Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

EE141 Założenia Systemowe Inteligentne Systemy Autonomiczne Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie.

Podobne prezentacje


Prezentacja na temat: "EE141 Założenia Systemowe Inteligentne Systemy Autonomiczne Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie."— Zapis prezentacji:

1 EE141 Założenia Systemowe Inteligentne Systemy Autonomiczne Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

2 EE141  Musimy wiedzieć jak  Musimy rozwinąć metody jej implementacji  Musimy mieć środki do jej budowy i ciągłej operacji Jak stworzyć wysoka inteligencje?

3 EE141 Wymogi Obudowanej Inteligencji  Zależna od stanu układu  Uczy się wzorców przestrzenno-czasowych  Zlokalizowana w czasie i przestrzeni  Uczenie się  Nie ustające  Wykrywające nowość  Ma system wartości  Wykrywanie bólu  Kontrola bólu  Tworzenie celu działania  Współzawodniczące cele  Wyłania się  Sztuczna ewolucja  Samo-organizacja struktur

4 EE141 EI powstaje dzięki uczeniu sie wpływu jego oddziaływań na otoczenie Centralny system nerwowy Narządy zmysłowe Narządy motoryczne  Dr Kazimierz Duzinkiewicz, Zespół Inteligentnych Systemów Wspomagania Decyzji i Sterowania

5 EE141 INPUTOUTPUT Simulation or Real-World System Task Environment EI Architecture Long-term Memory Short-term Memory Reason Act Perceive RETRIEVALLEARNING Współdziałanie ze Środowiskiem From Randolph M. Jones, P : www.soartech.com

6 EE141 Kandel Fig. 23-5 Kodowanie Wejść Sensorycznych Jak przetwarzać i reprezentować informacje zmysłowe? Richard Axel, 1995 Foot Hip Trunk Arm Hand Face Tongue Larynx Kandel Fig. 30-1 Wzrok, słuch, smak, węch, dotyk-> ruch

7 EE141 Wyzwania Inteligencji Obudowanej  Rozwój połączeń zmysłowych  Aktywne widzenie  Przetwarzanie mowy  Dotyk, powonienie, smak, temperatura, ciśnienie  Dodatkowe instrumenty postrzegania –Wykrywanie podczerwieni, radar, detektor światła i odległości, ultradźwięki, globalny system lokalizacji (GPS), itp. –Czy duża liczba sensorów może być mniej użyteczną?  Rozwój sensorów bólu  Energia, temperatura, ciśnienie, poziom przyspieszenia  Sygnał od nauczyciela  Rozwój połączeń motorycznych  Ruch ramion, nóg, palców, oczu

8 EE141 Wyzwania Inteligencji Obudowanej  Znalezienie rozwiązania algorytmicznego  Asocjacji, pamięci, uczenia sekwencyjnego, budowania niezmienników, reprezentacji, oczekiwania, uczenia systemu wartości, określania celów, planowania  Rozwój obwodów sieci neuronowych  Określenie organizacji sztucznych mini kolumn  Samo-organizacja hierarchii mini kolumn receptorów i efektorów  Samo-organizacja układów określania celów

9 EE141  V. Mountcastle argumentował ze wszystkie obszary kory mózgowej wykonują ten sam algorytm obliczeniowy V. Mountcastle  Grupy neuronów (mini kolumny) połączone są w sposób pseudo- przypadkowy  Taka sama struktura organizacyjna  Mini kolumny zgrupowane są w kolumny VB Mountcastle (2003). Introduction [to a special issue of Cerebral Cortex on columns]. Cerebral Cortex, 13, 2-4. Jednorodne Struktury Kory Mózgowej Stain of cortex in planum temporale

10 EE141 “ The basic unit of cortical operation is the minicolumn … It contains of the order of 80-100 neurons except in the primate striate cortex, where the number is more than doubled. The minicolumn measures of the order of 40-50  m in transverse diameter, separated from adjacent minicolumns by vertical, cell- sparse zones … The minicolumn is produced by the iterative division of a small number of progenitor cells in the neuroepithelium. ” (Mountcastle, p. 2). Mini Kolumny Kory Mózgowej Copyright © 2006-2008, all rights reserved, Visualbiotech

11 EE141 Grupy mini kolumn organizują sie w fizjologicznie obserwowalne kolumny funkcyjne. Najbardziej znanym przykładem są kolumny orientacji w V1. Kolumny są zdecydowanie większe od mini kolumn, maja średnice około 0.3-0.5 mm i 4000-8000 neuronów Wniosek Mountcastle’a : “Cortical columns are formed by the binding together of many minicolumns by common input and short range horizontal connections. … The number of minicolumns per column varies … between 50 and 80. Long range intracortical projections link columns with similar functional properties.” (p. 3) Grupowanie Mini Kolumn

12 EE141 Zasady Samoorganizacji Mini Kolumn  Przedstaw wejścia z receptorów poprzez stopniowe coraz bardziej abstrakcyjne cechy w hierarchii sensorycznej  Użyj “zasadę niezmienności” obserwowanych obiektów do wykrycia i nauczenia się cech niezmiennych  Naucz się pamiętać sekwencje czasowe  Użyj połączeń przypadkowych do wstępnego wyboru cech receptorów  Użyj sprzężenia zwrotnego do tworzenia sygnałów oczekiwań i wykrywania nowości  Użyj nadmiarowych struktur rzadko połączonych mikroprocesorów

13 EE141  Neurony receptorów są odpowiedzialne za reprezentacje środowiska  otrzymują wejścia z czujników lub receptorów na niższym poziomie hierarchii  reprezentują środowisko  otrzymują sprzężenie zwrotne z efektorów i receptorów na wyższym poziomie  pomagają aktywizować neurony efektorów i neurony wymuszeń  Neurony efektorów sa odpowiedzialne za działania i umiejętności  są aktywizowane przez neurony wymuszeń i efektorów  aktywizują siłowniki lub wytwarzają wejście dla efektorów niższego poziomu  wytwarzają sygnały planowania dla receptorów  Neurony wymuszeń są odpowiedzialne za budowę systemu wartości, określanie celów, uczenie, i eksploracje  otrzymują wejścia z niższego poziomu neuronów wymuszeń  otrzymują wejścia z czujników lub receptorów  wytwarzają sygnały wejścia dla efektorów  inicjują uczenie i wymuszają eksploracje Organizacja Mini Kolumn

14 EE141 Hierarchiczna Organizacja Połączeń Receptor ó w i Efektorów  Receptory i efektory maja hierarchiczne drogi połączeń  Rozgałęzienia od bardziej ogólnych do bardziej specyficznych  Łatwo rozgałęziają sie do wyższego poziomu  Stopniowa utrata elastyczności połączeń w kierunku wejścia Wejścia Wewnętrzna reprezentacja

15 EE141 Environment ………… …... …… Sensory neurons in a minicolumn Increasing connection’s plasticity 10 6 neurons 10 11 neurons 10 neurons Sensory pathway 10 neurons 10 4 neurons Activation pathway Organizacja Połączeń Receptor ó w i Efektorów

16 EE141 Ogólna Charakterystyka : Hierarchiczna struktura Przetwarzanie w mini kolumnach Przestrzenne i czasowe asocjacje przez połączenia i neurony wtórne Połączenia sprzężenia zwrotnego Selektywna adaptacja Funkcje: Niezmienniki reprezentacji Oczekiwanie Wyszukiwanie nowości Uczenie systemu wartości Hierarchiczna Organizacja Połączeń Receptor ó w i Efektorów

17 EE141  Drogi receptorów i efektorów łącza sie na rożnych poziomach hierarchii Koordynacja Sensorowo-Motoryczna Wyjścia Wewnętrzne reprezentacje Wejścia refleksy działania przemyślane

18 EE141  Drogi receptorów i efektorów łączą się na rożnych poziomach hierarchii Koordynacja Sensorowo-Motoryczna Motor control hierarchical data path Sensory feature extraction and learning hierarchy Reinforcement learning connections Planning feedback path Motor outputs Sensory inputs

19 EE141 R: reprezentacja O: oczekiwanie A: asocjacja N: nakaz P: planowanie Zwiększająca możliwość przystosowania Środowisko … … … … R O A Połączenia zmysłowe Połączenia motoryczne ’ Określanie celów i system wartości N Koordynacja Sensorowo-Motoryczna  Drogi receptorów i efektorów łącza się na różnych poziomach hierarchii

20 EE141 Jak Motywować Maszynę ? Podstawowe pytanie to jak motywować maszynę by robiła cokolwiek, a w szczególności by zwiększyła swój stopień złożoności? Jak nakłonić maszynę do eksploracji środowiska i uczenia sie efektywnej pracy w środowisku?

21 EE141  Czy maszyna może być inteligentna jeśli realizuje tylko zadane cele?  Jeśli nie to jak dynamicznie określać jej cele?  Potrzebna jest hierarchia wartości działań  Nie wszystkie wartości mogą być wbudowane  Potrzebna jest motywacja działań, pobudzająca uczenie i eksploracje Jak Motywować Maszynę ?

22 EE141 Jak Motywować Maszynę ?  Pfeifer sugeruje ze motywacja agenta powinna wyniknac z procesu jego rozwoju.  Nazwał to zasada “motywowanej złożoności”.  Ale jak to pogodzić. Agent musi mieć motywacje by sie rozwijać podczas gdy motywacja ma byc wynikiem rozwoju.  Steels zasugerował wyposażenie agenta w samo- motywacje.  Zasugerował ze ludzie odczuwają wewnętrzna nagrodę za wykonanie czynności nieco bardziej złożonych niż to co byli do tej pory w stanie zrobić (Csikszentmihalyi).  Ale jaki mechanizm może to spowodować?  Oudeyer zaproponował wewnętrzny system nagrody.  Motywacja wynika z pożądania minimalizacji bledu przewidywania  Jest to podobne do “Sztucznej ciekawości” zaproponowanej przez Schmidhuber’a.

23 EE141 Jak Motywować Maszynę ?  Chociaż sztuczna ciekawość pomaga poznawać otoczenie, jednak prowadzi do bezcelowego uczenia.  Można ja porównać z etapem eksploracji w uczeniu ze wzmacnianiem.  Wewnętrzna nagroda motywuje maszynę do eksploracji.  Eksploracja jest potrzebna do tego by poznać środowisko.  Ale czy ten mechanizm jest jedyna motywacja rozwoju inteligencji?  Czy sztuczna ciekawość może prowadzić do celowego uczenia sie?  Czy potrafimy znaleźć bardziej skuteczny mechanizm uczenia?  Proponuje tu użycie prostego mechanizmu który prowadzi do bardziej skutecznego i celowego uczenia maszyny.

24 EE141 Jak Motywować Maszynę ?  Postuluje ze to nieprzychylność środowiska jest motywacja rozwoju.  To uczucie bólu jest tym co nas porusza.  To nasza inteligencja która dąży do minimalizacji tego bólu motywuje nas by działać, uczyć sie i rozwijać.  Potrzebujemy zarówno nieprzychylności środowiska jak i mechanizmu który uczy sie jak zredukować pochodzący ze środowiska ból.  Tak wiec ból jest przydatny.  Bez bólu nie byłoby inteligencji.  Bez bólu nie byloby motywacji do rozwoju.  Dlatego proponuje oparty o ból mechanizm motywujacy maszynę by działała, uczyła sie i rozwijała.

25 EE141 Ośrodek Bólu i Określania Celów  Prosty Mechanizm  Prowadzi do stawiania złożonych cel ó w  Tworzy hierarchie wartości  Wyczuwa zmiany poziomu bólu: Zwiększenie bólu Zmniejszenie bólu  Pobudza uczenie  Wymusza eksploracje + - Środowisko Sensor Motor Poziom bólu Wtórny poziom bólu Zwiększenie bólu Zmniejszenie bólu (-) (+) Pobudzanie uczenia (-) (+) Wymuszanie eksploracji

26 EE141 Określanie Abstrakcyjnych Celów  Celem jest zmniejszenie prymitywnego poziomu bólu  Abstrakcyjne cele są wytwarzane w oparciu o niższe cele zaspakajają prymitywne cele Expectation Association Inhibition Reinforcement Connection Planning -+ PainDual pain Food refrigerator -+ Stomach Abstract pain (Delayed memory of pain) “food”becomes a sensory input to abstract pain center Sensory pathway (perception, sense) Motor pathway (action, reaction) Primitive Level Level I Level II Eat Open

27 EE141 Abstrakcyjne Cele  Na ile cel abstrakcyjny może być celem użytecznym?  Maszyna musi “zrozumieć” cel abstrakcyjny zanim go zaakceptuje Potrzebna odpowiednia reprezentacja problemu Umiejętność jego wykonania Zgodność z systemem wartości maszyny Priorytet do terminowego wykonania zadania

28 EE141 Łączenie Trzech Dróg Oddziaływań  Sygnały celu, oraz neurony zmysłowe i motoryczne współdziałają na rożnych poziomach hierarchii  Celem oddziaływań jest minimalizacja bólu  Sygnał bólu ustala rangę celów Drzewo bólu I Drzewo bólu II Motoryczne połączenie Zmysłowe połączenie Działanie bólu na ruch Działanie zmysłów na ruch Działanie zmysłów na ośrodek bólu


Pobierz ppt "EE141 Założenia Systemowe Inteligentne Systemy Autonomiczne Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie."

Podobne prezentacje


Reklamy Google