迈向 neoRL 网络：目的图的出现

用于目的性 AI 的 neoRL 框架通过模拟认知地图实现潜在学习，以通用值函数（GVF）表达对分离状态的操作性欲望。智能体对奖励的期待表现为所考量空间中的学习投影，使 neoRL 智能体能依据奖励假说从学习到的地图中提取目的性行为。我们进一步探究这一类比，将 neoRL 模块视为网络中以欲望为输入、以状态-动作 Q 值为输出的节点；我们看到，具有欧几里得意义的动作集意味着将状态-动作向量解释为欲望的欧几里得投影。来自智能体内 neoRL 节点的自主欲望允许更深层的 neoRL 行为图。实验证实了由自主欲望支配的 neoRL 网络的效果，验证了目的性网络的四条原则。由目的性网络支配的 neoRL 智能体能在学习的同时实时导航欧几里得空间，例证了现代 AI 仍可从早期心理学汲取灵感。