動機づけられた情動的マインドの数理モデル：認知的身体化システム

- 本論文は、身体性を持つ知能システム向けの認知アーキテクチャ「Motivated Emotional Mind」の数理モデルを提案する。 - システムは内部動機に基づく一般化強化学習（motivated learning, ML）によりホメオスタシスを維持するよう学習する。 - 主な貢献は、フィードフォワード処理、側方相互作用、フィードバック経路を統合する再帰的ループと、適応的応答を支配する表象選択メカニズムの厳密な形式化である。 - 外界受容・内受容信号、身体的動機的文脈、記憶痕跡が「semblions」と呼ばれる連想記憶構造に束縛され、さらなる処理とトップダウン再構成へのアクセスを競合する。 - 形式化は二次知覚、表象競合、好奇心、手続き的ギャップ、アロスタシス違反を制限する行動選択を含む。

- 標準的な強化学習モデルとは異なり、ニーズ閾値、目標生成と目標シフト、身体状態、資源制約、行動不確実性を組み込む。 - これにより、調節圧力下での応答選択をより適切に説明できる。 - 動機づけ学習は、ニーズ、感情、現在の調節状態によってダイナミクスが形成される身体性システムに合わせて調整されている。 - 先行研究との具体的な比較は要旨からは不明。

- フィードフォワード処理、側方相互作用、フィードバック経路を統合する再帰的ループの厳密な形式化。 - 表象選択メカニズムが適応的システム応答を統制。 - 外界受容・内受容信号、身体的動機的文脈、記憶痕跡をsemblionsに束縛。 - semblionsがさらなる処理とトップダウン再構成へのアクセスを競合。 - 二次知覚、表象競合、好奇心、手続き的ギャップ、アロスタシス違反を制限する行動選択を包含。 - 全体的感情が学習率、表象価、探索と活用のバランスを調節する中心的制御信号として機能。

- 要旨からは不明。理論的定式化が主であり、実験的検証やシミュレーション結果は記載されていない。

- 本モデルは認知現象のより厳密な形式化への一歩であり、理論的解析、計算機シミュレーション、生物学的プロセスに触発されたAIシステムへの実装の基盤を提供しうる。 - 限界や議論点は要旨からは不明。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として、standard reinforcement-learning models、motivated learning (ML) が挙げられる。 - 同分野の定番として、embodied cognitive architectures、homeostatic reinforcement learning、intrinsic motivation に関する研究が考えられる。