满意化心智理论：不同不确定性场景下心智状态推理的贝叶斯模型
人工智能
2019-09-24 v1 计算复杂性
摘要
基于他者行为推断其心智状态的能力，亦称心智理论（ToM），对人类任何社会互动都至关重要。人工系统（如智能助手）也将极大受益于此类心智化能力。然而，人类与系统均受限于其可用计算资源的局限。这催生了对满意化心智理论的需求，即在给定情境下调和准确性与效率、达到“足够好”的心智状态推断。本文提出不同的 ToM 推理贝叶斯模型，并基于在不同不确定性下产生的真实人类行为数据对其进行评估。我们提出了一种切换方法，将体现简化假设的专用模型相结合，以相比完整贝叶斯 ToM 模型实现更具满意化的心智理论。
引用
@article{arxiv.1909.10419,
title = {Satisficing Mentalizing: Bayesian Models of Theory of Mind Reasoning in Scenarios with Different Uncertainties},
author = {Jan Pöppel and Stefan Kopp},
journal= {arXiv preprint arXiv:1909.10419},
year = {2019}
}
备注
This paper is an extended version of the paper "Satisficing Models of Bayesian Theory of Mind for Explaining Behavior of Differently Uncertain Agents" by the same authors, submitted to AAMAS 2018