Overview 개요

Building an AI model of the Human brain 인간 두뇌의 모델을 짓고 사랑

What types of processes probably exist in physical brain regions of humans? 어떤 종류의 과정을 아마 뇌의 영역에 존재하는 것으로 인간의 육체가?

Emotion Machine (Model-6) reflective problem solving example 감정 머신 (모델 - 6) 반사하는 문제를 해결 예제

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. 신경 모델들의 마음을 (또는 neuralmom) 프로젝트는 인공 지능 분야의 교차로와 마음과 신경 과학에서 최첨단의 전산 모델을 모델로 대부분의 고급 두뇌의 계산합니다. 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. 이 프로젝트의 목표는 인공 지능을 사용 모델을 문제 해결, 6 - 레이어의 감정과 같은 모델을 개발한 기계 마빈 minsky, 우리 자신을 위해 안내 - 반사와 자기 - 통제 이해를 계산 측면 목표 - 지향 생각 처리합니다.

Combining Artificial Intelligence and Neuroscience 인공 지능 및 신경 과학 결합

People, objects, goals and plans are common aspects of most current AI models of mind. 사람, 객체, 목표와 계획은 대부분의 일반적인 양상 전류 아날로그 입력 모델들의 마음을합니다. 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. 시스템이 현재 사용하는 동안 신경 과학 분야의 학습 기법 (예 : 숨겨진 마코프, 순진한베이스, 케이 - 가까운 이웃 사람, 인공 신경망, 그리고 선형 필터),이 기술을 배울 수있습니다 매우 간단한 클래스의 유일한 계산 과정을 생각합니다. 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. 이러한 기술의 대부분 인공 반응 추억 초점을 학습하는 시간 안에 기본적으로 기억하지 않고 진행을 따라가보고 구체적인 오류가 발생하거나 더 높은 수준의 성공을 인식 시스템, 어느 것이 허용 모듈형 디버깅, 컴파일, 및 실행 프로세스의 생각합니다.

Functional Neural Patterns could map to Artificial Intelligence Procedures 지도를 인공 지능 패턴을 신경 기능이 절차를

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. 를 찾을를 제안하기 위해 우리는 이러한 종류의 생각보다 복잡한 과정을, 우리는 인공 지능 소프트웨어를 구현의 상관 관계를 찾고 이러한 생각 과정과 생물 학적 인과 (기능) 신경 세포 사이의 관계 구조를 활성화합니다.

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). 접근 방법을 찾는 데 1 인과 (기능) 액티브 신경 세포 사이의 관계 구조를 활성 저해와 여자는 신경을 사용하여 구조를 겪고 자석 동기 유발을 통해 noninvasively (tms). One lightweight non-invasive procedure we are implementing for reading neural activity is near-infrared spectroscopy (NIRS), which can be calibrated by fMRI data. 경량 아닌 하나 - 침투 절차를 읽기 위해 우리는 신경 활동이 부근을 구현 - 적외선 분광 (독일), fmri 수있는 보정하여 데이터를합니다. 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 . 많은 접근 제어를 사용하여 다수의 단일 세포를 전자파와 같은 하이 - 대역폭을 소설 / 또는 기술을 개발했다 boyden 연구소합니다. While all of these technologies are very preliminary, they have all shown great effectiveness individually. 이러한 기술은 매우 회전하는 동안의 모든, 그들은 모두 큰 효과를 개별적으로 표시합니다.

Common Sense Self-Reflection 상식을 자기 - 반영

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. 우리의 상식을 사용하여 모델을 기대하는 마음의 정서를 기반으로 컴퓨터를 기반으로 계산 모델을 개발한 프리미티브 마빈 minsky 사람을 쉽게 만들 수 있도록하는 데은 자기 자신의 정신 - 반영 및 제어 복잡한에 대해 아무것도 모른 채 정신적인 상태를 직접 머리에 든 신경 과학이나 생리학합니다. 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. 하나의 목표가이 시스템에 들어올 때 사용자에게 허용을 자신의 모델을 neuralmom과 상호 작용하는 마음과,이 버튼을 사용하는 모델은 마음의 본질에 대한 학습 시스템은 신경 과학, 실시간으로 데이터를합니다.

Mental representations for experiments in mapping neuroscience to AI 신경 과학 실험에 매핑을위한 정신을 사랑 표현

Mapping features of reflective computation to natural features 자연 기능을 반사하는 기능을 매핑을 계산

Example: Simple Computational Model 예 : 단순 계산 모델을 Mendel's Model of Genetics 멘델의 유전 모델을 유전학 Run-time causal reflective computation is a field of computer science that allows processes to be watched by other processes as they are running. 반사를 실행 - 시간 인과 수있는 컴퓨터 과학 분야의 계산은 프로세스를 실행하는 그들은 다른 프로세스에 의해 감시합니다. Understanding natural processes as computational models has proven to be a useful way of seeing and simulating the world around us. 계산 모델을 입증된 자연적인 과정으로 이해할 수있는 유용한 방법으로 세계를보고, 우리 주위에 시뮬레이트합니다. 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. 계산 모델은 간단하다 경우에는 충분한와 같은 이진 모델의 유전 멘델의 유전 상속, 지적인 인간의 마음에 모의 수있습니다 같은 전주의 마음을합니다. 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. 그러나,이 때 복잡한 계산 과정과 같은 모델을 세계 경제 또는 인간의 마음을, 그들이 인간을 정신적으로 불가능하지 않고 컴퓨터를 시뮬레이트합니다. 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. 자연적인 과정을 측정하는 기능을 입증하는 인간 두뇌로 인식이 더욱 많은 최근에; 다음과 같습니다 : fmri, 뇌파, 멕, 애완 동물, fnirs, 기타합니다. In addition, secondary external natural features include: EKG, EMG, GSR, and others. 또한, 2 차 외부 자연적인 특징으로는 : 심전도,되었습니다 EMG, 발사, 기타합니다. The ability to reflect on causal dependency traces of a computational process allows two things: 인과 관계를 반영하는 능력에 의존 계산 과정에서 두 가지의 성분이 : 1. 1. Begin mapping natural features to and from computational features. 자연적인 기능을 매핑 및 계산 기능을 시작합니다. 2. 2. Begin designing novel causal reflection models of cognition and learning. 소설을 시작 인과 설계 모델을 반영 인식 및 학습합니다. While natural cognitive features are abundant, providing a wealth of natural data, useful computational features have been more illusive. 특징은 풍부한 자연적인 인식하는 동안, 풍부한 자연적인 데이터를 제공하는 유용한 계산 기능이 최근 더 많은 illusive합니다. Examples of the most basic computational features include: (1) memory creation , (2) memory read , and (3) memory write . 가장 기본적인 계산 기능의 예 : (1) 메모리를 창출, (2) 메모리를 읽고, 그리고 (3) 메모리를 작성합니다. Tracing all causal relationships between these basic features allows tracing the context of all other programmer-defined semantic abstractions . 이러한 기본적인 기능의 모든 인과 관계를 추적 추적의 문맥을 통해 다른 모든 프로그래머 - 정의 추상적인 관념을 의미합니다. All of these computational features create an intricate trace network of dependencies, automatically traceable and shared by many parallel threads of execution. 이러한 모든 네트워크의 종속성을 추적 복잡한 계산 기능을 만들기를 자동으로 추적 및 공유하여 많은 병렬 스레드를 집행합니다. 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. 실험을 우리는 프로그래밍 언어 [참조 : funk2 프로젝트]가 발생할 수있는 모듈을 동적으로 인과 관계를 추적 대량 소비 - 스케일 소프트웨어 프로젝트의 일부분 선택합니다. The resulting causal dependency trace networks can be processed by critically causal reflective threads. 그 결과로 인과 비판을 처리할 수있습니다 인과 의존 네트워크를 추적 스레드를 반영합니다. Discovering more useful types of causal reflective threads for cognitive models of human learning in complex nontrivial environments is one of our goals. 스레드를 더 유용한 유형의 인과 관계를 발견 반사하는 인간의인지 모델을 통해 학습을하는 우리의 목표 중 하나는 복잡한 환경에 중요합니다. Example: Nontrivial Natural System 예 : 0이 아닌 자연적인 시스템 Natural 자연 Features: 특징 : fMRI, fmri, EEG, 뇌파, MEG, 멕, PET, 애완 동물 fNIRS, fnirs, EKG, 심전도, EMG, 되었습니다 EMG, GSR, 발사, etc. 등등 Example: Nontrivial Cognitive Architecture 예 : 중요 인식 아키텍처 Preferentially Ordered Declarative Goal Structures 명령 구조를 우선적 목표 선언 A dynamic goal structure distributed throughout a network of 네트워크를 통해 동적 골 구조를 분산 interconnected parallel problem solving resources. 상호 병렬 문제 해결에 리소스를합니다. Imagined Plans: Cooperative Subgoal Collections 상상을 계획 : subgoal 컬렉션 협동 조합 Collections of sufficient subgoal conditions for comprising modular subgoal 조건을 충분히 수집 모듈 구성 components of the overall distributed declarative structure. 구성 요소의 전반적인 분산 구조를 선언합니다. Memoized Mental Resource Simulators 정신 리소스를 시뮬레이터 메모 Each actor's execution can be memoized dependent on goal structure 각각의 목적에 따라 배우의 집행 구조를 메모 수있습니다 context, which can be used for simulation without external effects. 컨텍스트에 대한 시뮬레이션하지 않고 사용할 수있는 외부 효과를합니다. Traceable Compiled Mental Resource Actors 정신 리소스를 배우 추적 컴파일 Each sequential effect of these traceable actor is recorded, such that 이들 각각의 효과를 순차적으로 추적 배우가 기록, 같은 if any error occurs debugging processes can know which parts are responsible. 디버깅을 처리하지 않은 상태에서 오류가 발생하면 어느 부분이 책임이있다는 걸 알면합니다. Trusted Compiled Mental Resource Actors 정신 리소스를 배우 신뢰할 수 컴파일 Repeated successful execution of traceable actors results in the 성공적인 실행을 반복적으로 배우의 결과를 추적 creation of trusted actors—optimized and compiled for efficient execution 신뢰할 수있는 창조 배우 - 최적의 효율적인 실행을위한 컴파일 PERCEIVE and ACT 인식과 행동에 Natural biological humans and 생물 학적 인간과 자연 their very complex brains can 그들의 두뇌는 매우 복잡 act within similar behavioral 유사 행위의 행동 ~ experiments as human-designed 실험을 인간 - 디자인 computational models of 계산 모델을 intelligence (AI models). 인텔리 전스 (또는 모델). Example: Nontrivial Cognitive Environment 예 : 지각 환경에 중요 PERCEIVE and ACT 인식과 행동에 Human-designed computational 인간 - 디자인 계산 models of intelligence (AI 모델을 인텔리 전스 (또는 models) can interact with 모델)는 상호 작용 simulated problem 모의 문제를 environments of nontrivial 0이 아닌 환경을 complexity. 복잡합니다. Many features of natural processes can be measured, but it is currently difficult to correlate these features with complex models. 다양한 기능의 천연 프로세스를 측정할 수있습니다,하지만 상관 관계는 현재 이러한 기능을 어려운 복잡한 모델을합니다. 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. 상호 복잡한 문제를 자연의 일부 모델은 소수의 전산 시스템을 계산 과정의 특징은 현재이 능력을 측정합니다. We are writing an experimental programming language [see Funk2 Project ] for the explicit purpose of measuring all causally dependent computational features of the process. 실험적인 프로그래밍 언어를 쓰는 우리는 [참조 funk2 프로젝트]의 명시적인 목적을 계산 기능을 측정하는 과정의 모든 인과 의존합니다. 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?" 이러한 새로운 인과 관계를 반영 계산 기법, 및 세부 계산 모델을 찾는 자연적인 프로세스를보다 정확하게된다을 현실에 가까이 점 때문에 다음에 우리는 우리가 질문에 요청하실 수있습니다 : "어떤 종류의 계산은 좋은 설명이 천연 프로세스? " Causal reflective critics help a planner to learn to plan through run-time experience. 인과 비평가 도움이 반사를 실행 - 플래너 배워야 할 계획을 시간을 통해 경험을합니다. Cooperative Resource Selector Learners 협동 학습 리소스를 선택기 As goals are often pursued and accomplished together 자주 추구와 함께 목표가를 달성 these groups can be recognized and remembered for future 이러한 그룹에 대한 기억하고 인식하고 미래의 수 planning deliberative simulations. 기획 심의 시뮬레이션을합니다. History Writers 작가의 역사 Patterns in traces can be recognized and compiled into 패턴을 인식하고 컴파일되지 수 흔적 simpler representations for other critics to process. 다른 비판에 대한 간단한 표현을 처리합니다. For 을 위해 example, all causal dependencies relevant to accomplish a 들어, 모든 인과 관계를 달성하는 종속성을 specific goal can be compiled for quick retrieval later. 빠른 검색에 대한 구체적인 목표는 나중에 컴파일합니다. Conflicting Resource Allocation Learners 리소스 할당 충돌하는 학습자 As conflicts are between groups of goals, these 갈등은 목표를 사이에 그룹의로,이 goals can be learned to be within mutually exclusive 목표를 상호 배타적 시간을 알 수있어 allocation sets. 할당을 설정합니다. These MUTEXes can be learned critically 이러한 뮤텍스 알 수있어 매우 through run-time feedback. - 시간을 통해 의견을 실행합니다. Resource Conflict Blame Arbiters 권위를 비난 리소스 충돌 If there is a problem attempting to allocate a lower-level 에 문제가있는 경우 더 낮은 - 수준을 할당을 시도 resource for two independent threads of execution, a critic 두 개의 독립적인 스레드를 집행에 대한 리소스가 비판 may attempt to discover what two subgoals are to blame 5 월 2 개의 subgoals은 무엇을 비난 시도를 발견 for this unanticipated interaction. 이러한 예상치 못한 상호 작용을합니다. Problem Distribution Balance Learner 문제를 분배 균형을 학습자 Many resources are limited, forcing the serial execution of 많은 리소스가 제한, 강제 집행의 시리얼 some goals. 어떤 목표를합니다. We can recognize that some combinations of 우리가 인식하는 일부 조합의 수 goals are better than others for either optimal resource 목표는 다른 사람에 대해 다음과 최적화된 리소스를보다 더 distribution or a minimal time until goal completion. 유통 또는 목표 완료하기 전까지 최소한의 시간. Pointless Process Recognizer 무의미한 과정 인식자 If there is a process that executes and ultimately has no 궁극적으로하는 하나의 과정을 실행하고있다면이없는 effect toward accomplishing the goals of the system, note 효과의 목표 달성을 향해 시스템, 참고 사항 that these processes did not need to be executed in the 이러한 과정에서 실행되는 필요가 없었을 first place. 1 위.

Neural Models of Mind Publications 신경 모델이 마음을 출판물

Neural Models of Mind Media Presentations 미디어 프레 젠 테이션의 정신 신경 모델

Neural Models of Mind Developers 신경 모델의 개발자들의 마음을

λ