modelowanie rozmyte funkcji poznawczych

Instytut Mechaniki i Informatyki Stosowanej
Uniwersytet Kazimierza Wielkiego w Bydgoszczy
International Conference
on Professor Witold Kosiński's Heritage
Workshop on Ordered Fuzzy Numbers (WOFN)
Modelowanie funkcji poznawczych
z wykorzystaniem logiki rozmytej
Dariusz Mikołajewski, Piotr Prokopowicz
Bydgoszcz, 14 marca 2016r.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Wprowadzenie
„Zrozumienie, jak działa pojedynczy neuron jest
niczym – prawdziwe wyzwanie stanowi analiza sieci
neuronowej pozyskującej i przetwarzającej całą
informację potrzebną do konkretnego
działania/zachowania”
Gazzaniga MS. Neuroscience and the correct level
of explanation for understanding mind. Trends in Cognitive Sciences
2010; 14(7): 297–292.
Punkt wyjścia do dalszych rozważań:
W badaniach nad układem nerwowym modele obliczeniowe mogą stanowić
użyteczny element łączący podstawy teoretyczne
oraz badania eksperymentalne.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Siedem wyzwań dla neuronauk
1. Wielkie zespoły i zasoby do rozwiązywania wielkich problemów.
2. Połączone zbiory danych z różnych dziedzin i podejść (data ladder,
causal chain).
3. Efektywne narzędzia predykcyjne i data mining.
4. Nowe oprogramowanie i sprzęt zdolny modelować funkcje mózgu.
5. Nowe sposoby klasyfikowania i modelowania schorzeń.
6. Lepsze technologie inspirowane mózgiem.
7. Większa świadomość społeczna, w tym świadomość szans
i zagrożeń, w obszarze neuronauk.
Markram H. Seven challenges for neuroscience. Funct Neurol.
2013; 28(3):145-51.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Problemy badawcze
 Brak pełnego zrozumienia mechanizmów i ich współdziałania
 Różnorodna etiologia schorzeń
 Wiele różnych teorii kontra paradygmat EBM
 Problem „data rich and theory poor” – brak teorii wyjaśniających
omawiane procesy kompleksowo, z wystarczającą mocą
predykcyjną
 Brak dobrych modeli obliczeniowych łączących różne poziomy
analizy:
geny
białka
neurony
aktywacja
obszarów
mózgu
funkcje
poznawcze
zachowanie
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Zalety
 Tańsze i szybsze testowanie hipotez, również tych trudnych do
przeprowadzenia w rzeczywistym świecie (np. z przyczyn
medycznych, technicznych, prawnych, etycznych itp.)
 Dają ogólną wizję działania oraz możliwość skalowania w stronę
rozwiązań coraz bardziej szczegółowych lub częściowych
 Pozwalają badać wyizolowane mechanizmy
 Upraszczają mechanizmy zbyt złożone do modelowania
bezpośredniego (np. twór/układ siatkowaty)
 Możliwość modelowania uszkodzeń, w tym wyizolowanych
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Ograniczenia
 Modele uniwersalne są zwykle zbyt ogólne, a modele zbyt szczegółowe – mało
elastyczne
 Modelowanie bez skalowania - niemożliwe ze względu na złożoność
 Konieczność precyzyjnego określenia celu – modele zwykle odpowiadają tylko
na konkretnie postawione wcześniej pytania (w odróżnieniu od pacjenta)
 Konieczność zapewnienia odpowiednich sygnałów oraz poziomów
przetwarzania wymaganych dla konkretnej funkcji (np. poznawczej)
 W przypadku braku wiedzy – konieczność zapewnienia realistycznych hipotez
 Lęki: mózg w maszynie, brain enhancement: człowiek 2.0 (pierwszy cyborg już
jest).
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Możliwości
Modele układu nerwowego
Modele globalne
ciągłe
dyskretne
Modele populacyjne
pojedynczych
populacji
Modele dystrybuowane
przedziałowe
punktowe
grup populacji
Poziomy: koncepcyjny i systemowy
Szczegółowość modeli wzrasta
Dlaczego to robimy:
- fundamentalne pytanie o naturę umysłu, w tym koneksjonizm kontra funkcjonalizm,
- wyzwanie: skalowalne, trudne do wyodrębnienia mechanizmy,
- funkcjonowanie fizjologiczne i patologiczne (deficyty neurologiczne, choroby umysłowe),
- efektywniejsze metody terapeutyczne.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Nasza droga
w stronę wielopoziomowego modelu przetwarzania pień mózgu obszary podkorowe - kora mózgu
 modelowanie funkcji pnia mózgu i zaburzeń przytomności (D.
Mikołajewski)
 neurocybernetyczne modelowanie biologicznie wierne - Emergent,
Genesis, Neuron (G. M. Wójcik - II UMCS, D. Mikołajewski)
 modelowanie rozmyte funkcji poznawczych (D. Mikołajewski, P.
Prokopowicz)
 modelowanie równoległe funkcji poznawczych - superkomputer
TRYTON (W. Duch, D. Mikołajewski - LNK ICNT UMK, J. Szymański PG)
 modelowanie sterowania ruchem (D. Mikołajewski, E. Mikołajewska CM UMK)
 modelowanie neuroplastyczności poudarowej - sieci samoorganizujące
się (D. Mikołajewski, E. Mikołajewska - CM UMK)
 modelowanie problemów neurorozwojowych: ASD, ADHD (W. Duch, K.
Dobosz, G. M. Wójcik, D. Mikołajewski)
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Modelowanie kory mózgu
Krok milowy:
 R. O’Reilly, Y. Munakata CECN, MIT 2000.
Modele funkcji poznawczych (kognitywnych) z możliwością dokonywania
selektywnych uszkodzeń (lezji).
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Modelowanie pnia mózgu
Model oparty na polu komutacyjnym
Model zaburzeń świadomości
Model
neurofizjologiczny
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Wybrane metody analizy
MultiDimensional Scaling (MDS)
Recurrency Plot (RP)
Różne miary integracji informacji w sieci (szczególnie w warstwie ukrytej)
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Kaskadowe systemy rozmyte
Dotychczas przedstawione rozwiązania nie spełniają wszystkich wymagań, a są
pracochłonne i trudne w opisie i wnioskowaniu.
Systemy rozmyte mogą zapewnić nowe, dokładniejsze i efektywniejsze sposoby
odzwierciedlenia funkcjonowania układu nerwowego., podobnie jak sprawdziły
się w rozpoznawaniu obiektów i lingwistyce.
Wysoki stopień złożoności procesów poznawczych oraz ich rozłożenie w postaci
wielu procesów niższego rzędu (porównywalnych z modelowaniem
wieloagentowym) powoduje, że proponowanym rozwiązaniem są kaskadowe
systemy rozmyte.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Kaskadowe systemy rozmyte - koncepcja
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Kaskadowe systemy rozmyte - wyniki
Dotychczasowe badania wskazują na przydatność ww. rozwiązań, szczególnie w
rozwiązaniach wskazanych na kolejnych slajdach. Zasadnicze zalety:
- łatwa adaptacja,
- większa czytelność modelu,
- skrócenie czasu obliczeń wskutek uproszczenia niektórych algorytmów,
- uniknięcie procedur trudnych w bezpośredniej implementacji (jak kWTA),
Wady:
- złożoność obliczeniowa,
- konieczność znajomości i opracowania zasad łączenia obu rozwiązań przez
projektantów systemów: podejścia tradycyjnego i podejścia rozmytego.
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Co dalej?
1. Zastosowanie Liczb Rozmytych Kosińskiego w procesach, które zachodzą ze
zmienną lub zróżnicowaną szybkością w tych samych obszarach OUN:
- udar (niedokrwienny, krwotoczny) zachodzi szybko, natomiast diaschiza
(cofnięcie się pozornego wyłączenia funkcji), neuroplastyczność i zmiany
zwiazane z neurorehabilitacją zachodza wolno,
- zmiany związane z generacją przytomności (fizjologiczne: sen, patologiczne:
zaburzenia świadomości takie jak stan wegetatywny, stan minimalnej
świadomości czy zespół zamknięcia)
2. Jednoliczbowe miary poziomu przytomności, alternatywne dla obecnych.
3. Rozmyte modelowanie procesów kontekstowych powiązań poznanie-emocje
(Okon-Singer H, Hendler T, Pessoa L, Shackman AJ. The neurobiology of emotion-cognition interactions: fundamental questions
and strategies for future research. Front Hum Neurosci. 2015; 9:58)
4. Intuicyjne systemy wsparcia podejmowania decyzji minimalizujące ryzyko czy intuicji można nauczyć?
(Reyna VF, Weldon RB, McCormick M. Educating Intuition: Reducing Risky Decisions Using Fuzzy-Trace Theory. Curr Dir Psychol
Sci. 2015; 24(5):392-398.)
Modelowanie funkcji poznawczych z wykorzystaniem logiki rozmytej
Dziękuję za uwagę