自動スキルの形成のためのニューラルネットワークアーキテクチャ。パート1

本論文では、ジェームズ・クリアの『原子習慣』で説明されている、繰り返しによって行動が自動化されるという人間の習慣形成メカニズムに着想を得たニューラルアーキテクチャを紹介する。このシステムは、新規性分類器、意識的ネットワーク、生成的ネットワーク、無意識的ネットワークの4つの主要コンポーネントと、外部検証器で構成される。幾何学形状の入力画像は、まず新規または既知として分類される。新規画像は意識的ネットワークに送られ、強化学習によって学習される。正解の後、生成的ネットワークは成功例のバリエーションを作成し、それを使用して無意識的ネットワークを微調整し、スキルを自動化する。実験では、円、正方形、三角形、十字、星の認識が行われ、後者の2つは当初は未見である。無意識的ネットワークは最初の3つの形状で事前学習され、新規性分類器はそれらを既知とみなすように訓練される。十字が現れると、それは意識的ネットワークに送られ、正しく分類されなければならない。その後、生成的ネットワークは無意識を訓練するための多くの合成例を生成する。訓練後、新規性分類器は更新され、十字が既知となり、無意識的ネットワークが直接処理する。本論文では、成功基準として、意識的ネットワークへの呼び出しの削減、新しいバリエーションでの無意識的ネットワークの精度向上、古いスキルの保持、学習済み形状に対する新規性の低減を概説している。このアーキテクチャは、初期テスト用に意図的に単純化されており、将来的にはより複雑なタスクやエージェントを計画している。