目标与经验的结构

有目的的行为是自然智能和人工智能的标志。其习得通常被认为依赖于世界模型，该模型包含描述性（是什么）和规范性（什么是可取的）两个方面，分别用于识别和评估世界中的事态。有目的行为的经典计算解释，如强化学习，假定世界模型由状态表征（描述性方面）和奖励函数（规范性方面）这两个不同组件构成。然而，另一种尚未被计算性表述的可能性是，这两个方面反而是从智能体的目标中相互依存地共同涌现的。在此，我们描述了一个认知智能体中目标导向状态表征的计算框架，其中世界模型的描述性和规范性方面从智能体-环境交互序列或经验中共同涌现。借鉴佛教认识论，我们引入了一个目标导向的或目的性状态的概念，定义为目标等价经验分布的类别。目的性状态根据行为策略与期望经验特征之间的统计散度，为目导向学习提供了一个简洁的解释。我们回顾了支持这一新视角的实证和理论文献，并讨论了其在为不同基质上的有目的行为提供统一的行为、现象学和神经维度解释方面的潜力。