DeepMind｜认知的元学习模型

​

Meta-Learned Models of Cognition

Marcel Binz, Ishita Dasgupta, Akshay Jagadish, Matthew Botvinick, Jane X. Wang, Eric Schulz
[DeepMind & Max Planck Institute for Biological Cybernetics]

认知的元学习模型

要点:

• 动机：旨在探究元学习模型的认知研究计划，通过建立一个关于元学习模型的认知研究计划，综合先前的工作，探讨该框架与传统贝叶斯方法的优势和联系。
• 方法：提出一种名为“元学习”的学习框架，可以通过反复与环境交互来学习学习算法，而不是手动设计它们。探讨了元学习框架与传统贝叶斯方法的联系，并提出了元学习框架相对于传统贝叶斯方法的优势。
• 优势：元学习框架可以用于构建贝叶斯最优学习算法。这不仅意味着任何可以用贝叶斯模型解释的行为现象也可以用元学习模型解释，而且还能与认知的理性分析建立强有力的联系。本文还探讨了元学习框架相对于传统贝叶斯方法的优势，指出元学习框架可以应用于贝叶斯推断不可能的情况，并且可以通过包含有限的计算资源或神经科学知识使理性模型更加现实。

提出了一种名为“元学习”的学习框架，通过反复与环境交互来学习学习算法，而不是手动设计它们。该框架已被证明可以用于构建人类认知模型，本文旨在综合先前的工作，建立一个关于元学习模型的认知研究计划，并探讨该框架与传统贝叶斯方法的优势和联系。

https://arxiv.org/abs/2304.06729 

​Read More