具有泛化能力的投影模拟

泛化能力是任何智能体的重要特征。这不仅因为它可能使智能体能够处理大量数据，还因为在某些环境中，不具备泛化能力的智能体无法学习。在本工作中，我们概述了泛化的几个标准，并提出了一种动态且自主的机制，使投影模拟智能体能够进行有意义的泛化。投影模拟是一种新颖的人工智能物理方法，最近被证明在标准强化学习问题中表现良好，并应用于高级机器人技术和量子实验。基本的投影模拟模型和本文提出的泛化机制都基于非常简单的原理。这使我们能够对智能体的性能提供完整的解析分析，并说明智能体通过泛化所获得的益处。具体而言，我们表明即使在基本（但极端）的环境中，没有泛化的学习也可能是不可能的，并展示了所提出的泛化机制如何使投影模拟智能体得以学习。