Telogenesis: 目標がすべて

Abstract

目標条件付きシステムは目標が外部から提供されることを前提としている。我々は、注意優先度がエージェントの内部認知状態から自発的に生じうるかを問う。三つの認識的ギャップ（無知：事後分散、驚き：予測誤差、新鮮さの欠如：観測されていない変数の信頼度の時間的減衰）から観測対象を生成する優先度関数を提案する。これを二つのシステムで検証した：最小注意配分環境（2,000回の試行）とモジュラー部分観測可能世界（500回の試行）。アブレーションで各要素の必要性を示した。主な知見は指標依存の逆転現象である：全体予測誤差下ではカバレッジベースのローテーションが優位、変化検出遅延下では優先度誘導型割り当てが優位で、次元数増加に伴い有利さが単調に増す（d = -0.95, N=48でp < 10^-6）。検出遅延は注意予算の冪乗則に従い、優先度誘導型割り当ての指数はより大きい（0.55対0.40）。減衰率を変数ごとに学習可能にすると、外部監督なしに環境変動構造を自発的に回復する（t = 22.5, p < 10^-6）。我々は、外部報酬なしでも認識的ギャップのみが固定戦略を上回る適応的優先度を生成し、潜在的環境構造を回復可能であることを示した。