講演情報
[P1-29]二層メタ制御強化学習による時間割引・確率割引の神経計算モデル
*吉田 岳彦1 (1. マウンテンビュー株式会社)
キーワード：
時間割引、確率割引、メタ制御強化学習、ニューロモジュレーター（セロトニン・ドーパミン）、自由エネルギー原理
ヒトや動物の意思決定では時間割引と確率割引が状況依存的に変動するが、既存の強化学習は割引率を固定値として扱う。本研究は、セロトニン・ドーパミン信号とメタ勾配に基づき割引率と Prelec 確率重みを動的制御する二層メタ制御強化学習モデルを提案し、自由エネルギー原理との等価性を証明する。12 の数値実験で薬理操作実験の再現と最適固定 γ 同等性能を事前知識なしで達成することを示す。