迈向具有主动自我的人工智能体：情境化行动中控制感建模

在本文中，我们提出了人工智能体中主动自我的计算建模说明。我们特别关注智能体如何被赋予控制感，以及它如何在自主情境化行动中产生，并反过来影响行动控制。我们认为这需要一个具身认知模型，该模型将自下而上的过程（感觉运动学习和控制的细粒度适应）与自上而下的过程（用于策略选择和决策的认知过程）结合起来。我们提出了这样一种基于预测加工和自由能最小化原理的概念性计算架构。利用这一通用模型，我们描述了控制感如何在控制层级的各个层次上形成，以及它如何支持不可预测环境中的行动控制。我们给出了该模型的一种实现，以及在模拟任务场景中的初步评估，其中自主智能体必须应对可预测/不可预测的情况并体验相应的控制感。我们探索了导致低层与高层行动控制不同结合方式的不同模型参数设置。结果表明了在低层/高层行动控制需求变化的情况下对信息进行适当加权的重要性，并展示了控制感如何促进这一点。