类脑重放在强化学习智能体中自然涌现
系统与控制
2024-10-08 v2 人工智能
计算工程、金融与科学
神经与进化计算
系统与控制
神经元与认知
摘要
重放是促进人工智能和大脑学习的一种强大策略。然而，产生重放的条件及其功能优势尚未被完全认识。在本研究中，我们开发了一个能够产生重放的模块化强化学习模型。我们证明了以这种方式生成的重放有助于完成任务。我们还分析了表示中包含的信息，并提供了重放如何产生影响的机制。我们的设计避免了复杂的假设，使得重放能够在任务优化的范式中自然涌现。我们的模型还再现了在生物智能体中观察到的关键现象。本研究探索了模块化人工神经网络中产生重放的结构偏差，及其在开发高效强化学习中的潜在用途。
引用
@article{arxiv.2402.01467,
title = {Brain-Like Replay Naturally Emerges in Reinforcement Learning Agents},
author = {Jiyi Wang and Likai Tang and Huimiao Chen and Marcelo G Mattar and Sen Song},
journal= {arXiv preprint arXiv:2402.01467},
year = {2024}
}