机构名称：
¥ 1.0
人工智能、机器学习和深度神经网络的进步带来了人类和动物学习和智能的新发现。DeepMind 家族中最近推出的人工智能代理 muZero 可以在对其所处世界的信息有限且对当前和未来空间特征具有高度不确定性的情况下完成各种任务。为了执行此任务，muZero 仅使用三个功能，这些功能既通用又足够具体，可以在各种任务中进行学习，而不会在不同环境中过度概括。同样，人类和动物能够在复杂的环境中学习和改进，同时从其他环境中迁移学习，而不会过度概括。特别是，哺乳动物海马外系统 (eHPCS) 可以指导空间决策，同时编码和处理空间和上下文信息。与 muZero 一样，eHPCS 也能够根据环境变化和环境线索的程度和重要性调整上下文表示。在本意见中，我们将论证 muZero 功能与海马系统的功能相似。我们将展示 muZero 模型的不同组件为思考 eHPCS 中的可推广学习提供了一个框架，并且可以通过 muZero 等人工智能代理的进步来评估细胞表征在相似和不同情境之间如何发生转变。我们还将解释人工智能代理的进步将如何提供框架和预测，以研究状态变化和神经元放电之间的预期联系。具体来说，我们将讨论有关 eHPCS 的可测试预测，包括重放和重新映射的功能，这些预测是由 muZero 学习背后的机制提供的。最后，我们介绍了 muZero 等代理如何帮助阐明有关神经功能的潜在问题的其他方式，以及这些代理如何揭示潜在的预期答案。
人工智能洞察海马体处理
主要关键词
相关文件推荐
