Principles of frugal inference and control
本文介绍了一种新颖的感知资源控制框架，该框架将推理视为一种昂贵的资源，揭示了在计算约束下，最优智能体应采用有损推理、利用灵活的解流形，并主动将系统引导至低成本表征机制，以平衡效用与资源效率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你正试图在浓雾中驾驶汽车。在关于智能机器（或大脑）如何运作的旧思维模式中，假设是：只要你“足够努力地思考”，就能看清一切。其理论是：精确计算每棵树和每块岩石的位置，然后完美地转向。
但在现实世界中，“努力思考”需要消耗能量、时间和电池电量。你的大脑（或机器人的计算机）无法负担随时都进行完美计算。
本文介绍了一种名为“节俭推理”（Frugal Inference）的新思维模式。智能体不再试图看清一切，而是学会在精神能量上保持“节俭”（节约）。它将“知晓事物”视为一种像燃料一样需要花费成本的资源。
以下是本文传授的三个主要要点，辅以日常类比进行解释：
1. 有时，稍微不确定一点更好（“模糊地图”策略）
旧方式： 始终尝试获取世界 100% 完美、高清晰度的地图。
新的“节俭”方式： 如果获取完美地图的成本太高，就停止尝试。接受你对自己位置的了解存在些许不确定。
类比： 想象你在黑暗的房间里行走。你可以花 10 分钟打开所有灯并测量墙壁，以确切知道椅子在哪里（完美推理）；或者，你可以花 1 秒钟猜测椅子的位置，然后小心翼翼地行走，用脚探路。
本文表明，当“思考”成本高昂时，最明智的做法是停止试图消除所有不确定性。你故意让某些事情保持模糊，以节省能量。你用一点点“未知”换取了大量的电池电量节省。
2. 只有一种“懒惰”的方式是不存在的（“多路径”策略）
旧方式： 只有一种“完美”的驾驶汽车的方法。
新的“节俭”方式： 一旦你决定稍微不确定一点（以节省能量），突然间就有许多不同的方法可以同样好地驾驶。
类比： 想象你正试图前往一个目的地，但你很疲惫，不想在路线上费太多脑筋。
- 选项 A： 你猜测道路是直的，但你非常谨慎地驾驶，不断检查方向盘以修正路径。
- 选项 B： 你猜测道路是弯曲的，所以你自信地驾驶，但做出大幅度的平滑转弯以保持路线。
两位司机都以相同的燃料量到达了同一个地方。他们只是使用了不同的驾驶“风格”来弥补完美信息的缺失。本文将此称为“解的家族”（family of solutions）。这意味着机器人（或大脑）拥有一个工具箱，里面装着不同的策略可供选择。如果一种策略失效，它可以在不导致任务失败的情况下，切换到家族中的另一种策略。
3. 移动身体以帮助大脑（“主动转向”策略）
旧方式： 先思考，然后行动。
新的“节俭”方式： 你特意移动，以使思考变得更容易。
类比： 想象你正试图用手平衡一根扫帚柄。
- 被动思考者： 试图用超级计算机计算扫帚柄的确切角度，然后移动手。
- 节俭智能体： 意识到如果以特定的节奏移动手，扫帚柄会变得更容易预测。他们移动手不仅仅是为了平衡扫帚，更是为了简化他们必须进行的数学计算。
本文认为，智能体利用其物理运动来“欺骗”系统。通过将世界引导至一种较少混乱的状态，它们减少了理解正在发生之事所需的脑力工作量。
文中的现实世界测试
作者在两个经典问题上测试了这些想法：
- 在推车上平衡杆： 就像赛格威（Segway）。他们表明，一个“节俭”的机器人可以像“完美”的机器人一样平衡杆，但通过使用不同的运动风格（有些平滑，有些颠簸）来节省脑力。
- 无人机悬停： 他们表明，无人机可以从许多不同“风味”的悬停策略中进行选择。有些对风非常敏感，有些则非常平滑。这赋予了无人机处理不同问题（如电机故障或新的风模式）的灵活性，而无需从头重新计算一切。
核心启示
长期以来，科学家们将“思考”（推理）和“行动”（控制）视为两个独立的步骤：首先，弄清楚确切发生了什么；其次，采取行动。
本文指出，对于智能、高效的系统（如我们的大脑或未来的机器人），思考和行动是一场单一且交织的舞蹈。你不仅仅是为了行动而思考；你也为了简化思考而行动。有时，最明智的做法是承认你并非全知，节省你的能量，并仅仅通过稍微改变行动方式来加以补偿。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。