|
|
|
|
مروری بر مدل های انگیزش درونی یادگیری ماشین
|
|
|
|
|
|
|
|
نویسنده
|
جمالی سعید ,ستایشی سعید ,جهانشاهی محسن ,تقوایی سجاد
|
|
منبع
|
تحليل مدارها، داده ها و سامانه ها - 1403 - دوره : 2 - شماره : 4 - صفحه:24 -53
|
|
چکیده
|
امروزه انگیزش، توجه فزاینده ای را به خود جلب کرده است؛ زیرا که به موجود زنده و ربات اجازه می دهد در فقدان راهنماییِ انگیزش بیرونی (پاداش از محیط)، دانش و مهارت را به صورت تجمعی و کاملاً خودمختار اخذ نماید. علاوه بر روان شناسی و علوم اعصاب، این مدل ها چشم انداز جدیدی را در هوش مصنوعی ایجاد کرده اند. معماری های الگوریتمی انگیزش درونی در اکتشاف، امکان اخذ مهارت های حرکتیِ موثری را در مسائل به وجود می آورند. از طرفی بسیاری از مسائل دنیای واقعی دارای چنین خصوصیتی هستند که در بخش های زیادی از محیط، پاداشی از محیط وجود ندارد. در نتیجه، این موضوع نه تنها از لحاظ نظری اهمیت بسزایی در بهبود الگوریتم های هوش مصنوعی مخصوصاً در بحث اکتشاف دارد، بلکه به لحاظ کاربردی و عملی نیز می تواند در کاربرد های واقعی و یا نزدیک به واقعیت مورداستفاده قرار گیرد. این مقاله به اهمیت انگیزش درونی پرداخته و نگاه کوتاهی به جایگاه آن در روان شناسی دارد. سپس تحقیقات پیرامون انگیزش درونی در هوش مصنوعی دسته بندی شده و مورد بررسی قرار گرفته اند. همچنین، روش یادگیری تقویتی به عنوان رویکردی موفق در ترکیب انگیزش درونی بررسی شده است. در نهایت، به برخی از کاربردهای عملی انگیزش درونی، محدودیت ها و تحقیقات آینده اشاره شده است.
|
|
کلیدواژه
|
علوم‌شناختی، انگیزش درونی، یادگیری ماشین، یادگیری تقویتی، محیط‌های خلوت (اسپارس)، جستجو
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد تهران مرکزی, دانشکده فنی مهندسی, گروه مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه صنعتی امیرکبیر, دانشکده فیزیک و مهندسی انرژی, ایران, دانشگاه آزاد اسلامی واحد تهران مرکزی, دانشکده فنی مهندسی, گروه مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه شیراز, دانشکده مهندسی مکانیک, ایران
|
|
پست الکترونیکی
|
sj.taghvaei@shirazu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a survey on intrinsic motivation models in machine learning
|
|
|
|
|
Authors
|
jamali saeed ,setayeshi saeed ,jahanshahi mohsen ,taghvaei sajjad
|
|
Abstract
|
intrinsic motivation has garnered significant attention in recent years, empowering both living beings and robots to learn autonomously and cumulatively, even without extrinsic motivation (rewards from the environment). this concept, drawing inspiration from psychology and neuroscience, has opened up new avenues in artificial intelligence. algorithmic architectures for intrinsic motivation facilitate exploration and the effective acquisition of motor skills in scenarios where environment rewards are sparse or absent. this is particularly relevant for many real-world problems, where large portions of the environment offer no explicit rewards. consequently, intrinsic motivation holds not only theoretical significance for enhancing artificial intelligence algorithms, particularly in exploration tasks, but also practical implications for real-world or near-real-world applications. in this paper, we delve into the significance of intrinsic motivation, providing a brief overview of its origins in psychology. we then systematically categorize and examine research on intrinsic motivation in artificial intelligence. additionally, we discuss the reinforcement learning method as a successful approach for incorporating intrinsic motivation. finally, we explore the practical applications, limitations, and future intrinsic motivation research.
|
|
Keywords
|
cognitive science ,intrinsic motivation ,machine learning ,reinforcement learning ,sparse environment ,search
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|