論文の概要: People use fast, flat goal-directed simulation to reason about novel problems

• arxiv url: http://arxiv.org/abs/2510.11503v1
• Date: Mon, 13 Oct 2025 15:12:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.423068
• Title: People use fast, flat goal-directed simulation to reason about novel problems
• Title（参考訳）: 人々は新しい問題を推論するために高速で平らな目標指向シミュレーションを使う
• Authors: Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum,
• Abstract要約: 私たちは、人々が初めてゲームをする方法に体系的かつ適応的に合理的であることを示します。 直感型ゲーマー」と呼ばれる計算認知モデルを用いて,これらの能力を説明する。 私たちの研究は、人々が新しい問題に遭遇するとき、どのように素早く評価し、行動し、提案するかに関する新しい洞察を提供する。
• 参考スコア（独自算出の注目度）: 68.55490343866545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Games have long been a microcosm for studying planning and reasoning in both natural and artificial intelligence, especially with a focus on expert-level or even super-human play. But real life also pushes human intelligence along a different frontier, requiring people to flexibly navigate decision-making problems that they have never thought about before. Here, we use novice gameplay to study how people make decisions and form judgments in new problem settings. We show that people are systematic and adaptively rational in how they play a game for the first time, or evaluate a game (e.g., how fair or how fun it is likely to be) before they have played it even once. We explain these capacities via a computational cognitive model that we call the "Intuitive Gamer". The model is based on mechanisms of fast and flat (depth-limited) goal-directed probabilistic simulation--analogous to those used in Monte Carlo tree-search models of expert game-play, but scaled down to use very few stochastic samples, simple goal heuristics for evaluating actions, and no deep search. In a series of large-scale behavioral studies with over 1000 participants and 121 two-player strategic board games (almost all novel to our participants), our model quantitatively captures human judgments and decisions varying the amount and kind of experience people have with a game--from no experience at all ("just thinking"), to a single round of play, to indirect experience watching another person and predicting how they should play--and does so significantly better than much more compute-intensive expert-level models. More broadly, our work offers new insights into how people rapidly evaluate, act, and make suggestions when encountering novel problems, and could inform the design of more flexible and human-like AI systems that can determine not just how to solve new tasks, but whether a task is worth thinking about at all.
• Abstract（参考訳）: ゲームは長年、自然と人工知能の両方で計画と推論を研究するためのマイクロコスムであり、特に専門家レベルや超人プレイに焦点を当ててきた。 しかし、現実の生活は、異なるフロンティアに沿って人間の知性を押し付け、人々がこれまで考えたことのない意思決定問題を柔軟にナビゲートする必要がある。 ここでは、初歩的なゲームプレイを用いて、人々がどのように意思決定を行い、新しい問題設定で判断を形成するかを研究する。 我々は、人々が初めてゲームをする方法において体系的かつ適応的に合理的であることを示し、また、一度プレイする前にゲーム(例えば、どれだけ公平か、どれくらい楽しいか)を評価する。 直感的ゲーマー」と呼ばれる計算認知モデルを用いて,これらの能力を説明する。 このモデルは、モンテカルロのツリーゲームプレイモデルで使われているものと類似しているが、非常に少数の確率的なサンプル、行動評価のための単純なゴールヒューリスティックス、深部探索の無いモデルにスケールダウンされた。 1000人を超える参加者と121人の戦略的ボードゲームによる大規模な行動研究(ほとんどが参加者にとって新しい)において、我々のモデルは、人間の判断と決定を定量的に捉え、ゲームで経験した経験量や経験の種類を、まったく経験のない(単に考える)1ラウンドから、他人を間接的に観察し、どのように遊ぶべきかを予測し、より計算集約的な専門家レベルのモデルよりもはるかに優れた結果をもたらす。 より広い範囲で、私たちの研究は、人々が新しい問題に遭遇したとき、どのように素早く評価し、行動し、提案するかに関する新たな洞察を提供し、新しいタスクの解決方法だけでなく、タスクが全く考える価値があるかどうかを判断できる、より柔軟で人間的なAIシステムの設計を知らせることができます。

関連論文リスト

• Evaluating Language Models' Evaluations of Games [65.49017696754825]
  我々は,AIシステムのゲーム評価を評価する新しいパラダイムを提唱する。 私たちは100ドル以上の新しいボードゲームと450以上の人間の判断の大規模なデータセットを活用しています。 本結果から,推論モデルは,非推論言語モデルよりもゲーム評価において,一般に人々と一致していることが示唆された。
  論文  参考訳（メタデータ） (2025-10-13T02:45:37Z)
• Learning to Play Video Games with Intuitive Physics Priors [2.1548132286330453]
  我々は、多数のビデオゲームでよく一般化されたオブジェクトベースの入力表現を設計する。 これらの表現を用いて,幼児に類似したゲームを学ぶエージェントの能力を評価する。 以上の結果から,人間のようなオブジェクトインタラクションのセットアップが,複数のビデオゲームを遊べるように学習できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-20T20:30:27Z)
• People use fast, goal-directed simulation to reason about novel games [71.0171482296852]
  シンプルなが斬新なConnect-Nスタイルのボードゲームについて、人々がどう考えるかを研究する。 ゲームがどんなに公平か、そしてどんなに楽しいのかを、ごくわずかな経験から判断するよう、私たちは人々に求めます。
  論文  参考訳（メタデータ） (2024-07-19T07:59:04Z)
• JECC: Commonsense Reasoning Tasks Derived from Interactive Fictions [75.42526766746515]
  本稿では,人間のインタラクティブ・フィクション(IF)ゲームプレイ・ウォークスルーに基づく新しいコモンセンス推論データセットを提案する。 本データセットは,事実知識ではなく,機能的コモンセンス知識ルールの評価に重点を置いている。 実験の結果、導入したデータセットは、以前の機械読影モデルと新しい大規模言語モデルに難題であることが示されている。
  論文  参考訳（メタデータ） (2022-10-18T19:20:53Z)
• Generative Personas That Behave and Experience Like Humans [3.611888922173257]
  生成AIエージェントは、ルール、報酬、または人間のデモンストレーションとして表される特定の演奏行動の模倣を試みる。 我々は、行動手続き的ペルソナの概念をプレイヤー体験に適応させるよう拡張し、プレイヤーが人間のように行動し、経験できる生成エージェントを調べる。 その結果, 生成したエージェントは, 模倣を意図した人物のプレイスタイルや経験的反応を呈することが示唆された。
  論文  参考訳（メタデータ） (2022-08-26T12:04:53Z)
• Human-Level Reinforcement Learning through Theory-Based Modeling, Exploration, and Planning [27.593497502386143]
  理論に基づく強化学習は、人間のような直感的な理論を使って環境を探索しモデル化する。 EMPAと呼ばれるゲームプレイエージェントのアプローチをインスタンス化する。 EMPAは90のAtariスタイルのビデオゲームで人間の学習効率と一致します。
  論文  参考訳（メタデータ） (2021-07-27T01:38:13Z)

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。