容量受限认知与强化学习中的率失真理论
机器学习
2022-11-01 v1 人工智能
摘要
在认知科学文献中，广泛认同真实世界中运行的决策智能体是在有限信息处理能力下、且无法获得无界认知或计算资源的情况下进行决策的。先前工作受此事实启发，并利用此类行为或策略的信息论模型，将其视为在有限率约束下运行的通信信道。与此同时，另一条并行工作线也利用率失真理论的相同原理，通过学习目标的概念来形式化容量受限决策，从而为可证明高效的学习算法提供贝叶斯遗憾界。本文旨在通过简要综述这些生物与人工智能体中容量受限决策的信息论模型，来阐明后一种视角。
引用
@article{arxiv.2210.16877,
title = {On Rate-Distortion Theory in Capacity-Limited Cognition & Reinforcement Learning},
author = {Dilip Arumugam and Mark K. Ho and Noah D. Goodman and Benjamin Van Roy},
journal= {arXiv preprint arXiv:2210.16877},
year = {2022}
}
备注
Accepted to the NeurIPS Workshop on Information-Theoretic Principles in Cognitive Systems (InfoCog) 2022. arXiv admin note: text overlap with arXiv:2206.02072