자동 기술 형성을 위한 신경망 아키텍처. 1부

이 논문은 제임스 클리어의 '아토믹 해빗츠'에 설명된 대로 반복 후 행동이 자동화되는 인간의 습관 형성 메커니즘에서 영감을 받은 신경 아키텍처를 소개합니다. 이 시스템은 네 가지 주요 구성 요소, 즉 참신성 분류기, 의식 네트워크, 생성 네트워크, 잠재의식 네트워크와 외부 검증기로 구성됩니다. 기하학적 모양의 입력 이미지는 먼저 새롭거나 익숙한 것으로 분류됩니다. 새로운 이미지는 강화 학습을 통해 학습하는 의식 네트워크로 전달됩니다. 정답을 맞힌 후, 생성 네트워크는 성공적인 예시의 변형을 만들어 잠재의식 네트워크를 미세 조정하여 기술을 자동화합니다. 이 실험은 원, 사각형, 삼각형, 십자, 별을 인식하는 것을 포함하며, 후자의 두 가지는 처음에는 보이지 않습니다. 잠재의식 네트워크는 처음 세 가지 모양에 대해 사전 훈련되고, 참신성 분류기는 이를 익숙한 것으로 간주하도록 훈련됩니다. 십자가 나타나면 의식 네트워크로 보내져 올바르게 분류해야 하며, 그런 다음 생성 네트워크는 잠재의식을 훈련하기 위해 많은 합성 예제를 생성합니다. 훈련 후, 참신성 분류기는 십자가가 익숙해지도록 업데이트되고, 잠재의식 네트워크가 직접 처리합니다. 논문은 성공 기준을 설명합니다: 의식 네트워크에 대한 호출 감소, 새로운 변형에 대한 잠재의식 정확도 향상, 이전 기술 유지, 학습된 모양에 대한 참신성 감소. 아키텍처는 초기 테스트를 위해 의도적으로 단순하며, 향후 더 복잡한 작업과 에이전트를 계획하고 있습니다.