自主智能体的内在目标：虚拟斑马鱼中基于模型的探索预测行为学行为与全脑动态

自主性是动物智能的标志，使其能够在复杂环境中不依赖外部奖励或任务结构而表现出适应性的智能行为。现有的无奖励环境探索强化学习方法，包括一类被称为基于模型的内在动机的方法，表现出不一致的探索模式且不收敛于探索策略，因此未能捕捉动物中观察到的稳健自主行为。此外，系统神经科学在很大程度上忽视了自主性的神经基础，转而关注由外部奖励驱动的动物实验范式，而非行为学、自然主义和独立于任务的行为。为弥合这些差距，我们引入了一种明确基于动物自主探索原则设计的新型基于模型的内在驱动。我们的方法（3M-Progress）通过追踪在线世界模型与从生态位学习的固定先验之间的差异来实现类动物探索。据我们所知，我们引入了首个完全通过内在目标的自监督优化来预测大脑数据的自主具身智能体——无需任何行为或神经训练数据——证明 3M-Progress 智能体捕获了从自主行为的幼体斑马鱼中记录的行为模式和全脑神经-胶质动态的可解释方差，从而提供了首个目标驱动的神经-胶质计算的群体级模型。我们的发现建立了一个将基于模型的内在动机与自然主义行为联系起来的计算框架，为构建具有类动物自主性的人工智能体奠定了基础。