迭代式教师感知学习
机器学习
2021-10-28 v3 人工智能
人机交互
摘要
在人类教学中，教师与学生可以自适应地互动以最大化沟通效率。教师针对不同的学生调整其教学方法，而学生在熟悉教师的教学机制后，能够推断教师的意图从而学得更快。近来，多项工作已证明将这种合作式教学融入离散空间中的机器概念学习具有益处。然而，合作式教学如何促进机器参数学习尚未被深入研究。本文提出一种基于梯度优化的教师感知学习者，其能将教师的合作意图纳入似然函数，并与以往机器教学工作中使用的朴素学习算法相比可证明学得更快。我们给出理论证明，表明迭代式教师感知学习（ITAL）过程会带来局部与全局的改进。随后，我们利用合成与真实数据，在回归、分类以及逆强化学习等多种任务上通过大量实验验证了我们的算法。我们还展示了当智能体向人类教师学习时，建模教师感知能力的优势。
引用
@article{arxiv.2110.00137,
title = {Iterative Teacher-Aware Learning},
author = {Luyao Yuan and Dongruo Zhou and Junhong Shen and Jingdong Gao and Jeffrey L. Chen and Quanquan Gu and Ying Nian Wu and Song-Chun Zhu},
journal= {arXiv preprint arXiv:2110.00137},
year = {2021}
}