MANIC (kognitivní architektura) - MANIC (cognitive architecture)

MANIC, dříve známý jako PMML.1, je a kognitivní architektura vyvinutý společností prediktivní modelování a strojové učení laboratoř v University of Arkansas. Od ostatních kognitivních architektur se liší tím, že se snaží „minimalizovat novost“. To znamená, že se pokouší organizovat zavedené techniky v počítačové vědě, spíše než navrhovat jakékoli nové metody pro dosažení poznání. Zatímco většina ostatních kognitivních architektur je inspirována neurologickým pozorováním a je následně vyvíjena způsobem shora dolů, aby se chovala nějakým způsobem jako mozek, MANIC je inspirován pouze běžnými postupy v počítačové vědě a byl vyvinut zdola nahoru způsobem za účelem sjednocení různých metod v strojové učení a umělá inteligence.

Přehled

Na nejvyšší úrovni popisuje MANIC softwarového agenta, který údajně bude vykazovat kognitivní inteligenci. Umělý mozek agenta se skládá ze dvou hlavních složek: systému učení a systému rozhodování.

Učební systém

Učící se systém modeluje prostředí agenta jako a dynamický systém. Skládá se z „pozorovací funkce“, která mapuje od současných přesvědčení agenta k předpokládaným pozorováním, a „přechodové funkce“, která mapuje od současných přesvědčení k budoucím přesvědčením v příštím časovém kroku. Funkce pozorování je implementována pomocí generativu architektura hlubokého učení. Je vyškolen v bez dozoru způsobem z pozorování, které agent dělá. Vlastní reprezentace těchto pozorování se stávají agentovými „vírami“. Funkce přechodu je trénována v a pod dohledem způsobem, předpovídat další víry ze současných. Celý systém učení je volně založen na článku z roku 2011 od Michaela S. Gashlera, který popisuje metodu pro trénování hluboké neurální sítě pro modelování jednoduchého dynamického systému z vizuálních pozorování.[1]

Systém rozhodování

Systém rozhodování se skládá z plánovacího modulu a funkce spokojenosti. Modul plánování používá evoluční algoritmus vyvinout a uspokojivý plán. Funkce spokojenosti se mapuje od současných přesvědčení agenta nebo očekávaných přesvědčení k vyhodnocení nástroj být v tomto stavu. Trénuje to výztuž od lidského učitele. Aby se toto posílení naučilo, poskytuje MANIC agentovi mechanismus pro generování „fantasy videí“, která ukazují očekávaná pozorování, pokud by měl být proveden plán kandidáta. Myšlenka je, že lidský učitel by tato videa vyhodnotil a zařadil je podle potřeby nebo užitečnosti, a agent by pak mohl pomocí této zpětné vazby vylepšit svou funkci spokojenosti.

Vnímání

MANIC navrhuje, aby systém učení poskytl agentovi povědomí jeho prostředí modelováním a používáním tohoto modelu k předvídání budoucích přesvědčení. Dále navrhuje, aby bylo možné zavést podobný mechanismus vnímavost. To znamená, že tvrdí, že povědomí lze implementovat pomocí modelu směřujícího ven a sentience lze implementovat pomocí modelu směřujícího dovnitř. Proto navrhuje přidat „introspektivní smysly“, které teoreticky dávají agentovi schopnost uvědomit si své vlastní vnitřní pocity tím, že je modeluje, stejně jako si je vědom svého vnějšího prostředí. MANIC do určité míry naznačuje, že stávající metody, které se již používají v umělé inteligenci, neúmyslně vytvářejí subjektivní zážitky, jako jsou ty, které jsou obvykle spojeny s vědomými bytostmi.

Reference

  1. ^ Gashler, M. a Martinez, T., Časová nelineární redukce rozměrů, V Sborník z mezinárodní společné konference o neuronových sítích IJCNN'11, str. 1959–1966, 2011

externí odkazy