【标题】Intelligent problem-solving as integrated hierarchical reinforcement learning

【作者团队】Manfred Eppe, Christian Gumbsch, Matthias Kerzel, Phuong D. H. Nguyen

【发表日期】2022.1.25

【论文链接】https://www.nature.com/articles/s42256-021-00433-9?utm_source=xmol&utm_medium=affiliate&utm_content=meta&utm_campaign=DDCN_1_GL01_metadata

【推荐理由】根据认知心理学和相关学科，生物主体复杂问题解决行为的发展依赖于分层认知机制。分层强化学习是一种很有前途的计算方法，最终可能会在人工智能体和机器人中产生类似的问题解决行为。然而，到目前为止，许多人类和非人类动物的解决问题的能力明显优于人工系统。本文提出了整合受生物学启发的分层机制的步骤，以实现人工智能智能体的高级问题解决技能。本文首先回顾认知心理学的文献，以强调组合抽象和预测处理的重要性。然后，将获得的见解与当代分层强化学习方法联系起来。研究结果表明，所有已识别的认知机制都已在孤立的计算架构中单独实现，这引发了一个问题，即为什么不存在将它们集成在一起的单一统一架构。作为最后贡献，本文通过提供关于开发这种统一架构的计算挑战的综合观点来解决这个问题。希望本文的结果能够指导开发更复杂的受认知启发的分层机器学习架构。

内容中包含的图片若涉及版权问题，请及时与我们联系删除