SNN-Based Online Learning of Concepts and Action Laws in an Open World

要約

我々は、エージェントの意味記憶を実装するスパイキング ニューラル ネットワーク (SNN) を中心に構築された、完全に自律的な、生物にインスピレーションを得た認知エージェントのアーキテクチャを紹介します。
エージェントはその世界を探索し、オブジェクト/状況の概念と自身のアクションをワンショットで学習します。
オブジェクト/状況の概念は単項であるのに対し、アクションの概念は、初期状況、運動活動、および結果からなる三重体です。
それらは、その宇宙の行動法則に関するエージェントの知識を具体化します。
どちらの種類の概念も、一般性の程度が異なります。
意思決定を行うために、エージェントは、想定されるアクションの予想される結果について意味記憶を照会し、これらの予測に基づいて実行するアクションを選択します。
私たちの実験では、エージェントが以前に学習した一般的な概念に訴えることによって新しい状況に対処し、環境の変化に適応するためにその概念を迅速に修正することが示されました。

要約(オリジナル)

We present the architecture of a fully autonomous, bio-inspired cognitive agent built around a spiking neural network (SNN) implementing the agent’s semantic memory. The agent explores its universe and learns concepts of objects/situations and of its own actions in a one-shot manner. While object/situation concepts are unary, action concepts are triples made up of an initial situation, a motor activity, and an outcome. They embody the agent’s knowledge of its universe’s actions laws. Both kinds of concepts have different degrees of generality. To make decisions the agent queries its semantic memory for the expected outcomes of envisaged actions and chooses the action to take on the basis of these predictions. Our experiments show that the agent handles new situations by appealing to previously learned general concepts and rapidly modifies its concepts to adapt to environment changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google