Attention when you need

要約

タスクに関連する機能に注意を払うと、タスクのパフォーマンスが向上する可能性がありますが、注意を払うことには独自の代謝コストが伴います。
したがって、タスクを効率的に実行するには、注意の戦略的配分が重要です。
この作業は、この戦略を理解することを目的としています。
最近、De Gee et al。
聴覚的に持続的な注意価値タスクを実行するマウスを含む実施された実験。
このタスクでは、マウスが騒音の中で高次の音響特徴が存在するかどうかを特定するために注意を払う必要がありました。
試用期間と報酬の大きさを変えることにより、タスクにより、エージェントがどのように注意を払ってメリットを最大化し、コストを最小化するかを調査することができます。
私たちの仕事では、マウスの強化学習ベースの規範モデルを開発して、その利点に対して注意コストのバランスをとる方法を理解しています。
このモデルは、マウスが2つのレベルの注意を選択し、報酬を得ることができる費用のかかるアクションをいつ行うかを決定することができるようなものです。
私たちのモデルは、注意リソースを効率的に使用するには、注意のブロックで高い注意のブロックを交互にすることを示唆しています。
エージェントが注意状態の低い状態で感覚入力を無視する極端な場合、私たちは高い注意がリズミカルに使用されていることがわかります。
私たちのモデルは、タスクユーティリティ、信号統計、および注意が感覚の証拠にどのように影響するかの関数として注意をどのように展開すべきかについての証拠を提供します。

要約(オリジナル)

Being attentive to task-relevant features can improve task performance, but paying attention comes with its own metabolic cost. Therefore, strategic allocation of attention is crucial in performing the task efficiently. This work aims to understand this strategy. Recently, de Gee et al. conducted experiments involving mice performing an auditory sustained attention-value task. This task required the mice to exert attention to identify whether a high-order acoustic feature was present amid the noise. By varying the trial duration and reward magnitude, the task allows us to investigate how an agent should strategically deploy their attention to maximize their benefits and minimize their costs. In our work, we develop a reinforcement learning-based normative model of the mice to understand how it balances attention cost against its benefits. The model is such that at each moment the mice can choose between two levels of attention and decide when to take costly actions that could obtain rewards. Our model suggests that efficient use of attentional resources involves alternating blocks of high attention with blocks of low attention. In the extreme case where the agent disregards sensory input during low attention states, we see that high attention is used rhythmically. Our model provides evidence about how one should deploy attention as a function of task utility, signal statistics, and how attention affects sensory evidence.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google