的に学習する。
- 参考スコア（独自算出の注目度）: 13.339419436986148
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Making sense of the world and acting in it relies on building simplified mental representations that abstract away aspects of reality. This principle of cognitive mapping is universal to agents with limited resources. Living organisms, people, and algorithms all face the problem of forming functional representations of their world under various computing constraints. In this work, we explore the hypothesis that human resource-efficient planning may arise from representing the world as predictably structured. Building on the metaphor of concepts as programs, we propose that cognitive maps can take the form of generative programs that exploit predictability and redundancy, in contrast to directly encoding spatial layouts. We use a behavioral experiment to show that people who navigate in structured spaces rely on modular planning strategies that align with programmatic map representations. We describe a computational model that predicts human behavior in a variety of structured scenarios. This model infers a small distribution over possible programmatic cognitive maps conditioned on human prior knowledge of the world, and uses this distribution to generate resource-efficient plans. Our models leverages a Large Language Model as an embedding of human priors, implicitly learned through training on a vast corpus of human data. Our model demonstrates improved computational efficiency, requires drastically less memory, and outperforms unstructured planning algorithms with cognitive constraints at predicting human behavior, suggesting that human planning strategies rely on programmatic cognitive maps.
- Abstract（参考訳）: 世界を理解し、それで行動することは、現実の側面を抽象化する単純化された精神表現の構築に依存する。
この認知マッピングの原理は限られた資源を持つエージェントに普遍的である。
生物、人間、アルゴリズムはすべて、様々な計算制約の下で世界の機能的な表現を形成するという問題に直面している。
本研究では,人的資源効率の計画が世界を予測可能な構造として表現することから生じる可能性があるという仮説を考察する。
本稿では,プログラムとしての概念の比喩に基づいて,空間配置を直接符号化するのとは対照的に,予測可能性と冗長性を生かした生成プログラムの形式を認知地図に取り入れることを提案する。
我々は,構造化空間をナビゲートする人々が,プログラム地図表現と整合するモジュール計画戦略に頼っていることを示すために,行動実験を用いる。
本稿では,様々な構成シナリオにおける人間の行動を予測する計算モデルについて述べる。
このモデルでは、人間の事前知識を前提としたプログラム的認知地図上の小さな分布を推定し、この分布を用いて資源効率の高い計画を生成する。
我々のモデルは、人間の事前の埋め込みとして大規模言語モデルを活用し、人間の膨大なコーパスのトレーニングを通じて暗黙的に学習する。
提案モデルでは, 計算効率の向上, メモリの大幅な削減, 人間の行動予測における認知的制約による非構造化計画アルゴリズムの性能向上を図り, 人間の計画戦略がプログラム的認知地図に依存していることを示唆している。
関連論文リスト
- Latent Diffusion Planning for Imitation Learning [78.56207566743154]
Latent Diffusion Planning (LDP) は、プランナーと逆ダイナミクスモデルからなるモジュラーアプローチである。
行動予測からプランニングを分離することにより、LDPは最適なデータと行動自由データのより密集した監視信号の恩恵を受けることができる。
シミュレーションされた視覚ロボット操作タスクにおいて、LDPは最先端の模倣学習アプローチより優れている。
論文 参考訳（メタデータ） (2025-04-23T17:53:34Z) - Human-like conceptual representations emerge from language prediction [72.5875173689788]
大規模言語モデル(LLMs)は、言語データに対する次世代の予測を通じてのみ訓練され、顕著な人間的な振る舞いを示す。
これらのモデルは、人間に似た概念を発達させ、もしそうなら、そのような概念はどのように表現され、組織化されるのか?
以上の結果から,LLMは言語記述から他の概念に関する文脈的手がかりに関して柔軟に概念を導出できることが示唆された。
これらの結果は、構造化された人間のような概念表現が、現実世界の接地なしに言語予測から自然に現れることを証明している。
論文 参考訳（メタデータ） (2025-01-21T23:54:17Z) - How language models extrapolate outside the training data: A case study in Textualized Gridworld [32.5268320198854]
我々は、次のトークン予測や思考の微調整を含む従来の手法は、より大きな、目に見えない環境では外挿できないことを示す。
人間の心的表現をシミュレートする新しいCoTフレームワークであるパス計画のための認知マップを提案する。
言語モデルにおける汎用認知地図の開発について,これらの認知地図が専門的な学習手法を必要とすることを知ると,重要な疑問が浮き彫りになる。
論文 参考訳（メタデータ） (2024-06-21T16:10:05Z) - Achieving mouse-level strategic evasion performance using real-time
computational planning [59.60094442546867]
計画とは、脳が想像し、予測可能な未来を成立させる特別な能力である。
我々は,動物の生態が空間計画の価値をどのように支配するかという研究に基づいて,より効率的な生物学的に着想を得た計画アルゴリズムであるTLPPOを開発した。
TLPPOを用いたリアルタイムエージェントの性能とライブマウスの性能を比較し,ロボット捕食者を避けることを課題とする。
論文 参考訳（メタデータ） (2022-11-04T18:34:36Z) - Map Induction: Compositional spatial submap learning for efficient
exploration in novel environments [25.00757828975447]
観測されていない空間の構造を推定することにより,人間は新しい環境を効率的に探索できることを示す。
本研究では,新しい行動マップ誘導タスクを用いて,非帰納的モデルよりも人間の探索行動が優れていることを示す。
論文 参考訳（メタデータ） (2021-10-23T21:23:04Z) - Procedure Planning in Instructional Videosvia Contextual Modeling and
Model-based Policy Learning [114.1830997893756]
本研究は,実生活ビデオにおける目標指向アクションを計画するモデルを学習することに焦点を当てる。
本研究では,ベイズ推論とモデルに基づく模倣学習を通して,人間の行動のモデル化を行う新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-05T01:06:53Z) - Automatic discovery and description of human planning strategies [0.7734726150561086]
我々は、AIを戦略発見に活用し、人間の計画を理解する。
我々のアルゴリズムはHuman-Interpretと呼ばれ、模倣学習を用いてプロセストレースデータを記述する。
得られた人的計画戦略の記述は,人為的記述とほぼ同程度に理解できることがわかった。
論文 参考訳（メタデータ） (2021-09-29T15:20:16Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - Control of mental representations in human planning [38.227123320091046]
人間の計画の2つの側面は、複雑な環境においてもその効率性と、変化する環境においても柔軟性を示す。
効率性は特に印象的です。なぜなら、最適計画を直接計算することは、控えめに複雑なタスクであっても困難であり、認知リソースが限られているにもかかわらず、無数の問題を解決できるからです。
本稿では,精神表現の制御が可能であり,適応的に問題を単純化し,より容易に推論できることを提案する。
論文 参考訳（メタデータ） (2021-05-14T16:39:31Z) - Deep Interpretable Models of Theory of Mind For Human-Agent Teaming [0.7734726150561086]
我々は、他の観測対象の意図をモデル化するための解釈可能なモジュラー・ニューラル・フレームワークを開発する。
Minecraftの検索および救助タスクで、人間の参加者のデータに関する実験を行い、アプローチの有効性を実証します。
論文 参考訳（メタデータ） (2021-04-07T06:18:58Z) - Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。
本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文 参考訳（メタデータ） (2020-10-26T16:00:47Z)
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。