习惯与目标协同：一种行为建模的变分贝叶斯框架
机器学习
2024-07-09 v1 人工智能
摘要
如何高效且灵活地行动，是理解生物智能体以及构建智能具身AI的核心问题。众所周知，行为可分为两类：最大化奖励的习惯性行为，其快速但缺乏灵活性；以及目标导向行为，其灵活但缓慢。传统上，习惯性与目标导向行为被认为由大脑中两个独立的系统处理。在此，我们借鉴变分贝叶斯理论原理，提出弥合这两类行为之间的鸿沟。我们通过引入一个名为“意图”的贝叶斯潜变量，将两类行为纳入同一框架。习惯性行为的生成使用意图的先验分布，该分布无目标；目标导向行为的生成使用意图的后验分布，该分布以目标为条件。基于这一思想，我们提出了一种新颖的建模行为的贝叶斯框架。我们所提出的框架实现了两类行为之间的技能共享，并且通过利用预测编码的思想，使智能体能够在无需额外训练的情况下从习惯性无缝泛化到目标导向行为。该框架为认知科学与具身AI提供了新视角，凸显了习惯性与目标导向行为之间更深层次整合的潜力。
引用
@article{arxiv.2304.05008,
title = {Habits and goals in synergy: a variational Bayesian framework for behavior},
author = {Dongqi Han and Kenji Doya and Dongsheng Li and Jun Tani},
journal= {arXiv preprint arXiv:2304.05008},
year = {2024}
}