「学習におけるマウスの驚くべきアプローチを解読する研究」を学ぶ

Study on deciphering the amazing approach of mice in learning

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_print { background:url(‘/images/icons/print.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_print:hover { background:url(‘/images/icons/print.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.mobile-apps { background:url(‘/images/icons/generic.gif’) no-repeat 13px 7px #FFF; background-size: 10px; } .fav_bar a.mobile-apps:hover { background:url(‘/images/icons/generic.gif’) no-repeat 13px 7px #e6e9ea; background-size: 10px} .fav_bar a.fav_de { background: url(/images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(/images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘/images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘/images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘/images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘/images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

マサチューセッツ工科大学（MIT）の神経科学者は、報酬を受けるためにマウスが左右にハンドルを回すことを教えることを目的として、マウスの行動を研究しました。

タスクでは、報酬のある側面が15〜25回ごとに切り替わりました。

チームは、マウスがゲームの各”ブロック”で複数の戦略を使用していることに気づきました。

• デブセコプス：セキュリティをデブオプスのワークフローに統合する
• 「神秘的なニューラルマジックの解明：アクティベーション関数の探求」
• 「教師なし学習の解明」

使用されている戦略を分離するために、チームはHidden Markov Model（HMM）を利用しました。HMMは、一つの見えない状態が他の見えない状態と比べて結果を生み出しているかどうかを計算的に決定することができます。

チームはまず、HMMを適応させてブロックの途中での選択の推移を説明する必要がありました。

「blockHMM」を適用したタスクパフォーマンスの計算シミュレーションにより、アルゴリズムは人工エージェントの真の隠れ状態を推論することができることが示されました。

著者はこの技術を使用して、マウスが持続的に複数の戦略を組み合わせ、さまざまなパフォーマンスレベルを達成していることを示しました。MITニュースの記事全文をご覧ください。

要約の著作権は2023年SmithBucklin、ワシントンD.C.、アメリカに帰属します。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!