在仿真中控制合成角色：认知架构与 Sigma 的一个例证
人工智能
2021-01-08 v1 机器学习
摘要
仿真，以及虚拟世界和电子游戏等其他类似应用，需要能够为其参与的合成角色生成真实且可信行为的智能计算模型。认知架构作为自然与人工系统中智能行为背后固定结构的模型，为这些合成角色生成类人智能行为提供了概念上有效的共同基础，当前迈向心智标准模型的努力即证明了这一点。Sigma 是一个认知架构与系统，它力求在其图架构假设下，将数十年来在符号认知架构、概率图模型以及较近期的神经模型方面的独立研究成果结合起来。Sigma 利用一种扩展的因子图形式，不仅对传统认知能力而且对相关非认知关键方面实现统一的宏大整合，从而为构建具备心智理论（Theory-of-Mind）且具感知、自主、交互、情感与适应性的新型认知模型创造了独特机遇。本文中，我们将介绍 Sigma 及其多样能力，并使用三个不同的概念验证 Sigma 模型来凸显这些能力的组合：（1）分布式强化学习模型；（2）一对展示基于规则、概率与社会推理的适应性与交互式智能体模型；（3）一个无知识探索模型，其中智能体仅利用架构层面的评价变量，即注意力与好奇心，在 Unity 环境中一边构建地图一边定位物品。
引用
@article{arxiv.2101.02231,
title = {Controlling Synthetic Characters in Simulations: A Case for Cognitive Architectures and Sigma},
author = {Volkan Ustun and Paul S. Rosenbloom and Seyed Sajjadi and Jeremy Nuttal},
journal= {arXiv preprint arXiv:2101.02231},
year = {2021}
}