探索人类和子之间的战略差异,使用反复出现的神经网络
Ben Tsuda1,2,3, Barry J Richmond4, Terrence J Sejnowski1,5,6
1Computational Neurobiology Laboratory, The Salk Institute for Biological Studies, La Jolla, California, United States of America.
PLoS computational biology
|November 20, 2023
概括
在工作记忆任务上训练的人工神经网络 (ANN) 显示了学习的进展,从随机到近似,然后是选择性策略. 这表明子和人类可能处于这种学习过程的不同阶段.
科学领域:
- 认知神经科学 认知神经科学
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 非人类灵长类动物是认知神经科学决策研究的关键模型.
- 子和人类认知之间存在差异,引发了人们对推断结果的担忧.
- 工作记忆任务显示,子使用近期策略,而人类使用目标选择性策略.
研究的目的:
- 使用人工神经网络 (ANN) 调查子和人类之间的认知差异.
- 在工作记忆任务上探索ANN的学习进展.
- 了解明显的基于最近的策略的潜在机制.
主要方法:
- 利用人工神经网络 (ANN) 作为一个并行模型系统.
- 训练有素的ANN执行工作记忆任务,使子和人类的策略有所区别.
- 在训练期间分析行为进展和内部网络状态.
主要成果:
- ANNs显示了从随机到近期类似的行为进展,最后到选择性策略.
- 在ANN中,明显的近期性行为是网络组织的非近期性属性.
- 鼓励最近的行为加速了学习,并增强了最佳策略.
结论:
- 子和人类可能代表同一认知学习进展的不同阶段.
- 显而易见的最近策略可能是新兴的属性,不一定是真正的基于最近的决策.
- ANNs提供了对认知差异的洞察力,并可以作为高效的培训模型.


