Nuovo Quadro per l'Agenzia Incorporata e l'Apprendimento Multi-Agente

È stato sviluppato un nuovo quadro matematico incentrato sull'apprendimento prospettico e sull'agenzia incorporata, che estende i principi dell'intelligenza artificiale universale (AIXI). Questo quadro affronta i problemi nell'apprendimento per rinforzo multi-agente, in particolare dove la non-stazionarietà è causata dai processi di apprendimento di altri agenti. Esso enfatizza l'auto-predizione, consentendo agli agenti RL bayesiani di prevedere sia i loro futuri input percettivi che le loro azioni. Le teorie tradizionali dell'apprendimento per rinforzo senza modello assumono dinamiche stazionarie e agenti indipendenti, che risultano insufficienti nei contesti multi-agente. Il nuovo quadro integra gli agenti nell'ambiente, riconoscendo che altri agenti hanno credenze su di loro. Questa ricerca è accessibile su arXiv con l'identificatore 2511.22226v2, classificata come annuncio di tipo 'replace'. L'abstract fornisce informazioni sulla motivazione e sui concetti chiave, sebbene il contenuto completo non sia incluso. Questo studio è pertinente all'intelligenza artificiale, all'apprendimento automatico e ai sistemi multi-agente.