Neuronales Netzwerk-Design zur Bildung automatischer Fähigkeiten. Teil 1

Das Papier stellt eine neuronale Architektur vor, die vom menschlichen Mechanismus der Gewohnheitsbildung inspiriert ist, wie er in James Clears 'Atomic Habits' beschrieben wird, wonach Handlungen durch Wiederholung automatisch werden. Das System besteht aus vier Hauptkomponenten: einem Neuheitsklassifikator, einem bewussten Netzwerk, einem generativen Netzwerk und einem unbewussten Netzwerk sowie einem externen Verifizierer. Eingabebilder geometrischer Formen werden zunächst als neu oder vertraut klassifiziert. Neue Bilder gelangen zum bewussten Netzwerk, das durch Verstärkungslernen lernt. Nach einer korrekten Antwort erstellt das generative Netzwerk Variationen des erfolgreichen Beispiels, die verwendet werden, um das unbewusste Netzwerk fein abzustimmen und die Fähigkeit automatisch zu machen. Das Experiment umfasst das Erkennen von Kreisen, Quadraten, Dreiecken, Kreuzen und Sternen, wobei die letzten beiden zunächst unbekannt sind. Das unbewusste Netzwerk wird auf den ersten drei Formen vortrainiert, und der Neuheitsklassifikator wird trainiert, sie als vertraut zu betrachten. Wenn ein Kreuz erscheint, wird es zum bewussten Netzwerk geleitet, das es korrekt klassifizieren muss. Anschließend erzeugt das generative Netzwerk viele synthetische Beispiele, um das unbewusste Netzwerk zu trainieren. Nach dem Training wird der Neuheitsklassifikator aktualisiert, sodass Kreuze als vertraut gelten und direkt vom unbewussten Netzwerk verarbeitet werden. Das Papier beschreibt Erfolgskriterien: reduzierte Aufrufe des bewussten Netzwerks, verbesserte Genauigkeit des unbewussten Netzwerks bei neuen Variationen, Beibehaltung alter Fähigkeiten und reduzierte Neuheit für gelernte Formen. Die Architektur ist bewusst einfach gehalten für erste Tests, mit zukünftigen Plänen für komplexere Aufgaben und einen Agenten.