用分层贝叶斯心智理论求解婴儿直觉基准
人工智能
2022-08-08 v1
摘要
为促进新模型的发展以弥合机器与人类社交智能之间的差距，近期提出的 Baby Intuitions Benchmark（arXiv:2102.11938）提供了一套任务，用于评估即使幼儿也具备的关于主体目标与行为的常识推理。本文基于分层贝叶斯心智理论（HBToM）给出该基准的一种有原理依据的贝叶斯解法。通过在主体目标与倾向性上引入分层先验，对我们的 HBToM 模型进行推断可实现主体效率与偏好的少样本学习，进而用于关于后续主体行为的常识合理性判断。该方法在多数基准任务上达到近乎完美的准确率，优于深度学习和模仿学习基线，同时产生可解释的类人推断，展示了结构化贝叶斯人类社交认知模型的优势。
引用
@article{arxiv.2208.02914,
title = {Solving the Baby Intuitions Benchmark with a Hierarchically Bayesian Theory of Mind},
author = {Tan Zhi-Xuan and Nishad Gothoskar and Falk Pollok and Dan Gutfreund and Joshua B. Tenenbaum and Vikash K. Mansinghka},
journal= {arXiv preprint arXiv:2208.02914},
year = {2022}
}
备注
6 pages, 2 figures. Presented at the Robotics: Science and Systems 2022 Workshop on Social Intelligence in Humans and Robots