Imparare che cosa richiamare: memoria episodica adattiva con indizi multipli per i modelli del mondo

Abstract degli autori

I modelli del mondo prevedono le osservazioni future a partire dall’esperienza e dalle azioni attuali, ma le previsioni possono dipendere da osservazioni risalenti a molto tempo prima. La memoria episodica conserva le osservazioni passate per richiamarle in seguito; tuttavia, man mano che si accumulano i ricordi, emerge una questione fondamentale: quali sono utili per la previsione attuale e di quali indizi disponibili ci si può fidare per ritrovarli? La risposta è difficile, perché criteri fissi basati sulla recenza, sulla sovrapposizione delle pose o sulla somiglianza visiva possono rivelarsi inaffidabili a seconda degli ambienti e delle richieste. Proponiamo Future-Aware Recall (FAR), un approccio che apprende a richiamare i ricordi episodici grazie a una supervisione predittiva che tiene conto del futuro e a una valutazione adattiva di più indizi. Durante l’addestramento, FAR misura l’utilità predittiva attraverso la log-verosimiglianza condizionata del futuro effettivamente osservato, dato il contesto richiamato, approssimata dall’opposto della perdita di previsione della diffusione. Usa poi questa misura per addestrare un sistema di recupero che, in fase di inferenza, non ha accesso al futuro. Il sistema apprende la pertinenza specifica di ciascun indizio e stabilisce automaticamente, per ogni richiesta, di quali indizi disponibili — come tempo, posa, immagini e audio — fidarsi nella selezione dei ricordi. In tre contesti complementari, FAR supera i metodi di richiamo progettati manualmente anche quando dispone degli stessi indizi di recupero, adatta automaticamente la scelta degli indizi disponibili a cui affidarsi e richiama la storia pertinente al mutare del mondo. Nel complesso, questi risultati mostrano che FAR è un approccio flessibile e fondato su principi solidi per accedere alla memoria episodica nei modelli del mondo.