Wykład X/XI
Transkrypt
Wykład X/XI
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład X/XI: Architektury poznawcze (symboliczne) III: GLAIR/SNePS GLAIR/SNePS - przegląd GLAIR/SNePS (Grounded Layered Architecture with Integrated Reasonong/ Semantic Neworks Processing System) Stuart Shapiro, William Rapaport, State University of NY in Buffalo http://www.cse.buffalo.edu/sneps (obecnie wersja 2.7.1) warstwowa architektura poznawcza umożliwiająca realizację agentów działających w realnym, wirtualnym lub symulowanym środowisku zawierającym innych agentów motywacja: podejście zwane „filozofia obliczeniowa” - obliczeniowe wyjaśnianie i implementacja inteligentnego (na poziomie człowieka) zachowania posługiwanie się językiem naturalnym, wnioskowanie, percepcja, działanie oraz tworzenie modeli samych siebie (i innych): „samoświadomość” Struktura (1) Warstwy: Poziom wiedzy (KL) zawiera przekonania agenta; to poziom na którym odbywa się: świadome rozumowanie, planowanie i wybór działań Warstwa percepcyjno-motoryczna (PML) PMLa gruntuje symbole KL w strukturach percepcyjnych i podświadomych działaniach; zawiera rejestry odzwierciedlające usytuowanie agenta w środowisku PMLb translacja i komunikacja między PMLa i PMLc PMLc – odwzorowuje sensory/efektory na repertuar zachowań Warstwa sensorów i aktywatorów (SAL): zawiera sterowniki sensorów i aktywatorów w „ciele” robota KL – implementacja „umysłu” agenta; KL i PMLa – niezależne od implementacji „ciała” agenta Warstwa wiedzy: pamięć i wnioskowanie KL zawiera: przekonania agenta, w tym: pamięć długotrwałą i krótkotrwałą, pamięci semantyczną i epizodyczną, kwantyfikowanie i warunkowe przekonania wykorzystywane w rozumowaniu, plany przeprowadzania złożonych działań i osiągania celów, przekonania o warunkach wstępnych działań i ich skutkach, samo-wiedzę, meta-wiedzę Na poziomie KL odbywa się świadome rozumowanie, planowanie, wybór działań KL implementowane jest w systemie reprezentacji wiedzy SNePS Sądy w KL mogą pochodzić: ze środowiska (inny agent, percepcja) (hipotezy) uzyskane drogą wnioskowania (sądy derywowane) W każdym momencie obowiązuje pewien kontekst Cykl zachowań Oparty na rozumowaniu, nie na osiąganiu celu w oparciu o percept lub w odpowiedzi na pytanie Cykl: percypuj – rozumuj – działaj Dane wejściowe: wypowiedź języka naturalnego Analiza w kontekście bieżących przekonań Może wymagać rozumowania Nowe przekonania mogą zostać dodane do KL Jeśli wypowiedź to stwierdzenie: dodaj główny sąd jako przekonanie Sąd ten stanowi daną wyjściową Jeśli: wypowiedź to pytanie Wnioskowanie wsteczne, by odnaleźć odpowiedź Cykl zachowań Odpowiedź jest daną wyjściową Jeśli wypowiedź to polecenie: Wykonuje wskazane działanie Sąd, iż agent wykonał działanie będzie daną wyjściową Wygeneruj wypowiedź jęz. nat. wyrażającą sąd wyjściowy Percepcja pasywna (system kierowany danymi) i aktywna (system zwraca uwagę na aspekt środowiska) Cykl zachowań Gramatyka GATN Model w działaniu Polityki (policies) wyszczególniają okoliczności w których rozumowanie wiedzie do działań Agent: Wykonuje działanie Jest przekonany o sądzie Przyjmuje politykę Widząc zielone światło przechodź przez ulicę Ifdo (ColorOf (A, czerwony), lookAt (A)) whendo (ColorOf(B, zielony), przechodź(U)) //wheneverdo Kategorie działań: Mentalne: believe, disbelieve, adopt, unadopt Model w działaniu Zewnętrzne: percypuj i działaj w środowisku (r, w, s) Sterujące: achieve, doone, doall, snsequence, snif Proste działania Zdefiniowane działania złożone działania Sądy i działania: Precondition Effect ActPlan GoalPlan Model w działaniu agent szuka warunków wstępnych działania oraz sprawdza, czy zachodzą następnie szuka skutków akcji jeśli działanie nie jest pierwotne, wówczas ustala plan działania uruchamiana jest funkcja realizująca warunki wstępne agent wyszukuje skutki akcji nim samo działanie zostanie wykonane jeśli działanie jest zdefiniowane, system je wykonuje i zakłada, że jest pomyślne po wykonaniu działania system zakłada iż wszystkie efekty obowiązują Modalności: sensory i efektory mogą działać jednocześnie każde z pierwotnych działań jest przypisywane na poziomie PMLa modalnościom Umocowanie symboli w KL istnieją termy dla dowolnej jednostki mentalnej którą agent może pojąć, oraz istnieją struktury PML dla cech otoczenia, które agent może wykryć i rozróżnić term KL jest ugruntowany na mocy dopasowania go do opisu-PML opis-PML: zupełny lub niezupełny: <niebieski, v2>; <v1, kulisty> agent może dysponować zupełnym opisem-PML obiektu nie znając jego własności dostęp do aktualnej sytuacji agenta w świecie: rejestry deiktyczne, jak: ja, ty (interlokutor), teraz działanie z KL dopasowane jest do procedury w PMLa Własności architektur poznawczych reprezentacja wiedzy: oparta na logice, ramach i sieciach semantycznych każde poprawnie zbudowane wyrażenie jest termem (również termy denotujące sądy) wiedza reprezentowana w postaci jednego formalizmu (SNePS) łączącego w sobie trzy (j.w.) reprezentowane mogą być bez ograniczeń sądy o sądach dzięki reprezentacji „ja” możliwa jest meta-wiedza KL zawiera jedynie deklaratywną postać wiedzy KL to miejsce zarówno wiedzy semantycznej, jak i epizodycznej wewnętrznie ustrukturalizowana organizacja wiedzy brak struktury pamięci krótkotrwałej Kryteria oceny architektur poznawczych „ogólność”: KL i PMLa niezależne od „ucieleśnienia”, rozmaite „środowiska” wszechstronność racjonalność: wybiera działania co do których jest przekonany, iż wiodą do celu optymalność: dopuszcza tworzenie agentów wybierających optymalne rozwiązania ze względu na preferencje wydajność uczenie się: z instrukcji językowych, kontekstualne: system wnioskuje sąd p w kontekście k – do KL dodawany jest zbiór hipotez h leżących u podstaw p; wraz z działaniem agenta zbiór h podlega zmianom Przeszłość i przyszłość architektur Istnieje poziom abstrakcji pomiędzy zachowaniem a strukturami mózgu Na tym poziomie można opisać poznanie niezależnie od implementacji Architektury dostarczają ogólnej teorii niezależnej od poszczególnych zjawisk Czy inteligencja jest w architekturze czy w modelu? Jak ocenia się dopasowanie zachowań człowieka i architektury? Skąd pochodzi wiedza specyficzna dla zadania? Jaką architekturę wybrać? Czy warto poświęcać czas na jej opanowanie? Przyszłość: współdzielone mechanizmy