Architecture de réseau neuronal pour la formation d'aptitudes automatiques. Partie 1

L'article présente une architecture neuronale inspirée du mécanisme humain de formation des habitudes, tel que décrit dans « Atomic Habits » de James Clear, où les actions deviennent automatiques après répétition. Le système comporte quatre composants principaux : un classifieur de nouveauté, un réseau conscient, un réseau génératif et un réseau subconscient, plus un vérificateur externe. Les images d'entrée de formes géométriques sont d'abord classées comme nouvelles ou familières. Les nouvelles images vont au réseau conscient, qui apprend par renforcement. Après une réponse correcte, le réseau génératif crée des variations de l'exemple réussi, qui sont utilisées pour ajuster le réseau subconscient, rendant la compétence automatique. L'expérience implique la reconnaissance de cercles, carrés, triangles, croix et étoiles, ces deux derniers étant initialement inconnus. Le réseau subconscient est pré-entraîné sur les trois premières formes, et le classifieur de nouveauté est entraîné à les considérer comme familières. Lorsqu'une croix apparaît, elle est dirigée vers le réseau conscient, qui doit la classer correctement, puis le réseau génératif produit de nombreux exemples synthétiques pour entraîner le subconscient. Après l'entraînement, le classifieur de nouveauté est mis à jour pour que les croix deviennent familières, et le subconscient les traite directement. L'article définit des critères de succès : réduction des appels au réseau conscient, amélioration de la précision du subconscient sur de nouvelles variantes, rétention des anciennes compétences et réduction de la nouveauté pour les formes apprises. L'architecture est volontairement simple pour des tests initiaux, avec des plans futurs pour des tâches plus complexes et un agent.