Attention when you need

要約

タスク関連の機能に注意を払うとタスクのパフォーマンスが向上しますが、注意を払うこと自体に代謝コストがかかります。
したがって、タスクを効率的に実行するには、戦略的に注意を配分することが重要です。
この研究は、この戦略を理解することを目的としています。
最近、デ・ジーら。
は、聴覚持続的注意値課題をマウスに実行させる実験を実施した。
この課題では、マウスが騒音の中に高次の音響特徴が存在するかどうかを識別するために注意を払う必要がありました。
このタスクでは、トライアル期間と報酬の大きさを変えることで、エージェントが利益を最大化し、コストを最小限に抑えるためにどのように戦略的に注意を展開すべきかを調査することができます。
私たちの研究では、強化学習に基づいたマウスの規範モデルを開発し、注意コストとその利点のバランスがどのように保たれているかを理解しています。
このモデルは、マウスが各瞬間に 2 つの注意レベルの間で選択し、報酬を得る可能性のある高価な行動をいつ行うかを決定できるようなものです。
私たちのモデルは、注意力のあるリソースの効率的な使用には、高い注意力のブロックと低い注意力のブロックを交互に使用することが含まれることを示唆しています。
注意力が低い状態でエージェントが感覚入力を無視するという極端なケースでは、高い注意力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、信号統計の関数として注意を展開する方法、および注意が感覚証拠にどのように影響する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