抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人間は,新しいタスクを効率的に解決するために事前知識を使用するが,そのような高速一般化を可能にするための過去の知識をどのように構築するかはよく理解されていない。最近,階層的状態抽象化により,各ルールに対してコンテキストクラスタを推論することにより,簡単な1ステップルールの一般化が可能になった。しかし,ヒト日常作業はしばしば時間的に延長され,より複雑な多段階,階層的構造化戦略を必要とする。階層的強化学習におけるオプションフレームワークは,そのような移動可能な戦略を表現するための理論的フレームワークを提供する。オプションは,より単純な1段階行動または他のオプションから組み立てられた抽象的多段階政策であり,時間的抽象化として意味のある再利用可能な戦略を表すことができる。著者らは,人間が多段階オプションを学習し,転送するかどうかを試験するために,新しい逐次意思決定プロトコルを開発した。一連の4つの実験において,著者らは,平坦な強化学習モデルまたは一時的抽象化を欠く階層モデルによって説明できなかった抽象の多重階層レベルで,移動効果を発見した。時間的および状態抽象化をブレンドする定量的モデルを開発するために,オプションフレームワークを拡張した。本モデルは,ヒト参加者で観察される移動効果を捉える。著者らの結果は,人間が階層的オプションを創造し,構成し,新しい文脈で探索し,その結果,過去の知識を転送し,学習をスピードアップするという証拠を提供する。【JST・京大機械翻訳】
