量化形态计算
人工智能
2013-06-21 v2 信息论
math.IT
摘要
具身智能领域强调形态和环境对认知系统行为的重要性。形态对行为的贡献，通常称为形态计算（morphological computation），在该社区中已得到广泛认可。我们认为，对该概念进行形式化将有益于该领域的发展，因为我们希望探究形态和环境对具身智能体行为的贡献程度，或者具身智能体如何在其环境中最大化地利用其形态。在本工作中，我们推导了两种衡量形态计算的概念，并讨论了它们与信息瓶颈方法（Information Bottleneck Method）的关系。第一个概念关注世界对整体行为的贡献程度，第二个概念关注智能体的动作对行为的贡献程度。我们从这些概念中推导出了多种度量方法，并在两个实验中进行了验证，突出了它们的优势和局限性。
引用
@article{arxiv.1301.6975,
title = {Quantifying Morphological Computation},
author = {Keyan Zahedi and Nihat Ay},
journal= {arXiv preprint arXiv:1301.6975},
year = {2013}
}