Nat. Commun. 速递:抽象表征从训练执行多任务的神经网络中自然涌现
关键词:抽象表征,学习模型,机器学习,涌现,大脑神经系统
论文题目:Abstract representations emerge naturally in neural networks trained to perform multiple tasks 论文来源:Nature Communications 论文链接:https://www.nature.com/articles/s41467-023-36583-0
图1. 抽象的度量和输入表征。(a)两个分类任务的例子。(左)在一种形状的红色和蓝色浆果之间学习的分类可以泛化到其他形状。(右)两个不同形状的红色浆果之间的分类可以推广到不同形状的蓝色浆果。(b)四个浆果例子的线性、抽象(左)和非线性、非抽象(右)表示的例子。(c)输入模型的示意图。(d)多任务模型的示意图。(e)两个抽象指标,分类器泛化指标(左)和回归泛化指标(右)的示意图。
图3. 当用强化学习训练时,多任务模型会产生抽象表征。(a)强化学习多任务模型示意图,使用深度确定性策略梯度方法。(b)网络在训练过程中对不同任务的表现。(c)在不同数量的训练任务中,学到的 avgreward>0.8 的任务比例,阴影是平均值的标准误差,分析中包括 n=10 个模型。
NeuroAI读书会招募中
详情请见:
NeuroAI 读书会启动:探索神经科学与人工智能的前沿交叉领域
推荐阅读