动觉好奇心驱动的知识网络的生长与形态
神经元与认知
2020-06-05 v1 人工智能
摘要
在一生中，我们可能寻求天职、同伴、技能、娱乐、真理、自我认知、美和教化。好奇心的实践可被视为在相互关联信息的复杂空间中，对身份和位置均隐藏的有价值信息进行的扩展且开放式的搜索。尽管很重要，好奇心一直难以计算建模，因为好奇心的实践往往在没有特定目标、外部奖励或即时反馈的情况下蓬勃发展。在此，我们展示了如何将网络科学、统计物理和哲学整合为一种方法，该方法与特定的-多样性的和感知的-认知的好奇心心理学分类法相一致并扩展之。利用这种跨学科方法，我们将好奇信息寻求的功能模式提炼为信息空间中的搜索运动。好奇心的动觉模型为基于模型的强化学习的审慎预测提供了生动的对应。在此过程中，该模型揭示了识别好奇心之所以为好奇的新计算机会。
引用
@article{arxiv.2006.02949,
title = {The growth and form of knowledge networks by kinesthetic curiosity},
author = {Dale Zhou and David M. Lydon-Staley and Perry Zurn and Danielle S. Bassett},
journal= {arXiv preprint arXiv:2006.02949},
year = {2020}
}