29
Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Embed Size (px)

Citation preview

Page 1: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial

Prof. Dr. Lucas F. de Oliveira

UCS

Page 2: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Sistemas artificiais

Inteligência artificial John McCarthy, 1955 “A ciência e a engenharia da construção de

máquinas inteligentes”

Princípio A inteligência humana pode ser precisamente

descrita Então pode ser modelada

Page 3: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Inteligência artificial

Processamento de informação Modela-se

Percepção Aprendizagem Resolução de problemas

Foco na aplicação

Impulsionou o desenvolvimento Da Psicologia Cognitiva

Conexionismo Modela-se

Comportamento de neurônios

Ou de grupos de neurônios

Foco na modelagem Mas com algumas

aplicações

Page 4: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Inteligência artificial

Herbert Simon, 1965 “máquinas serão capazes, em 20 anos, de fazer

qualquer trabalho que um homem pode fazer”

Marvin Minsky, 1967 “dentro de uma geração… o problema de criar uma

‘inteligência artificial’ estará substancialmente resolvido”

Page 5: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Inteligência artificial

Avaliando inteligência artificial (Rajani, 2011) Ótima: impossível melhorar performance

Ex.: damas (Schaeffer et al., 2007) Sobre-humana forte: melhor do que todos humanos

Ex.: Jeopardy Sobre-humana: melhor que a maioria dos humanos

Ex.: palavras cruzadas (Keim et al., 1999) Sub-humana: pior que a maior parte dos humanos

Ex.: reconhecimento de voz

Page 6: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Consciência artificial

Tentativa de aproximação da mente humana Através da modelagem de processos mentais Oriunda da Psicologia Cognitiva

Page 7: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Processos mentais

Percepção Atenção

Memória

EmoçãoMotivação

Conhecimento

Linguagem

Resolução de problemas

Raciocínio dedutivo

Tomada de decisão

Metacognição

Page 8: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Exemplo

Agente Inteligente de Distribuição (IDA) Franklin et al., 1998 Designa novas tarefas para marinheiros

Após estes completarem um turno de serviço Usando linguagem natural (por e-mail)

Page 9: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

O Ciclo Cognitivo do IDA

Page 10: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

IDA

Mesmo sendo sistema de consciência artificial A modelagem segue enfatizando memória

Que segue sendo modelada de maneira incompleta

Page 11: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Modelando memória

Page 12: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Memória

Processo através do qual Informação é

Codificada Armazenada Evocada

No sistema nervoso

Aprendizagem Manifestação

comportamental Da memória

Page 13: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Classificação da memória por conteúdo

Page 14: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Classificação por conteúdo

Memória declarativa Episódica

Eventos Semântica

Fatos

Rápida formação Evocação consciente

Memória não-declarativa Procedural

Para ações Motora

Para movimentos

Lenta formação Evocação

automatizada

Page 15: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Conteúdo e facilidade de evocação Memória declarativa

Precisa passar pela consciência O que a torna lenta

Memória não-declarativa Não precisa passar

pela consciência O que a torna rápida

Page 16: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Modelagem funcional em máquinas Memória declarativa Memória não-declarativa

Difícil distinção em termos de modelagem Máquinas são rápidas para registrar E rápidas para evocar

Page 17: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Classificação da memória por Duração

Page 18: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Classificação por duração

Memória declarativa Memória de trabalho

Dura segundos Memória de curta

duração Dura de horas a dias

Memória de longa duração Dura a vida inteira

Memória não-declarativa Apenas de longa

duração

Page 19: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Modelagem funcional em máquinas Memória declarativa

De trabalho De curta duração De longa duração

Memória não-declarativa De longa duração

Pelo menos quatro sistemas diferentes de memória Cada um com suas características

Page 20: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização dos tipos de memória

Page 21: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização: memória não-declarativa Memória não-

declarativa Lenta formação Rápida evocação

Não precisa passar pela consciência

Modelagem Requer repetições para ser

formada Evocação por uma saída

paralela, independente da saída da memória declarativa E ocupando (aparentemente)

pouco recursos computacionais

Em um modelo envolvendo software Seria implementada em

hardware FPGA? ROM?

Page 22: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização: memória de trabalho

Executiva central

Alça fonológica Esboço visuo-espacial Buffer episódico

O que foi ouvido O que foi visto A ordem das coisas

Coordena com a

atenção

Independentes uns dos outros

Modelo teórico de Baddeley e Hitch (1974, 2000)

Page 23: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização: memória de trabalho Três componentes

Alça fonológica Esboço visuoespacial Buffer episódico

Capacidade reduzida Duração muito curta

Segundos Difícil de ser distinguida

Da consciência Da atenção

Modelagem Um ou dois

componentes com informação sensorial

Um componente com informação relacional

Extrema volatilidade

Em um computador A memória cache

Page 24: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização: memória de curta duração Rápida formação Evocação consciente

O conteúdo vai para a memória de trabalho

A codificação é uma síntese Mas ainda mantém boa parte

das informações intacta

A evocação é uma reconstrução razoavelmente fiel

Modelagem A informação sofre

pequena compactação com perdas

A evocação é uma reconstrução

Em um computador A memória RAM

Page 25: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Caracterização: memória de longa duração Formação demora horas Evocação consciente

O conteúdo vai para a memória de trabalho

A codificação é uma síntese Contendo os elementos

essenciais

A evocação é uma reconstrução contendo os elementos essenciais apenas

Modelagem A informação sofre

considerável compactação com perdas potencialmente relevantes

A evocação é uma reconstrução envolvendo considerável recriação

Em um computador O disco rígido

Page 26: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Características especiais da evocação Depende de “dicas

contextuais” O indivíduo imagina-se

de volta no contexto em que a memória foi formada

Dicas relevantes Local Indivíduos presentes Referências temporais

Modelagem Cada memória precisa

ter tags específicas E só pode ser

acessada através destas tags

Page 27: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Conclusões

Page 28: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Conclusões

Pelo menos quatro sistemas diferentes de memória Memória declarativa

De trabalho De curta duração De longa duração

Memória não-declarativa De longa duração

Cada um com suas características funcionais E diferentes com relação ao

que chega à consciência

A correta modelagem destes sistema Pode ser importante em

modelos de consciência artificial

Page 29: Parâmetros Neurofuncionais para Modelagem de Memória em Sistemas de Consciência Artificial Prof. Dr. Lucas F. de Oliveira UCS

Conclusões

Limitação Modelagem ainda enfatiza os sistemas

conscientes Memória declarativa

Mas muito de nosso processamento É não consciente