Creación de programas causales basados en objetos para una generalización similar a la humana

Por • 20 dic, 2021 • Sección: Leyes

Bonan Zhao , Christopher G. Lucas , Neil R. Bramley

Presentamos una tarea novedosa que mide cómo las personas generalizan los poderes causales de los objetos basándose en la observación de una única (Experimento 1) o unas pocas (Experimento 2) interacciones causales entre pares de objetos. Proponemos un marco de modelado computacional que puede sintetizar patrones de generalización similares a los humanos en nuestro entorno de tareas, y arroja luz sobre cómo las personas pueden navegar por el espacio compositivo de posibles funciones y categorías causales de manera eficiente. Nuestro marco de modelado combina un generador de funciones causales que hace uso de las características y relaciones de los objetos del agente y del receptor, y un proceso de inferencia no paramétrico bayesiano para gobernar el grado de generalización basada en similitudes. Nuestro modelo tiene una variante natural de «recursos racionales» que supera a un ingenuo relato bayesiano al describir a los participantes, en particular reproduciendo un efecto de orden de generalización y asimetría causal observado en nuestros experimentos de comportamiento. Sostenemos que este marco de modelado proporciona un mecanismo computacionalmente plausible para la generalización causal del mundo real.

arXiv:2111.12560v1 [cs.AI]

Artificial Intelligence (cs.AI); Other Computer Science (cs.OH)

Post to Twitter

Escribe un comentario