Overview概要

Building an AI model of the Human brain愛のモデルを構築する人間の脳

What types of processes probably exist in physical brain regions of humans?おそらくどのような種類のプロセスが存在する脳の領域での物理的な人間ですか？

Emotion Machine (Model-6) reflective problem solving example感情のマシン（モデル- 6 ）反射問題解決の例

The Neural Model of Mind (or NeuralMoM) project is the intersection of the fields of artificial intelligence with the most advanced computational models of mind and neuroscience with the most advanced computational models of the brain.心の神経モデル（またはneuralmom ）の交差点のプロジェクトでは人工知能の分野で最も高度な計算モデルを、心と神経科学の脳の最も先進的計算モデルです。 The goal of the project is to use artificial intelligence models of problem solving, such as the 6-Layer Emotion Machine Model developed by Marvin Minsky , in order to guide our self-reflective and self-control understanding of the computational aspects of goal-oriented thought processing.することを目標とするプロジェクトでは人工知能を使用するモデルの問題解決などの6 -層感情マシンモデルによって開発さマービンミンスキーは、私たちのために内省的なガイドと自己制御の理解を指向の計算は、目標の側面思考処理します。

Combining Artificial Intelligence and Neuroscience神経科学人工知能との組み合わせ

People, objects, goals and plans are common aspects of most current AI models of mind.人々 、オブジェクト、共通の側面を目標や目標のほとんどの現在の計画は心の愛のモデルです。 While the field of neuroscience is currently using machine learning techniques (such as Hidden Markov, Naive Bayes, K-Nearest Neighbor, Artificial Neural Networks, and Linear Filters), these techniques can only learn very simple classes of computational thought processes.神経科学の分野では、現在使用して機械学習技術（例えば、隠れマルコフ、単純ベイズ、 k -最寄りの隣人、人工神経ネットワーク、およびリニアフィルタ） 、これらのテクニックを学ぶだけのクラスの非常に単純な思考プロセスを計算します。 Most of these techniques focus on learning artificial reactive memories, which are basically memories that follow a specific progression in time without reporting errors or successes to higher level cognitive systems, which would allow for modular debugging, compiling, and execution of thought processes.ほとんどのこれらのテクニックに焦点を当てる学習人工反応の思い出、これは基本的に次の思い出を報告せず、特定の時間の進行にエラーが発生したり高いレベルの成功を認知システムでは、モジュール式のデバッグを可能にするには、コンパイルし、思考のプロセスを実行します。

Functional Neural Patterns could map to Artificial Intelligence Procedures神経機能のパターンが地図を人工知能の手続き

We propose that in order to find these more complex types of thought processes, we are looking for correlations between artificially intelligent software implementations of these thought processes and biological causal (functional) relationships between active neuronal structures.私たちを見つけるために提案して、これらのより複雑な種類の思考過程、我々は人工知能の相関関係を探してソフトウェアの実装は、これらの思考過程や生物学的因果関係（機能）アクティブなニューロン間の関係構造です。

One approach to finding causal (functional) relationships between active neuronal structures is by using active inhibition and excitation of neural structures noninvasively through transcranial magnetic stimulation (TMS). 1つのアプローチを見つける因果関係（機能）間の関係を使用してアクティブな神経細胞の構造は、神経回路の構造活性阻害と励起を通じて非侵襲経頭蓋磁気刺激（株式会社トムス） 。 One lightweight non-invasive procedure we are implementing for reading neural activity is near-infrared spectroscopy (NIRS), which can be calibrated by fMRI data.非侵襲的な手順を1つの軽量な実装を読む我々は神経活動は近赤外分光法（放医研）ことができるMRIによってデータ校正されています。 Many approaches using electromagnetic control of large numbers of single cells, such as the novel high-bandwidth I/O techniques developed by the Boyden Lab .電磁制御の多くのアプローチを使用して大量の1つの細胞は、小説などの高帯域幅のI / O技術で開発されたboydenラボです。 While all of these technologies are very preliminary, they have all shown great effectiveness individually.中のすべてのこれらの技術は非常に予備的な、彼らはすべての大きな効果を個別に表示します。

Common Sense Self-Reflection自己反省の常識

We hope that using a Common Sense model of mind based on the computational primitives based on the Emotion Machine model developed by Marvin Minsky will allow us to make people able to easy self-reflect and control their own mental mental states directly without knowing anything complex about neuroscience or their physiological brains at all.常識を使用することを期待したいモデルの計算に基づいて心のプリミティブの感情に基づいて開発されたマシンモデルマービンミンスキーができるように簡単にできるように自己を反映する人々と自分の精神的なコントロールを知らずに直接何か複雑な精神状態について生理的な脳の神経科学またはそれらのすべてです。 One goal is to allow to user to come to the system with their own model of mind and use this to interact with the NeuralMoM, which will inherently be a learning system for Models of Mind and realtime neuroscience data. 1つを目標として許可をユーザーに来て独自のモデルを使ってシステムにこれを使用し、心との対話をneuralmom 、これは本質的には、学習システムのモデルの神経科学、心とリアルタイムのデータです。

Mental representations for experiments in mapping neuroscience to AI神経科学の実験をするためのマッピング精神的な表現を愛

Mapping features of reflective computation to natural features反射マッピング機能の計算を自然の特徴

Example: Simple Computational Model 例：単純な計算モデル Mendel's Model of Genetics メンデルの遺伝学モデル Run-time causal reflective computation is a field of computer science that allows processes to be watched by other processes as they are running.反射計算実行時の因果関係は、コンピュータサイエンスの分野で注目されることができるのプロセスを彼らは他のプロセスとして実行中です。 Understanding natural processes as computational models has proven to be a useful way of seeing and simulating the world around us.計算モデルとして自然なプロセスを理解することが証明されると便利な方法をシミュレートするの周りの世界を見てください。 If the computational model is simple enough, such as Mendel's binary model of genetic inheritance, it can be simulated within an intelligent human mind, such as Mendel's mind.十分な場合は、単純な計算モデルは、このようなバイナリとしてメンデルの遺伝的モデルを継承することが可能にするインテリジェントな人間の心のシミュレートなど、メンデルの心です。 However, when the computational processes become complex, such as models of world economies or human minds, they become impossible for humans to mentally simulate without computers.しかし、複雑なの計算プロセスになるなど、モデルの世界経済や人間の心、彼らに人間を精神的に不可能になるとコンピュータをシミュレートします。 Measuring features of the natural process of cognition as evidenced by the human brain have become more numerous recently; these include: fMRI, EEG, MEG, PET, fNIRS, and others.測定機能の認知の自然な過程を人間の脳にも明らかなようになって他の多くの最近;以下が含まれます： MRIによって、脳波、メグ、ペット、 fnirs 、およびその他です。 In addition, secondary external natural features include: EKG, EMG, GSR, and others.加えて、外部の自然の特長としてはセカンダリ：心電図、 emg 、 gsr 、およびその他です。 The ability to reflect on causal dependency traces of a computational process allows two things: 因果関係の能力に依存関係を反映するプロセスの痕跡を計算により、 2つのこと： 1. 1 。 Begin mapping natural features to and from computational features. マッピングを開始する機能を、より自然な計算機能です。 2. 2 。 Begin designing novel causal reflection models of cognition and learning. 小説の設計モデルの因果関係を始める反射的認知と学習します。 While natural cognitive features are abundant, providing a wealth of natural data, useful computational features have been more illusive.認知機能は、豊かな自然の中、自然の豊富なデータを提供する、便利な機能が他のillusive計算します。 Examples of the most basic computational features include: (1) memory creation , (2) memory read , and (3) memory write .最も基本的な計算機能の例を含める： （ 1 ） メモリの作成 、 （ 2 ） メモリの読み取り 、および（ 3 ） メモリの書き込みです。 Tracing all causal relationships between these basic features allows tracing the context of all other programmer-defined semantic abstractions .これらの間の因果関係をトレースのすべての基本的な機能により、トレースのコンテキストで他のすべてのプログラマ的に定義された意味の抽象化します。 All of these computational features create an intricate trace network of dependencies, automatically traceable and shared by many parallel threads of execution.これらのすべての計算機能のネットワークを作成するに複雑なトレース依存関係のため、自動的にトレーサブルと共有される多くのスレッドを並列実行します。 We are experimenting with a programming language [see: Funk2 Project ] that allows causal tracing to occur modularly to dynamically chosen parts of large consumer-scale software projects.我々は実験をするプログラミング言語[参照してください： funk2プロジェクト ]因果関係のトレースが発生することができるモジュールを動的に選択した部分の大規模なソフトウェアプロジェクトの消費者です。 The resulting causal dependency trace networks can be processed by critically causal reflective threads.トレース結果の因果関係のネットワークの依存関係を批判的に因果反射のスレッドによって処理されます。 Discovering more useful types of causal reflective threads for cognitive models of human learning in complex nontrivial environments is one of our goals.発見の他の役に立つの種類の因果関係のスレッドを反射人間の認知モデルの複雑な非自明な学習環境は、我々の目標の1つです。 Example: Nontrivial Natural System 例：非自明な自然システム Natural 自然 Features: 特徴： fMRI, MRIによって、 EEG,脳波、 MEG,メグ、 PET,ペット、 fNIRS, fnirs 、 EKG,心電図、 EMG, emg 、 GSR, gsr 、 etc.等 Example: Nontrivial Cognitive Architecture 例：非自明な認知アーキテクチャ Preferentially Ordered Declarative Goal Structures優先的目標の構造宣言命令 A dynamic goal structure distributed throughout a network of分散型で展開するダイナミックな構造のネットワークを目標 interconnected parallel problem solving resources.並列問題解決リソースを相互接続します。 Imagined Plans: Cooperative Subgoal Collections想像計画：協同組合subgoalコレクション Collections of sufficient subgoal conditions for comprising modularコレクションのモジュールで構成さの条件を十分にsubgoal components of the overall distributed declarative structure.全体の分散構造のコンポーネントを宣言します。 Memoized Mental Resource Simulators精神的なリソースをメモシミュレーター Each actor's execution can be memoized dependent on goal structureそれぞれの俳優の中のメモに依存して実行できる目標構造 context, which can be used for simulation without external effects.コンテキストことができるように使用される外部効果をシミュレーションします。 Traceable Compiled Mental Resource Actors精神的なリソースをコンパイルトレーサブルな俳優 Each sequential effect of these traceable actor is recorded, such thatそれぞれの効果を逐次記録し、これらのトレーサブルな俳優は、このようなこと if any error occurs debugging processes can know which parts are responsible.もしあればエラーが発生したデバッグプロセスは知ってのどの部分の責任です。 Trusted Compiled Mental Resource Actors信頼される側の精神的なリソースをコンパイルする俳優 Repeated successful execution of traceable actors results in the成功の実行を繰り返した結果、トレーサブルな俳優 creation of trusted actors—optimized and compiled for efficient execution信頼される側の俳優の創造的に最適化され、コンパイルを効率的に実行 PERCEIVE and ACT 知覚し、行動 Natural biological humans and 人間と自然の生物学的 their very complex brains can 彼らは非常に複雑な頭脳 act within similar behavioral 同様の行動範囲内で行動する experiments as human-designed 実験として人間的に設計さ computational models of 計算モデル intelligence (AI models). 知能（ AIモデル） 。 Example: Nontrivial Cognitive Environment 例：非自明な認知環境 PERCEIVE and ACT 知覚し、行動 Human-designed computational 人間的に設計計算 models of intelligence (AI モデルの知能（ AI models) can interact with モデル）は、対話を simulated problem シミュレーション問題 environments of nontrivial 環境の非自明な complexity. 複雑です。 Many features of natural processes can be measured, but it is currently difficult to correlate these features with complex models.自然のプロセス数多くの機能を測定できるような、それは現在のところ、これらの機能を関連付ける困難な複雑なモデルです。 Part of the problem of correlating complex natural systems with computational models is that very few features of computational processes are currently capable of being measured.部分の相関関係の問題を複雑な計算モデルの自然なシステムでは、非常にいくつかの機能は、現在のプロセスの計算能力を測定します。 We are writing an experimental programming language [see Funk2 Project ] for the explicit purpose of measuring all causally dependent computational features of the process.我々はプログラミング言語で記述する実験[参照funk2プロジェクト ]は、明示的な目的は、すべての因果依存性の計算機能を測定するプロセスです。 With these new causal reflective computational techniques, finding more accurate and detailed computational models of natural processes will be closer to a reality because then we will be at a point when we can ask the question: "Which types of computation are good explanations of this natural process?"これらの新しい計算手法を反射因果関係は、より正確かつ詳細な計算モデルを見つけるのは自然なプロセスを実現するため、近くにある点に入力し、我々は私たちが求めるときに質問： "どの種類の計算が良いの説明は、次の自然プロセスですか？ " Causal reflective critics help a planner to learn to plan through run-time experience. 反射批評家の因果関係を学ぶ手助けをするプランナーのランタイムの経験を通じてを計画する。 Cooperative Resource Selector Learners学習者協同組合のリソースセレクタ As goals are often pursued and accomplished together達成目標としては、しばしば追求と一緒に these groups can be recognized and remembered for futureこれらのグループを認識し、将来の記憶 planning deliberative simulations.計画審議シミュレーションします。 History Writers歴史作家 Patterns in traces can be recognized and compiled intoトレースのパターンでは認識され、コンパイルされる simpler representations for other critics to process.シンプルな表現の他の批評家を処理する。 For 〜のために example, all causal dependencies relevant to accomplish a例では、依存関係に関連するすべての因果関係を達成する specific goal can be compiled for quick retrieval later.具体的な目標をすばやく検索できるへコンパイルします。 Conflicting Resource Allocation Learners競合する資源配分の学習 As conflicts are between groups of goals, theseグループの間で葛藤が目標としては、これらの goals can be learned to be within mutually exclusive目標にされることが学べる相互排他的な allocation sets.配分を設定します。 These MUTEXes can be learned critically批判的にこれらのことが学べるミューテックス through run-time feedback.を通じて実行時にフィードバックします。 Resource Conflict Blame Arbitersリソースの競合のせい審判 If there is a problem attempting to allocate a lower-level問題を回避しようとする場合には、下位レベルの割り当て resource for two independent threads of execution, a criticリソースを2つの独立したスレッドの実行は、評論家 may attempt to discover what two subgoals are to blame 5月2つのサブゴールを発見しようとはどのように責任を負わ for this unanticipated interaction.この不測の相互作用します。 Problem Distribution Balance Learner問題の分布バランス学習 Many resources are limited, forcing the serial execution of多くのリソースが限られ、強制的にシリアルの実行を some goals.いくつかの目標です。 We can recognize that some combinations of私たちはいくつかの組み合わせを認識して goals are better than others for either optimal resourceその他のいずれかの目標がましだ最適なリソース distribution or a minimal time until goal completion.分布や目標の最低限の完成までの時間です。 Pointless Process Recognizer無意味なプロセスの認識 If there is a process that executes and ultimately has noプロセスを実行する場合には、最終的にはない effect toward accomplishing the goals of the system, note効果には、システムの目標達成に向け、注記 that these processes did not need to be executed in theこれらのプロセスをしなかった実行される必要があります。 first place.第1位です。

Neural Models of Mind Publications神経回路モデルの心の出版物

Neural Models of Mind Media Presentations神経回路モデルの心のメディアプレゼンテーション

Neural Models of Mind Developers心の神経回路モデルの開発者

λ