Agente Artificiale con Percezione Dipendente dalla Storia

Uno studio recente presenta un'architettura semplificata per agenti artificiali che facilita cambiamenti nella percezione dipendenti dalla storia. Questo modello include un lento latente di prospettiva che influenza la percezione e si evolve attraverso l'elaborazione, consentendo alle stesse osservazioni di essere codificate in modo variabile a seconda delle esperienze passate. Negli esperimenti condotti in un gridworld con impalcature spaziali e disturbi sensoriali, i risultati indicano che il latente di prospettiva riorganizza in modo affidabile la codifica percettiva attraverso più prove, con cinque delle 16 dimensioni di gating che invertono la direzione in 30 esecuzioni separate. Questa ricerca è disponibile su arXiv con l'ID 2604.04637.