Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

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

Podobne prezentacje


Prezentacja na temat: "EE141 1 Kognitywistyka Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Inteligentne Systemy Autonomiczne"— Zapis prezentacji:

1 EE141 1 Kognitywistyka Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Inteligentne Systemy Autonomiczne W oparciu o wykład Prof. Randall O'ReillyRandall O'Reilly University of Colorado, Prof. Włodzisława Ducha Uniwersytet Mikołaja Kopernika oraz

2 EE141 2 Omówiliśmy Pojęcie inteligencji obudowanej (EI) Uwarunkowania EI Zasady projektowania mechanizmów EI W pozostałej części wykładu omówimy Podstawy kognitywistyki i jej psychologiczne uwarunkowania Modele i mechanizmy inteligencji obliczeniowej Modele pamięci i uczenia Organizacje i budowę mózgu

3 EE141 3 Wymagania Laboratorium do wykładu w oparciu o ćwiczenia programu Emergent do 10% oceny Oceniany przez asystenta Projekt koncowy wykladu w oparciu o Goal Creation Experiment Obecność na wykładzie Egzamin końcowy składa się z Strona wykładu II/index.htm Części opisowej na ostatnich zajęciach dotyczącej przerobionego na wykładzie materiału Części opisowej dotyczącej ćwiczeń laboratoryjnaych z przygotowana lista pytań na które studenci odpowiadają w samodzielnie sporządzonym raporcie złożonym na ostatnich zajęciach

4 EE141 4 Podstawy rozwoju inteligentnych systemów Współdziałanie ze złożonym otoczeniem Tania budowa Balans ekologiczny Zasada nadmiarowości Równoległe, luźno połączone procesy Asynchronizm Współdziałanie czujników i przekaźników Zasada wartości Agent Rysunek Ciarán OLeary- Dublin Institute of Technology Z ksiązki Rolf Pfeifer Understanding of Intelligence

5 EE141 5 Zasady projektowania autonomicznych systemów inteligentnych Zasady Projektowania Podejście syntetyczne Perspektywa czasowa Wyłanianie sie Różnorodność Nisza ekologiczna Z książki Rolf Pfeifer Understanding of Intelligence Projektowanie Agentów Projekt jest tani Ma balans ekologiczny Zasada nadmiarowości Równoległe, luźno powiązane procesy Współdziałanie sensoryczno-motoryczne Zasada wartości działania

6 EE141 6 Inteligencja Obudowana Definicja Inteligencja Obudowana (EI) jest to mechanizm który uczy sie jak przetrwać w nieprzychylnym otoczeniu –Mechanizm: biologiczny, mechaniczny albo wirtualny agent z wbudowanymi czujnikami i siłownikami –EI oddziaływuje na otoczenie i odczuwa wyniki swojego działania –Nieprzychylność otoczenia nie zanika i stymuluje EI do działania –Nieprzychylność: agresja, ból, ograniczone środki, itp. –EI uczy sie, musi wiec mieć asocjacyjną samoorganizującą sie pamięć –Wiedza jest zdobywana przez EI (pochodna inteligencji)

7 EE141 7 Obudowa U mysłu Obudowa zawiera połączenia sensoryczne i motoryczne którymi rdzeń inteligencji kontroluje przy współdziałaniu z otoczeniem. Konieczna do rozwoju inteligencji Niekoniecznie stała lub w formie fizycznego ciała. Jej granice są zmienne i wpływają na samookreślenie mózgu. Environment Intelligence core Embodiment

8 EE141 Uczenie Motywowane Sygnaly bolu konkuruja z sygnalami percepcji i wewnetrznymi o uwage Wynikim tej konkurencji jest przelaczanie uwagi. Swiadome postrzeganie jest wspomagane przez zwycieski sygnal uwagi Definition: Uczenie motywowane (Motivated learning ML) jest oparta o motywacje tworzeniem celow dzialnia i uczeniem sie w obudowanych agentach. Maszyna wytwarza abstrakcyjne cele w oparciu o sygnaly bolu Otrzymuje wewnetrza nagrode za spelnienie celow dzialania (pierwotnych i abstrakcyjnych) ML stosuje sie do EI dzialajavych w nieprzychylnym srodowisku

9 EE141 Uczenie ze Wzmocnieniem Uczenie Motywowane Jedna funkcja wartosci Dla wszystkich celow Nagrody sa mierzalne Przewidywalne Cel postawiony przez projektanta Maksymalizacja nagrody Potencjanie niestabilne Wysilek uczenia rosnie ze zlozonoscia problemu Zawsze aktywne Wiele funkcji wartosci Po jednej dla celu Nagrody sa wewnetrzne Nieprzewidywalne Maszyna okresla wlasne cele Rozwiazuje zadnie minimaksu Zawsze stabilne Uczy sie latwiej niz RL Dziala tylko gdy potrzeba

10 EE Bol Sucha ziemia Poziom pierwotny wylej wanna usiadz smieci napelnij szlauch konewka podlej Bol wtorny Wzmacnianie wlasciwej akcji Tworzenie Celow Pierwotnych

11 EE Tworzenie Celow Abstrakcyjnych Celem jest zmniejszenie prymitywnego poziomu bólu Abstrakcyjne cele są wytwarzane w oparciu o niższe cele zaspakajają prymitywne cele Asocjacja Hamowanie Wzmocnienie Pobudzenie Oczekiwanie -+ BolWtorny bol Jedzenie lodowka -+ zoladek Bol abstrakcyjny (i pamiec bolu) Jedzenie hamuje wzbudzone centrum bolu abstrakcyjnego Sciezka czuciowa (postrzeganie, czucie) Sciezka motoryczna (akcja, reakcja) Poziom pierwotny Poziom I Poziom II Jesc Otworz

12 EE141 Abstrakcyjna Hierarchia Celow Hierarchia abstrakcyjnych celow tworzy sie w oparciu o cele pierwotne Asocjacja Stymulacja Hamowanie Wzmocnienie Pobudzenie Potrzeba Oczekiwanie -+ + Sucha ziemia kurek - konewka odkrec podlej + zbiornik - nalej Sciezka czuciowa Sciezka motoryczna Poziom III Poziom II Poziom I Poziom pierwotny

13 EE141 Drought Reservoir Irrigate Thirsty Water Drink Water Primitive Needs Dirty Wash in Water Abstract Needs Cele Pierwotne

14 EE141 Drought Reservoir Public Money Irrigate Spend Money to Build Thirsty Water Drink Water Spend Money to Buy Primitive Needs Well Draw own Water Dirty Wash in Water Abstract Needs Cele Abstrakcyjne

15 EE141 Drought Reservoir Public Money Tourists' Attractions Irrigate Spend Money to Build Build Ecotourism Thirsty Water Drink Water Spend Money to Buy Primitive Needs Build Water Recreation Wealthy Taxpayers Rise Taxes Well Draw own Water Dirty Wash in Water Well Building Dig a Well Abstract Needs Ground Water Water Supply Cele Abstrakcyjne

16 EE141 Drought Reservoir Public Money Tourists' Attractions Irrigate Spend Money to Build Build Ecotourism Thirsty Water Drink Water Spend Money to Buy Primitive Needs Build Water Recreation Policy Develop Infrastructure Wealthy Taxpayers Rise Taxes Well Draw own Water Dirty Wash in Water Well Building Dig a Well Abstract Needs Employment Opportunities Ground Water Water Supply Receive Salary Resource Management and Planning Management Regulate Use Planning Cele Abstrakcyjne

17 EE Eksperyment Tworzenia Celow

18 EE Połączenia pomiędzy neuronami sensorycznymi S, ruchowymi M, torującymi B, bolu P i celow działania G. Eksperyment Tworzenia Celow

19 EE Dopasowanie wag torujących ośrodki bolu Eksperyment Tworzenia Celow

20 EE Zadaniem jest napisanie programu realizującego ten eksperyment dla dowolnej ilości wejść i wyjść Zadane w eksperymencie parametry będą użyte do ilustracji konkretnego uczenia Program ma zademonstrować działanie maszyny w zmieniającym sie środowisku W procesie uczenia należy wykorzystać parametry środowiska podane w eksperymencie Maszyna będzie testowana przy nowych parametrach środowiska Pomiar skuteczności działania określony będzie poprzez integracje prymitywnego bolu Eksperyment Tworzenia Celow

21 EE (Neuro)kongitywizacja(Neuro)kongitywizacja Powoli udaje się nam zrozumieć naturę ludzką. Wszystkie dziedziny ulegają kognitywizacji: Neurofilozofia, filozofia umysłu. Psychologia (neuro)kognitywna. Lingwistyka (neuro)kognitywna. Nowe dziedziny: Kognitywna matematyka. Kognitywna fizyka. Kognitywna historia, antropologia, socjologia. Kognitywna ekonomia i neuromarketing. Neuroestetyka. Neuroetyka. Neuroteologia. +Wiele innych dziedzin...bez zrozumienia siebie nie da się rozumieć!

22 EE Mózgi... Najbardziej interesujące i najbardziej złożone obiekty w znanym wszechświecie Jak można zrozumieć działanie mózgu? Na jakim poziomie się do tego zabrać? Zewnętrzny opis niewiele da. Jak można zrozumieć działanie telewizora lub komputera? Eksperymenty nie wystarczą, konieczny jest schemat i zrozumienie zasad działania. Aby się upewnić, że rozumiemy jak działa, trzeba zrobić model.

23 EE Skąd coś wiemy? Niezwykle ważne pytanie: skąd coś wiemy? Przykład: cudowna dieta dr K, chińska medycyna ludowa (bardzo popularna w Singapurze) i inne cuda medyczne. Skąd wiemy, że działa? Skąd wiemy, że nasze opinie odpowiadają rzeczywistości? Gall zauważył, że kształt czaszki decyduje o zdolnościach. Tysiące przypadków potwierdziły jego obserwacje. => Kranioskopia: mierzenie kształtu czaszki i określanie zdolności. Oto mapa głównych ośrodków... Czy naprawdę wiem, czy tylko mi się wydaje? Czy mogę poprzestać na niepewności, czy muszę się zdeklarować? Niepewność pozwala się uczyć, pewność znacznie uczenie utrudnia (widać to na modelach). Jeśli zdajemy sobie sprawę z tego, jak łatwo się samemu oszukiwać, możemy uniknąć fanatyzmu (naukowego i nie tylko).

24 EE Jak zrozumieć mózg? Zrozumieć: zredukować do prostszych mechanizmów? Jakich mechanizmów? Analogii z komputerem? RAM, CPU? Logika? To marne analogie. Psychologia: najpierw trzeba opisać zachowanie, poszukuje wyjaśnień najczęściej na poziomie opisowym, ale jak je zrozumieć? Redukcjonizm fizyczny: mechanizmy mózgu. Rekonstrukcjonizm: używając mechanizmy odtworzyć funkcje mózgu Na wiele pytań można odpowiedzieć tylko z perspektywy ekologicznej i ewolucyjnej: dlaczego świat jest taki, jaki jest? Bo taki się zrobił... Dlaczego kora ma budowę kolumnową i warstwową? Stworzyć: co trzeba wiedzieć by stworzyć sztuczny mózg?

25 EE Od molekuł poprzez sieci neuronow m, poziom molekularny: kanały jonowe, synapsy, własności błon komórkowych, biofizyka, neurochemia, psychofarmakologia; m, pojedyncze neurony: neurochemia, biofizyka, LTP, neurofizjologia, modele neuronów, detektory specyficznej aktywności, wylanianie sie m, funkcjonalne grupy neuronów: kolumny korowe ( ), synchronizacja grup, kodowanie populacyjne, mikroobwody, Local Field Potentials, neurodynamika wielkiej skali, pamiec sekwencyjna, neuroanatomia i neurofizjologia m, małe sieci: synchronizacja aktywności neuronów, rekurencja, neurodynamika, układy wielostabilne, generatory wzorców, pamięc, zachowania chaotyczne, kodowanie neuronowe; neurofizjologia...

26 EE … do zachowania … do zachowania m, sieci mezoskopowe: mapy czuciowo-ruchowe, samoorganizacja, teorie pola średniego, pamiec asocjacyjna, teorie ośrodków ciągłych, EEG, MEG, metody obrazowania PET/fMRI m, pola transkorowe, obszary funkcjonalne mózgu: uproszczone modele kory, struktury podkorowe, działania sensomotoryczne, integracja funkcji, wyższe czynności psychiczne, pamięć robocza, świadomość; (neuro)psychologia, psychiatria komputerowa... Zjawiska poznawcze Zasady oddziaływań Mechanizmy neurobiologiczne

27 EE Poziomy opisu Poziomy opisu Podsumowanie (Churchland, Sejnowski 1988)

28 EE Poziom systemowy Słowniczek nazw Polsko - Łacińskich części mózgu oraz innych informacji o budowie i funkcjonowaniu mózgu

29 EE … do umysłu … do umysłu Teraz zdarza się cud... 1 m, CUN, cały mózg i organizm: powstaje świat wewnętrzny, zachowania intencjonalne, działania celowe, myślenie, język, wszystko co bada psychologia behawioralna. Przybliżenia modeli neuronowych: Finite State Automata, reguły zachowania, modele oparte na wiedzy mechanizmów poznawczych w sztucznej inteligencji. Gdzie podziała się psyche, perspektywa wewnętrzna? Lost in translation: sieci => automaty skończone => zachowanie

30 EE Źródła wiedzy o mózgu Anatomia mózgu: metody klasyczne, neuroanatomia porównawcza; tomografia komputerowa (CT scan), USG mózgu; Rezonans Magnetyczny (MRI). Metody badania funkcji m ó zgu: Obserwacje rezultat ó w uszkodzeń (wypadki, udary, guzy m ó zgu, operacje m ó zgu). Obserwacje neuropsychologiczne, choroby psychiczne. Systematyczne uszkodzenia m ó zg ó w zwierząt. Bezpośrednie stymulacje m ó zgu (TMS, elektrody) i zmysł ó w, obserwacje reakcji fizjologicznych (introspekcja, GSR, EMG, oczy). Bezpośrednie obserwacje elektrycznej aktywności kory m ó zgu: ECoG, optyczne, pomiary wieloelektrodowe. Obserwacje aktywności dużych grup neuron ó w EEG, MEG. Nieinwazyjne metody pośrednie: fMRI, PET, SPECT.

31 EE Podejście neurokognitywne Computational cognitive neuroscience: szczegółowe modele funkcji poznawczych i neuronów. Informatyka neurokognitywna: uproszczone modele wyższych czynności poznawczych, myślenia, rozwiązywania problemów, uwagi, języka, kontroli zachowania i świadomości. Wiele spekulacji, ale modele jakościowe wyjaśniające rezultaty eksperymentów psychofizycznych oraz przyczyny chorób psychicznych rozwijają się szybko. Nawet proste mózgo-podobne przetwarzanie informacji daje rezultaty podobne do prawdziwych! Przestroga przed nadmiernym optymizmem opartym na modelach behawioralnych.

32 EE Model transformacji Przetwarzanie informacji, pomijane sprzężenia zwrotne: redukcja ilości informacji (kategoryzacja), działania senso-motoryczne. Myocardial Infarction (atak serca) ~ p(MI|X) SexAge Smoking ECG: ST Pain Intensity Pain Duration Elevation Inputs: Output weights Input weights

33 EE Model samoorganizacji Topograficzne reprezentacje w licznych obszarach mózgu: bodźców czuciowych, w korze ruchowej i móżdżku, wielomodalne mapy orientacji w wzgórkach czworaczych górnych, mapy w układzie wzrokowym i mapy kory słuchowej. Model (Kohonen 1981): konkurencja między grupami neuronów i lokalna kooperacja. Neurony reagują na sygnały dostrajając swoje parametry tak, by bodźce do siebie podobne pobudzaly sąsiednie neurony.

34 EE Model dynamiczny Silne sprzężenia zwrotne, neurodynamika. Model Hopfielda: pamięć skojarzeniowa, uczenie w oparciu o regułę Hebba, dynamika synchroniczna, neurony dwustanowe. Wektor potencjałów wejściowych V(0)=V ini, czyli wejście = wyjście. Dynamika (iteracje) sieć Hopfielda osiąga stany stacjonarne, czyli odpowiedzi sieci (wektory aktywacji elementów) na zadane pytanie V ini (autoasocjacja). Jeśli połączenia są symetryczne to taka sieć dąży do stanu stacjonarnego (atraktor punktowy). t = dyskretny czas.

35 EE Model biofizyczny – spiking neurons EPSP, IPSP Spike Soma Synapses Spiking Neuron Models, W. Gerstner and W. Kistler Cambridge University Press, 2002

36 EE Podstawy molekularne Potencjał akcyjny Ca 2+ Na + K+K+ -70mV Jony/białka Potencjały akcyjne sa wynikiem prądów które przepływają przez kanały jonowe w błonie komórkowej Hodgkin i Huxley zmierzyli te prądy i opisali ich dynamikę równaniami różniczkowymi

37 EE Model Hodgkin-Huxley 100 mV 0 pobudzenie wewnatrz Na zewnatrz Ka Na Kanaly jonowe Pompa jonowa Cglgl gKgK g Na I sod potaswyciek Prawdopodobienstwo ze kanal jest otwarty jest opisane przez dodatkowe zmienne m, n, i h.

38 EE Pobudzenie: EPSP Model odpowiedzi impulsowej i j Pobudzenie: EPSP Aktywizacja: AP Firing: liniowy progowy Aktywizacja Poprzedni impuls i Wszystkie impulsy i neurony

39 EE Model integracji i akywizacji i Fire+reset liniowy progowy Aktywizacja reset I j Pobudzenie : EPSP

40 EE Zjawiska psychologiczne Percepcja wzrokowa: oglądając naturalne obrazy należy zrozumieć sposoby kodowania obiektów i scen. Uwaga przestrzenna: uwzględnienie interakcji pomiędzy strumieniami informacji wzrokowej pozwoli symulować skupianie uwagi. Pamięć: modelowanie struktur hipokampa pozwala na zrozumienie różnych aspektów pamięci epizodycznej, a mechanizmy uczenia pokazują jak dochodzi do powstawania pamięci semantycznej. Pamięć robocza: wyjaśnienie zdolności do jednoczesnego utrzymywania w umyśle kilku liczb w czasie obliczen wymaga specyficznych mechanizmów w modelu neuronowym.

41 EE Czytanie słów: sieć będzie się uczyć czytania i wymowy słów a następnie uogólniać swoją wiedze na wymowę nowych słów oraz odtwarzać pewne formy dysleksji. Reprezentacje semantyczne: analizując tekst na podstawie kontekstu występowania poszczególnych słów sieć nauczy się semantyki wielu pojęć. Podejmowanie decyzji i wykonywanie zadań: model kory przedczołowej potrafi utrzymywać uwagę na wykonywanych zadaniach pomimo czynników przeszkadzających. Rozwój reprezentacji kory ruchowej i somatosensorycznej: przez uczenie i kontrolowaną samoorganizację; Zjawiska psychologiczne

42 EE Zalety modelowych symulacji Modele pomagają zrozumieć zjawiska: umożliwiają nowe inspiracje, wgląd w problem pozwalają na symulację efektów uszkodzeń i zaburzeń (leków, zatruć). pomagają zrozumieć zachowanie, modele można formułować na różnych poziomach złożoności, modele zjawisk zachodzących w ciągły sposób (np ruchu czy percepcji), modele umożliwiają szczegółową kontrolę warunków eksperymentu i dokładną analizę wyników Modele wymagają dokładnej specyfikacji, unaocznienia założeń pozwalają na nowe przewidywania dokonują dekonstrukcji koncepcji psychologicznych (pamięć robocza?) pozwalają zrozumieć złożoność problemu pozwalają na uproszczenia umożliwiając analize złożonego systemu dostarczają jednolitego, spójnego schematu postępowania

43 EE Wady symulacji Modele są zwykle za proste, powinny obejmować wiele poziomów. Modele mogą być zbyt złożone, czasami teoria pozwala na prostsze wyjaśnienia (czemu na równiku nie ma huraganów?). Nie zawsze wiadomo co należy uwzględnić w modelowaniu. Modele nawet jeśli działają to jeszcze nie znaczy, że rozumiemy mechanizmy Wiele alternatywnych choć całkiem różnych modeli może wyjaśnić to samo zjawisko. Ważne są ogólne zasady, parametry są ograniczone przez neurobiologię na różnym poziomie, im więcej zjawisk model tłumaczy tym jest bardziej prawdopodobny i uniwersalny. Uwzględnianie oddziaływań i wyłanianie (konstrukcja) są bardzo ważne. Wiedza zdobywana dzięki modelom powinna ulegać kumulacji

44 EE Motywacja Kognitywistyczna Pomimo ze proces myślowy wydaje się szeregowym przetwarzaniem informacji dokładniejsze modele przewidują równolegle przetwarzanie Stopniowe przejście pomiędzy świadomymi i podświadomymi procesami Równolegle przetwarzanie sygnałów sensoryczno motorycznych przez dziesiątki milionów neuronów Wyspecjalizowane obszary pamięci odpowiedzialne za rożne reprezentacje np kształt, kolor, miejsce, czas Stopniowość reprezentacji symbolicznych bardziej rozmyta niż logika binarna Mechanizmy uczenia jako podstawa kognitywistyki Kiedy się uczysz zmieniasz sposób przetwarzania informacji w mózgu Rezonans pomiędzy reprezentacja od dołu i rozumieniem od góry Przewidywanie i kompetycja pojęć


Pobierz ppt "EE141 1 Kognitywistyka Janusz A. Starzyk Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Inteligentne Systemy Autonomiczne"

Podobne prezentacje


Reklamy Google