我们使用模拟来说明这个模型将新概念添加到其状态空间(相对较少的观察)并增加其当前拥有的概念的粒度的能力。我们还模拟了这些过程的预测神经基础。...介绍:
具体而言,概念获取可以被视为代理学习(或推断)新的假设(这里称为隐藏的原因或状态)应该被添加到内部或生成模型,用它来解释其环境,因为现有的原因不能解释新的观察结果(例如, 代理可能开始时认为唯一的工具是锤子和螺丝刀...这包括(1)代理有效地“扩展”(即,填充其状态空间中未使用的列)其状态空间并添加新概念的能力,以及(2)代理在已经拥有更广泛的概念时,增加其概念状态空间的粒度并学习更多具体概念的能力
主体从关于其环境结构的隐含的先验期望...在这里,这是通过推理和学习的相互作用来实现的, 因此代理最初必须推断是否将一个观察分配给一个现有的概念,并且只有当这不可能时,才使用“开放槽”来学习一个新概念。...这个两步过程的成功然后可以许可代理在概念获取之后“重置”不必要的隐藏状态列
这样做将允许那些“储备”状态的最佳能力仅在代理人暴露于真正新颖的刺激时才被适当地使用。