エージェント型AIにおける結合制御、構造化メモリ、および検証可能な行動（SCRAT — 取得と監査可能な軌跡を伴う確率的制御）: リスの移動運動と物陰への蓄食（scatter-hoarding）からの比較的観点

要旨: エージェント型AIは、流暢な出力だけで判断されるのではなく、不完全な観測下において、行動し、記憶し、検証できるかどうかによってますます評価されるようになっています。既存の研究では、これらの要求はしばしば別々に扱われます。すなわち、ロボティクスは制御を重視し、検索システムは記憶を重視し、アラインメントやアシュアランスの取り組みは確認や監督を重視します。この記事では、リスの生態が鋭い比較事例になると主張します。樹上での移動、隠し貯蔵（散布して穴に埋める貯食）、そして観察者に応じたキャッシュ（貯蔵）の設計が、これら3つの要求を1つの生物の中で同時に結び付けているからです。私たちは、キツネおよびアライグマではない東部のエイブラシグレイ（eastern gray）からの証拠を統合し、さらに一つのフィールド比較としてアカリスを扱います。そして、推論のための明示的な推論階梯を課します。すなわち、経験的観察、最小限の計算的推論、そしてAI設計に関する推測です。潜在ダイナミクスを持つ最小の階層的部分観測制御モデル、構造化されたエピソード記憶、観測者の信念状態、オプション（選択肢）レベルの行動、遅延した検証器の信号を導入します。これにより、3つの仮説が動機づけられます。(H1) 隠れたダイナミクスの変化下において、素早い局所フィードバックと予測的補償が頑健性を高める。(H2) 将来の制御のために組織化された記憶は、手がかりの競合と負荷のもとで、遅延した検索を改善する。(H3) 行動-記憶ループの内部にある検証器および観測者モデルは、サイレントな失敗と情報漏えいを減らしつつ、ミスペック（モデル化の不適合）には脆弱であり続ける。下流の推測として、役割分化された提案者／実行者／検査者／敵対者のシステムは、不均衡な情報と検証の負担のもとで、相関のある誤りを減らし得る、という点が挙げられます。本研究の貢献は比較の観点と、ベンチマークのアジェンダです。すなわち、制御・記憶・検証可能な行動の結びつきに関する反証可能な主張についての、規律ある研究プログラムです。