信念动力学提取
人工智能
2019-02-05 v1
摘要
动物行为不仅由其当前观测简单驱动，还受到内部状态的强烈影响。估计这些内部状态的结构对于理解行为的神经基础至关重要。原则上，内部状态可通过反演行为模型来估计，如基于逆模型的强化学习。然而，这需要细致的参数化并面临与动物模型不匹配的风险。此处我们采取数据驱动方法，利用部分可观测切换半马尔可夫过程直接从行为观测推断潜在状态。该过程具有捕捉动物行为的两个关键要素：捕捉观测间时间的非指数分布，以及潜在状态间的转移依赖于动物动作，这些特征需更复杂的非马尔可夫模型来表示。为展示我们方法的效用，将其应用于执行觅食任务的模拟最优智能体的观测，发现模型提取的潜在动力学与该智能体的信念动力学相对应。最后，我们将模型应用于识别执行觅食任务的猴子行为中的潜在状态，发现与预期等待相一致的潜在状态时间簇。该数据驱动行为模型对于推断潜在认知状态并由此测量这些状态的神经表征将具有价值。
引用
@article{arxiv.1902.00673,
title = {Belief dynamics extraction},
author = {Arun Kumar and Zhengwei Wu and Xaq Pitkow and Paul Schrater},
journal= {arXiv preprint arXiv:1902.00673},
year = {2019}
}