Inferring the intentional states of autonomous virtual agents

کشف حالت های ذهنی عوامل دیگر، از جمله اهداف و قصد های آنها، یک مشکل مرکزی در شناخت است. جنبه بحرانی این مشکل این است که فرد نمیتواند حالتهای ذهنی را مستقیما مشاهده کند، اما باید آنها را از اقدامات قابل مشاهده به دست آورد. برای مطالعه مکانیسم های محاسباتی که اساس این استنتاج است، ما محیط مجازی دو بعدی را که توسط عوامل مستقل با معماری شناختی مستقل تشکیل شده است ایجاد می کنیم. این عوامل به محیط زیست حرکت می کنند، جمع آوری مواد غذایی و تعامل با یکدیگر. رفتار عامل ها توسط تعداد کمی از مقاصد هدف مشخص می شود: حمله، کاوش، فرار و جمع آوری غذا. ما توانایی افراد را در شناسایی و طبقه بندی مأموریت های دائمی در حال تغییر اهداف بر مبنای حرکات و تعاملات آنها مطالعه کردیم. اگرچه هدف هدف حقیقت زمین برنامه ریزی شده قابل مشاهده نیست، اما پاسخ های افراد هر دو اعتبار بالا (همبستگی با این حقیقت زمین) و قابلیت اطمینان بالا (همبستگی با یکدیگر) را نشان می دهد. ما یک مدل بیزی برای استنتاج دولتهای هدف ارائه می دهیم و دریافت می کنیم که پاسخ های افراد نسبت به مدل های جایگزین بهتر است. اگر چه مدل مناسب وضعیت های برنامه ریزی شده عامل ها و نه پاسخ های افراد است، اما خروجی آن به طور واضحی نسبت به واکنش های افراد نسبت به حالت هدف واقعی حقوقی عامل ها مطابقت دارد.