通过动态特质归因学习心智理论

机器学习心智理论(ToM)对于构建与人类及其他智能体共生的社会性智能体至关重要。一旦获得该能力，机器将能从观测到的情境动作轨迹推断他人的心理状态，从而对未来目标、意图、行动及后继表征进行预测。然而，此类预测背后的机制仍不清楚。受人类常先推断他人性格特质、再用以解释其行为这一观察的启发，我们提出一种新的神经ToM架构，其学习从过往轨迹生成行动者的潜在特质向量。该特质向量随后通过预测神经网络中的“快速权重”方案对预测机制进行乘性调制，读取当前情境并预测行为。我们通过实验表明，快速权重为建模智能体性格特质提供了良好的归纳偏置，从而提升了读心能力。在错误信念理解的间接评估中，该新ToM模型实现了更高效的助人行为。