机构名称：
¥ 1.0
机器学习研究人员经常关注人类水平的表现，尤其是在游戏中的表现（Mnih 等人，2015 年）。然而，在这些应用中，人类行为通常被简化为性能图上的一个简单点。认知科学，特别是学习和决策理论，可以掌握解开这个点背后秘密的钥匙，从而进一步了解人类认知和智能算法的设计原理（Lake、Ullman、Tenenbaum 和 Gershman，2017 年）。然而，认知实验通常侧重于相对简单的范式。我们相信，现在是认知科学领域研究人员齐聚一堂、讨论和推动使用游戏来研究和理解人类认知的范式的好时机（Opheusden 等人，2021 年；Opheusden 和 Ma，2019 年）。因此，我们的研讨会将由不同的演讲者组成，介绍他们目前对游戏的研究，包括文字游戏（Hartshorne、Tenenbaum 和 Pinker，2018 年）、物理游戏（Allen、Smith 和 Tenenbaum，2020 年）、社交游戏（Wu 等人，2020 年）和复杂的强化学习环境（Kosoy 等人，2020 年；S¸ims¸ek、Algorta 和 Kothiyal，2016 年），以及游戏在他们研究中的潜在未来应用。虽然传统的实验室实验一直是研究认知的主要数据来源，但互联网提供了收集大几倍的数据集的机会（Griffiths，2014 年）。全球有成千上万的玩家玩在线游戏，它们不仅为我们提供了大数据集，还可以让我们深入了解传统上难以在实验室中收集的人类行为 - 例如数百小时的特定任务交互（Stafford & Dewar，2014）。游戏的另一个有趣方面是它们能够更紧密地模拟现实世界。通过使用物理游戏引擎，研究人员可以做出精确、可量化的比较，
利用游戏来理解智力
主要关键词
相关文件推荐
