質問応答による予測エージェントにおける創発的意味論の探索【JST・京大機械翻訳】

Das Abhishek; Carnevale Federico; Merzic Hamza; Rimell Laura; Schneider Rosalia; Abramson Josh; Hung Alden; Ahuja Arun; Clark Stephen; Wayne Gregory; Hill Felix

プレプリント

J-GLOBAL ID：202202220371633434 整理番号：22P0153901

質問応答による予測エージェントにおける創発的意味論の探索【JST・京大機械翻訳】

Probing Emergent Semantics in Predictive Agents via Question Answering

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2020年06月01日プレプリントサーバーでの情報更新日： 2020年06月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近の研究では,予測モデリングが,その周囲に豊富な知識を持つエージェントをいかに付与するかを示し,複雑な環境で行動する能力を改善する。著者らは,そのようなエージェントが開発する表現を解読し,理解するための一般的パラダイムとして質問-回答を提案し,著者らの方法を,予測モデリング-行動-条件CPC(Guoら,2018)およびSimCore(Gregor et al., 2019)に対する2つの最近のアプローチに適用した。物体,色,形状,および空間構成のソートメントを有する視覚的に豊富な3D環境において,これらの予測目的を有する訓練エージェントの後,著者らは,質問応答復号器からエージェントへの逆伝搬勾配なしで,合成(英語)質問によるそれらの内部状態表現を探査した。この道を探査するときの異なったエージェントの性能は,それらが,事実をコード化し,その物理的環境からのオブジェクト,特性,および空間的関係について,構成的,情報的,そして,構成的,情報を符号化するのを学ぶことを,明らかにしている。提案アプローチは直感的であり,すなわち,人間は,連続ベクトルを検査するのとは対照的に,モデルの応答を容易に解釈することができ,モデル診断,即ち,任意のモデリング手法に適用できる。対象,量,特性,およびエージェントが学習するエージェントによって獲得された関係の暗黙知識を明らかにすることによって,質問条件エージェントプロービングは,より強い予測学習目標の設計と開発を刺激することができる。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る