The Role of Higher-Order Cognitive Models in Active Learning

要約

人間と効率的に協働できるマシンを構築することは、人工知能における長年の目標でした。
特に不確実性が存在する場合、最適な協力を行うには、人間と人工エージェントが互いの行動をモデル化し、これらのモデルを使用して根底にある目標、信念、または意図を推論する必要があり、これには複数のレベルの再帰が含まれる可能性があります。
人間の行動におけるこのような高次の認知に関する経験的証拠は、認知科学、言語学、ロボット工学におけるこれまでの研究によっても提供されています。
私たちは、人間のより高いレベルの主体性を考慮しながら、人間をアクティブなデータ ソースとして利用する、人間によるフィードバックのためのアクティブ ラーニングの新しいパラダイムを提唱します。
特に、主体性のレベルが高まると、アクティブ ラーニング システムと教師の間の合理的なコミュニケーションの質的に異なる形式がどのように生じるかについて説明します。
さらに、高次認知モデルを用いたアクティブラーニングの実践例を示します。
これには、このモデルが生成する独特の動作を強調する計算研究が伴います。

要約(オリジナル)

Building machines capable of efficiently collaborating with humans has been a longstanding goal in artificial intelligence. Especially in the presence of uncertainties, optimal cooperation often requires that humans and artificial agents model each other’s behavior and use these models to infer underlying goals, beliefs or intentions, potentially involving multiple levels of recursion. Empirical evidence for such higher-order cognition in human behavior is also provided by previous works in cognitive science, linguistics, and robotics. We advocate for a new paradigm for active learning for human feedback that utilises humans as active data sources while accounting for their higher levels of agency. In particular, we discuss how increasing level of agency results in qualitatively different forms of rational communication between an active learning system and a teacher. Additionally, we provide a practical example of active learning using a higher-order cognitive model. This is accompanied by a computational study that underscores the unique behaviors that this model produces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google