Understanding the Unforeseen via the Intentional Stance

要約

観測されたエージェントの新しい行動を理解するためのアーキテクチャとシステムを提示します。
私たちのアプローチの 2 つの主な特徴は、不測の経験を理解するための主要な計算メカニズムの 1 つとして、デネットの意図的なスタンスと類推的推論を採用することです。
私たちのアプローチは、過去の経験との類推を使用して、観察されたエージェントの行動を説明する仮説的根拠を構築します。
さらに、類推は部分的なものと見なします。
したがって、複数の過去の経験をブレンドして、予期しない出来事を類推的に説明し、推論の柔軟性を高めることができます。
このアプローチは、表面レベルの比較に基づくアプローチよりも、観察された行動のより意味のある説明をもたらすと主張します。
分類に対する行動説明の重要な利点は、i) 推論に基づいて適切な応答を行う能力、および ii) 仮定された説明の検証を可能にする重要な予測を行う能力です。
ガソリンスタンド環境での類推を通じて、新しい経験の理解を実証するための簡単なユースケースを提供します。

要約(オリジナル)

We present an architecture and system for understanding novel behaviors of an observed agent. The two main features of our approach are the adoption of Dennett’s intentional stance and analogical reasoning as one of the main computational mechanisms for understanding unforeseen experiences. Our approach uses analogy with past experiences to construct hypothetical rationales that explain the behavior of an observed agent. Moreover, we view analogies as partial; thus multiple past experiences can be blended to analogically explain an unforeseen event, leading to greater inferential flexibility. We argue that this approach results in more meaningful explanations of observed behavior than approaches based on surface-level comparisons. A key advantage of behavior explanation over classification is the ability to i) take appropriate responses based on reasoning and ii) make non-trivial predictions that allow for the verification of the hypothesized explanation. We provide a simple use case to demonstrate novel experience understanding through analogy in a gas station environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google