Deep Recurrent Q-Learning Captures the Behavioral DynamicsObserved in Deterministic and Stochastic Task Switching
Cette étude propose un modèle d'apprentissage par renforcement profond (DRQL) capable de capturer la flexibilité cognitive observée chez les primates en apprenant à estimer un état de croyance et à ajuster les préférences d'action sans nécessiter de changements synaptiques lors du basculement entre tâches, contredisant ainsi l'hypothèse selon laquelle l'apprentissage par renforcement est inadapté à la modélisation de ces processus.