用记忆增强神经网络建模计数能力的发展
人工智能
2021-05-25 v1 神经与进化计算
摘要
学习计数是人类更广泛的系统泛化能力的典型例子，且计数能力的发展常以儿童迅速掌握支持该能力的程序时所经历的拐点为特征。我们旨在通过训练强化学习智能体在被指示时从二值向量中选出 N 个物品（称为 give- 任务）来建模此过程。我们发现，基于近期提出的涌现符号绑定网络（ESBN）的记忆增强模块化网络架构在学习过程中表现出类似于人类发展的拐点。该模型还能够在其训练集范围外进行系统外推——例如，仅在训练选 1 至 10 个物品后，只要能利用至少该长度的任意计数序列，它便能成功选出 11 至 15 个物品。与儿童发展的紧密类比及外推能力表明，我们的模型可揭示人类系统性的涌现。
引用
@article{arxiv.2105.10577,
title = {Modelling the development of counting with memory-augmented neural networks},
author = {Zack Dulberg and Taylor Webb and Jonathan Cohen},
journal= {arXiv preprint arXiv:2105.10577},
year = {2021}
}
备注
Accepted talk at Proceedings of the 42nd Annual Meeting of the Cognitive Science Society