SSSUP|人工智能体冲突抑制决策任务中的脑启发元强化学习认知控制

【标题】Brain-inspired meta-reinforcement learning cognitive control in conflictual inhibition decision-making task for artificial agents

【作者团队】Federica Robertazzi, Matteo Vissani, Guido Schillaci, Egidio Falotico

【发表日期】2022.6.22

【论文链接】https://www.sciencedirect.com/science/article/pii/S0893608022002350

【推荐理由】人类实际情景中的冲突和意想不到的变化可能不利于人工智能体执行任务，从而影响其性能。应用于强化学习的元学习可以加强控制算法的设计，即外部学习系统逐步调整内部学习系统的运作，从而为学习模式带来实际好处。本文开发了一个大脑启发的元学习框架，用于抑制认知控制，i)利用 Doya 提出的神经调节理论中的元学习原则，ii)依赖于包含人脑中分布式学习系统的完善的神经结构，iii)提出元学习超参数的优化规则，模拟大脑中主要神经递质的动态。在本文描述的两个著名的任务: NoGo 和停止信号范式中测试了一种人工智能体抑制动作指令。经过短暂的学习阶段后，人工智能体学会了对等待信号做出反应，从而通过不断调整学习超参数，成功地抑制了两个任务中的马达指令。并全局准确性、正确抑制显著提高，减少了取消动作过程所需的延迟时间。