Linköpings universitet

Relevanta dokument
Sub-symbolisk kognition & Konnektionism. Kognitionsvetenskaplig Introduktionskurs (729G01) Mats Andrén,

Linköpings universitet

Linköpings universitet

Linköpings universitet

Linköpings universitet 1

ARTIFICIELLA NEURALA NÄT. MARCO KUHLMANN Institutionen för datavetenskap

Tvärvetenskap och Metodologisk Mångfald. Kognitionsvetenskaplig Introduktionskurs Mats Andrén,

Modeller och simulering av språkprocessning

729G43 Artificiell intelligens (2016) Maskininlärning 2. Marco Kuhlmann Institutionen för datavetenskap

729G43 Artificiell intelligens (2016) Maskininlärning 3. Marco Kuhlmann Institutionen för datavetenskap

729G43 Artificiell intelligens / Maskininlärning 3. Marco Kuhlmann

Neurovetenskap. Centrala teman med relevans för f kognitionsvetenskap

Neurovetenskap 30/08/2013. Kognitiv neurovetenskap. Lober. Olika färg, olika vävnadsstruktur. Hjärnbarken

Enlagersnät Flerlagersnät Generalisering. Artificiella Neuronnät

Artificiella Neuronnät

729G43 Artificiell intelligens / Maskininlärning 2. Marco Kuhlmann

SELF- ORGANIZING MAPS

Kognitionsvetenskap Kandidatprogrammet

Fråga 5 (1 poäng) För att definiera ett sökproblem krävs...

729G15 Kognitiv modellering

ANN fk. Örjan Ekeberg. Framåtkopplade Nät. återkopplade nät. Olika arkitekturer. BackPropagation through Time. Kalman-Filter tekniker

Grundläggande behörighet och Matematik B eller Matematik 2a/2b/2c (områdesbehörighet 7/A7, undantag ges för Fysik A/1b1/1a).

Inlärning utan övervakning

Fråga 5 (1 poäng) För att definiera ett sökproblem krävs...

Kognitionsvetenskapligt kandidatprogram

Vad kan biologiskt plausibla modeller säga oss?

Kandidatprogrammet i kognitionsvetenskap

2D Potentialen i en nervcell definieras normalt som skillnaden i spänning mellan dess axon och dendrit.

el o;; Utbildningsplan för Kognitionsvetenskapligt kandidatprogram Bachefor Programmein Cognitive Science 180 Högskolepoäng

Kognitiv Modellering

Kandidatprogrammet i kognitionsvetenskap

Kognitionsvetenskapligt kandidatprogram Bachelor Programme in Cognitive Science 180 Högskolepoäng

Kognition TEK210 (4,5 hp)

Kandidatprogram i kognitionsvetenskap, 180 högskolepoäng

Neuronen 11/22/2012. Översikt. Artificiell nod. Kommunikation. Neuronen som detektor. Syftet med återstående föreläsningarna

Hjärnans utveckling och barnets framsteg Hur hänger det ihop?

Artificiell intelligens, eller Kommer din dator att bli klokare än dig? (eller kanske är den redan det?)

Kognitiv neurovetenskap

LOKAL EXAMENSBESKRIVNING

Artificiell intelligens, eller Kommer din dator att bli klokare än dig? (eller kanske är den redan det?)

Tentamen Psykologi 1: Kognitiv psykologi och utvecklingspsykologi, 6p

Neuronnätsbaserad agent

Utbildningsplaner för kandidat-, magister och masterprogram. 1. Identifikation. Avancerad nivå

Dnr G 2014/566 LOKAL EXAMENSBESKRIVNING Examensbenämning (svensk): Filosofie kandidatexamen med huvudområdet kognitionsvetenskap Examensbenämning (eng

PARALLELL OCH SEKVENTIELL DATABEHANDLING. Innehåll

1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05

Kognitiv modellering. Sidan 1. Översikt. Tre forskningsmetoder. Olika syften med modellering. Människa-maskin interaktion (MMI) Uppgiftsanalys

Sammanfattning av föreläsning 4. Modellbygge & Simulering, TSRT62. Föreläsning 5. Identifiering av olinjära modeller

Anhållan om ändrad ersättning för vissa HST

de var svåra att implementera och var väldigt ineffektiva.

729G43 Artificiell intelligens Maskininlärning. Arne Jönsson HCS/IDA

Datormetaforen. Från människa till dator Från dator till människa o.s.v.

Masterprogram i kognitionsvetenskap

HKGBB0, Artificiell intelligens

Tjäna på användbarhet KOGNITIONSVETENSKAP

Kursen ges som en del av masterprogrammet i kognitionsvetenskap. Den ges även som fristående kurs.

F5 Introduktion till digitalteknik

Neural bas för kognition

Det Fysiska, det Mentala och det Medvetna 2

F5 Introduktion till digitalteknik

Artificiell Intelligens och datorn, introduktion ur en filosofisk synvinkel.

Kognitiv psykologi. Schema. Tentamen Introduktion.

Att programmera en Beethoven

Kognitionsvetenskapliga programmet, åk 1

Linköpings universitet

729G06 Föreläsning 1 Objektorienterad programmering

Grundläggande begrepp inom lexikal semantik. Hanna Seppälä Uppsala universitet 1

Kroppens roll för tänkandet, samt barns kognitiva och kommunikativa utveckling

Barns lek och lärande i perspektivet av förskolans verksamhetsutveckling

Hur leder vi transformationer?

Intentionalitet Mattias Högström 1

Tänk på följande saker när du skriver tentan:

Kognitiv psykologi. Kognition / Tänaknde. Ett filosofiskt problem. Tänkande: Hur vi löser vi problem och representerar kunskap. Informationsteknologi

Hjärnbruket

Algoritmer och maskininlärning

Laboration D181. ELEKTRONIK Digitalteknik. Kombinatoriska kretsar, HCMOS v 2.1

EXAMENSARBETE. En jämförande studie kring inlärning hos levande organismer och artificiell intelligens.

Visuell perception. Sidan 1. Översikt. Sammanfattning av förra föreläsningen. Kognitiv arkitektur. Visuella systemet: översikt.

kulturer är inte vad man ser, utan vad man ser med. en saltvattensfisk i sötvatten

Artificiell Intelligens Lektion 7

Neuronens Fysiologi 1

Styrteknik: Grundläggande logiska funktioner D2:1

TEKNISKA SYSTEM. Undervisning av tekniska system utmaningar och möjligheter

Kognitiv psykologi. Vad är psykologi? Psykologi som vetenskap. Vetenskapliga grunder och metoder

Kognitiv psykologi. Kognition och hjärnan. Hjärnans struktur Neurokognition Kap 2

INFORMATION. Victor Hugo. Vad är det? Johan H Bendz FMV. Dennes svar. Korrespondens med förläggaren avseende publiceringen av Samhällets olycksbarn

Asymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder.

Magisterprogram/Masterprogram i kognitionsvetenskap

Neurala nätverk och språkigenkänning. Henrik Linnarsson. Linköping University

Neurokognitiv arkitektur

Algoritmer, datastrukturer och komplexitet

Grundläggande logik och modellteori

Vad är mönsterspråk?

Claudius Galen (~200 f.kr.) Hjärnan central för tänkande! inte alltid varit självklart }

Kognition i samspel med omgivningen

Digital- och datorteknik

Beskrivning av programmet

LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik

Appendix A. Dubbelkonsmodellen en datorexekverbar designprincip för hjärnan

Algoritmer, datastrukturer och komplexitet

Transkript:

Översikt Kognitionsvetenskaplig introduktionskurs Föreläsning 4 Informationsbearbetningsmodeller Vad är kognitionsvetenskap? Kort bakgrund/historik Representation och bearbetning av information Vetenskapliga metoder inom kognitionsvetenskap Informationsbearbetningsmodeller Annika Silvervarg CiltLab/HCS/IDA Fysiska symbolsystemshypotesen Language of Thought Konnektionism Tvärvetenskap Integrering Modularisering av kognitiva system Fysiska symbolsystem Language of Thought (Fodor, 1975) 1. Symboler är fysiska mönster Förklarar hur FSS kan fungera i mänskligt medvetande 2. Symbolerna kan kombineras till komplexa symbolstrukturer 3. Det finns processer för att manipulera komplexa symbolstrukturer Language of Thought eller Mentalese är ett internt språk med symboler och meningar som transformeras i medvetandet 4. Processerna för att generera och transformera komplexa symbolstrukturer kan representeras av symboler Transformation rule 1. Fa Meaning/Semantics Georgina is tall 2. Ga Georgina has red hair 3. Fa & Ga If complex symbols S and S* appear on earlier lines then write S & S* Georgina is tall and has red hair 4. x (Fx & Gx) If on an earlier line there is a complex symbol containing a name symbol then replace the name symbol by x and write x in front of the result Something is tall and has red hair Linköpings universitet Meningar uttryckta i LOT är: Representationer av tillstånd i världen, propositionella attityder Kinesiska rummet (Searle, 1980) LOT Exempel Symbols Meningar uttryckta i LOT är: Fysiska symbolstrukturer som kan manipuleras enligt regler Symbol grounding 1

Symbol grounding problem Sub-symbolisk kognition/konnektionism Kinesiska rummet illustrerar ett vidare problem gapet mellan formell bearbetning av symboler och genuin tanke och förståelse Men hur blir symboler meningsfulla? ord (lingvistiska symboler) är meningsfulla eftersom vi lär oss en betydelse när vi lär oss att använda dem men tankar verka ha betydelse i sig själva vi har kört fast Möjliga vägar Kognition är inte informationsbearbetning Kognition är icke-symboliska informationsbearbetning Modeller inspirerade av hjärnan Små enkla enheter i nätverk Parallell distribuerad bearbetning Neuron Neuron En aktiverad neuron skickar ut en elektrisk impuls i sin axon som avslutas i ett antal synapser som skickar signalen vidare till dendriter på en annan neuron som tar emot input via synapser som är positivt eller negativa och alla inkommande signaler till neuronen summeras och vid ett tröskelvärde aktiveras neuronen och en signal skickas ut i axonen, osv. Perceptron Perceptron Efterliknar neuronen men endast en koppling på utsignalen In motsvarar aktivering från andra neuroner/perceptroner Vikten motsvarar styrkan i synapsen (kan vara negativ) Aktivationen summeras Stegfunktion avgör om neuronen/ perceptronen aktiveras Utaktivation är 1 eller 0 (allt eller inget) Linköpings universitet 2

Perceptron Vad är boolska funktioner? Perceptroner kan modellera boolska (logiska) funktioner genom att förändra tröskelvärdet vikterna 14 Perceptron - NOT Perceptron - AND Inlärning av perceptroner Perceptroninlärning Exempel Räkna ut felet: E = Förväntad/Facit (F) - Erhållen (S) utsignal Ändra vikterna: w j := w j + α i j E om felet är positivt öka vikten, om felet är negativt minska vikten Inlärning av OR, tröskel = 1 Inlärningselementet α = 0,3 w 1 = 0,4 och w 2 = 0,3 Träningsmängd: i 1 i 2 F 0 0 0 0 1 1 1 0 1 1 1 1 Linköpings universitet 3

Perceptroninlärning Exempel i 1 i 2 w 1 w 2 Signal Facit Error Tröskel=1 0 0 0,4 0,3 0 0 0 0 0 1 0,4 0,3 0,3 0 1 1 1 0 0,4 0,6 0,4 0 1 1 1 1 0,7 0,6 1,3 1 1 0 0 0 0,7 0,6 0 0 0 0 0 1 0,7 0,6 0,6 0 1 1 1 0 0,7 0,9 0,7 0 1 1 1 1 1,0 0,9 1,0 1 1 0 0 0 1,0 0,9 0 0 0 0 0 1 1,0 0,9 0,9 0 1 1 1 0 1,0 1,2 1,0 1 1 0 1 1 1,0 1,2 2,2 1 1 0 i 1 i 2 XOR 1 1 0 1 0 1 0 1 1 0 0 0 XOR Kan inte hanteras av en perceptron Linjärt separerbara problem Perceptroner - XOR Perceptroners uppgång och fall Återuppståendelse 1943 McCullough & Pitt datorer som artificiella neurala nätverk 1949 Hebb Oövervakad inlärning neurons that fire together, wire together 1958 Rosenblatt Övervakad inlärning perceptroner kan lära sig godtyckligt linjärt separerbara problem 1969 Minsky & Papert Nätverk med flera lager kan beräkna alla möjliga funktioner, men det finns inga inlärningsstrategier för sådana nät 1986 McLelland & Rummelhart Lära nätverk med flera lager noder Gradient back propagation Linköpings universitet 4

Artificiella neurala nätverk Inlärning i neurala nätverk Utdatalager Länkar mellan det gömda lagret och utdatalagret Lager med gömda noder Länkar mellan indatalagret och det gömda lagret Indatalager Gradient back propagation innebär att de ansvariga länkarna justeras genom uppdatering av vikterna lager för lager. Informationsbearbetning i NN Artificiella kontra mänskliga NN Distribuerade representationer lagrade i vikterna Finns NN där noder representerar särdrag/begrepp Ingen tydlig åtskillnad mellan informationslagring och informationsbearbetning Kan lära och förändras över tid Stora skillnader mellan ANN och mänskliga hjärnan Olika typer av neuroner Färre kopplingar mellan neuroner (mer lokalt) Många, många fler neuroner Annan typ av inlärning av neuroner Det finns dock olika typer av ANN, en del mer biologiskt trovärdiga än andra => Kursen Kognitiv modellering i åk3 LOT (Classicism) kontra Konnektionism Diskussion Eliminativist connectionism Mentala tillstånd som Beliefs, Desires och Intentions/ Propositionella attityder existerar inte och därmed inte LOT Implementationism NN realiserar LOT Vad är en symbol/representation inom Konnektionism? Formulera vad kognition inom Konnektionism är? Vad är de största skillnaderna mellan Konnektionism och Fysiska symbolsystem? Löser konnektionism problemet med det kinesiska rummet? 31 Linköpings universitet 5

Delvetenskaper/discipliner Sloan report, 1978 Psykologi Neurovetenskap Datalogi/Artificiell intelligens Lingvistik Antropologi Filosofi Linköpings universitet 6