自主主体的内在目标：层级探索捕捉果蝇未来的意志性动作

arXiv:2610.34638v1 公告类型：新 摘要：动物具有显著的自发性能力——由内在动机驱动——无需外部感觉线索或外在目标，然而这种能力背后的计算机制在很大程度上仍是一个谜。我们将果蝇（Drosophila melanogaster）的全脑记录——其揭示了提前 10 秒以上对自发探索性决策的神经表征——与神经力学数字孪生相结合，以检验优化内在目标是否能产生具有真实具身性的人工智能体，并在数量上匹配果蝇在探索过程中的行为和未来意志性动作的内部表征。我们的分层策略从离散的低层运动基元库中进行选择，这与行为音节的行为学理论相一致。我们使用涵盖好奇心、熵和能力方法的 20 种内在动机算法，在没有外部奖励的情况下训练智能体。这些智能体在仿照果蝇实验构建的虚拟拴系球实验中接受评估，比较自发运动统计量和内部表征，并在与果蝇中观察到的相同时间尺度上从运动学和神经活动解码未来的转向方向。DIAYN 是一种分层能力算法，学习最大化行为熵和诱导感觉观察可分离性的离散策略，相对于果蝇实现了最强的行为与神经前瞻性编码联合表现。其学习到的策略密切捕捉了果蝇探索策略中的个体差异，表明这种多样性在群体水平上服务于最大化状态空间覆盖。DIAYN 的潜在活动也密切捕捉了生物果蝇中运动学半球间编码的和差规则。这些结果确立了分层、内在动机驱动的智能体作为逆向工程动物自主性的强大框架。

中文由 AI 翻译，仅供参考，以原文为准。