Doing Experiments and Revising Rules with Natural Language and Probabilistic Reasoning

要約

私たちは、人間が実験を行うことで隠されたルールをどのように能動的に推論するかについての計算モデルを構築します。
このモデルの背後にある基本原理は、たとえルールが決定論的であっても、学習者は、自然言語で表現されるファジーな確率的ルールのより広い空間を考慮し、ほぼベイズ原理に従って各実験後にオンラインで仮説を更新するということです。
同じフレームワークで、情報理論の基準に従って実験計画をモデル化します。
これら 3 つの原則 (明示的な仮説、確率的ルール、オンライン更新) の組み合わせによって Zendo スタイルのタスクにおける人間のパフォーマンスを説明できること、およびこれらのコンポーネントのいずれかを削除すると、モデルがデータを考慮できなくなることがわかりました。

要約(オリジナル)

We build a computational model of how humans actively infer hidden rules by doing experiments. The basic principles behind the model is that, even if the rule is deterministic, the learner considers a broader space of fuzzy probabilistic rules, which it represents in natural language, and updates its hypotheses online after each experiment according to approximately Bayesian principles. In the same framework we also model experiment design according to information-theoretic criteria. We find that the combination of these three principles — explicit hypotheses, probabilistic rules, and online updates — can explain human performance on a Zendo-style task, and that removing any of these components leaves the model unable to account for the data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google