Overview Обзор

Building an AI model of the Human brain Строительство МА модель человеческого мозга

What types of processes probably exist in physical brain regions of humans? Какие процессы, вероятно, существуют в физическом мозгу регионах люди?

Emotion Machine (Model-6) reflective problem solving example Emotion Machine (Model-6) отражают решения проблемы, например

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. Нейронные модели Mind (или NeuralMoM) проекта является пересечение области искусственного интеллекта с наиболее передовых вычислительных моделей, ума и неврологии с наиболее передовых вычислительных моделей мозга. 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. Целью проекта является использование искусственного интеллекта модели решения проблем, как, например, 6-слой Emotion автоматной модели, разработанной Марвин Минский, с тем чтобы направлять наши самоуправления в отражающем и самоконтроль понимания вычислительные аспекты ориентированной на конкретные цели мысли обработки.

Combining Artificial Intelligence and Neuroscience Сочетание искусственного интеллекта и неврологических

People, objects, goals and plans are common aspects of most current AI models of mind. Люди, объекты, цели и планы являются общими аспектами самых современных моделей МА ума. 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. В то время как области неврологии в настоящее время с помощью машины методов обучения (например, скрытые Марковские, наивного Байеса, К-ближайших соседей, искусственные нейронные сети, а также линейные фильтры), эти методы могут учиться только очень простые классы вычислительных процессов мысли. 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. Большинство из этих методов обучения сосредоточиться на искусственном реактивной воспоминания, которые в основном воспоминания о том, что последующие конкретные прогрессии во время отчетного без ошибок или успехов на высоком уровне когнитивных систем, которые позволили бы модульная отладка, составление и исполнение мысли процессов.

Functional Neural Patterns could map to Artificial Intelligence Procedures Функциональные Нейронные рисунка может карте Artificial Intelligence Процедуры

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. Мы предлагаем, что для нахождения этих более сложных видов мышления, мы ищем корреляции между искусственно интеллектуальных программных реализаций этих процессов мысли и биологических причинно (функциональных) отношений между активной нервных структур.

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). Один из подходов к поиску причинно-(функциональных) отношений между активной нервных структур с помощью активного торможения и возбуждения нейронных структур noninvasively с помощью транскраниальной магнитной стимуляции (ТМС). One lightweight non-invasive procedure we are implementing for reading neural activity is near-infrared spectroscopy (NIRS), which can be calibrated by fMRI data. Один из легкого неинвазивной процедуры мы осуществляем для чтения нейронной активности находится вблизи инфракрасной спектроскопии (НДК), которое может быть откалиброван на fMRI данных. 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 . Многие подходы, с помощью электромагнитного контроля большого числа одиночных камерах, как, например, роман высокой пропускной способности I / O технологии, разработанные Boyden Lab. While all of these technologies are very preliminary, they have all shown great effectiveness individually. Хотя все эти технологии являются очень предварительный характер, все они проявили большую эффективность в индивидуальном порядке.

Common Sense Self-Reflection Здравый смысл самоуправления Отражение

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. Мы надеемся, что с помощью здравого смысла модель мышления на основе вычислительных примитивов на основе Emotion Machine модели, разработанной Марвин Минский позволит нам, чтобы дать людям возможность легко отразить самоуправления и контролировать свои собственные психические психических состояний, непосредственно не зная ничего о сложных неврологии или их физиологических мозги вообще. 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. Одна из целей состоит в том, чтобы позволить пользователю прийти к системе с их собственной модели мышления и использовать это для взаимодействия с NeuralMoM, который по сути будет системы обучения для моделей ума и неврологии данные в реальном времени.

Mental representations for experiments in mapping neuroscience to AI Психическое представлений для проведения экспериментов в области составления карт неврологии МА

Mapping features of reflective computation to natural features Картирование отражающими особенности исчисления природных особенностей

Example: Simple Computational Model Пример: простая модель вычислительного Mendel's Model of Genetics Мендель типового генетики Run-time causal reflective computation is a field of computer science that allows processes to be watched by other processes as they are running. Run-время отражает причинно-расчет области компьютерной науки, которая позволяет процессам будет глазах других процессов, как они движутся. Understanding natural processes as computational models has proven to be a useful way of seeing and simulating the world around us. Понимание физических процессов в качестве вычислительных моделей, оказался полезным способом видеть и моделировать мир вокруг нас. 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. Если вычислительная модель является достаточно простым, как, например, Менделя в бинарной модели генетического наследования, он может быть имитируется в интеллектуальных человеческого разума, такие, как Мендель на уме. 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. Однако, когда вычислительные процессы становятся сложными, как, например, модели мировой экономики или человеческие умы, они становятся невозможным для людей с психическими имитации без компьютеров. 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. Измерение характеристик естественный процесс познания о чем свидетельствует человеческого мозга становятся более многочисленными, недавно; ним относятся: fMRI, ЭЭГ, MEG, PET, fNIRS и другие. In addition, secondary external natural features include: EKG, EMG, GSR, and others. Кроме того, вторичные внешние природные особенности включают в себя: ЭКГ, ЭМГ, GSR, и другие. The ability to reflect on causal dependency traces of a computational process allows two things: Способность подумать о причинной зависимости следы вычислительного процесса позволяет две вещи: 1. 1. Begin mapping natural features to and from computational features. Начало картографирование природных особенностей и из вычислительных возможностей. 2. 2. Begin designing novel causal reflection models of cognition and learning. Начало разработки новых моделей, анализа причинно-познания и обучения. While natural cognitive features are abundant, providing a wealth of natural data, useful computational features have been more illusive. Хотя природные когнитивные функции изобилии, обеспечивая богатство природных данных, полезные вычислительные функции были более illusive. Examples of the most basic computational features include: (1) memory creation , (2) memory read , and (3) memory write . Примеры самые основные вычислительные возможности включают: (1) памяти, творчества, (2) следующего содержания памяти, и (3) память писать. Tracing all causal relationships between these basic features allows tracing the context of all other programmer-defined semantic abstractions . Отслеживание всех причинно-следственных связей между этими базовыми позволяет отслеживать контексте всех других программист определенные семантические абстракции. All of these computational features create an intricate trace network of dependencies, automatically traceable and shared by many parallel threads of execution. Все эти вычислительные функции создания сложных следов сеть зависимостей, автоматически отследить и разделяют многие параллельные нитки исполнения. 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. Мы экспериментировать с языком программирования [см.: Funk2 проекта], что позволяет отслеживать причинно произойти modularly динамически выбранной части крупных потребителей программного обеспечения масштаба проектов. The resulting causal dependency trace networks can be processed by critically causal reflective threads. В результате зависимость проследить причинно-сети могут быть обработаны критически отражать причинно-нитей. Discovering more useful types of causal reflective threads for cognitive models of human learning in complex nontrivial environments is one of our goals. Нахождение более полезными видами причинно светоотражающими нитей для когнитивные модели человеческого обучения в сложных средах с нетривиальной является одной из наших целей. Example: Nontrivial Natural System Пример: нетривиальной природной системы Natural Природные Features: Особенности: fMRI, EEG, ЭЭГ, MEG, PET, fNIRS, EKG, ЭКГ, EMG, ГРП, GSR, etc. т.д. Example: Nontrivial Cognitive Architecture Пример: Познавательная нетривиальной архитектуры Preferentially Ordered Declarative Goal Structures Заказные преимущественно декларативный цели структур A dynamic goal structure distributed throughout a network of Динамичные цели структуру распределенных по всей сети interconnected parallel problem solving resources. взаимосвязанных параллельно решать проблемы ресурсов. Imagined Plans: Cooperative Subgoal Collections Воображаемых планов: совместные Subgoal коллекций Collections of sufficient subgoal conditions for comprising modular Коллекции subgoal достаточные условия для составе модульных components of the overall distributed declarative structure. компонентов распределенных декларативный общей структуре. Memoized Mental Resource Simulators Memoized психических ресурсов тренажеры Each actor's execution can be memoized dependent on goal structure Каждый актер в исполнение может быть memoized зависит от цели структура context, which can be used for simulation without external effects. контексте, который может быть использован для моделирования без внешних эффектов. Traceable Compiled Mental Resource Actors Составлено отследить психических ресурсов субъектов Each sequential effect of these traceable actor is recorded, such that Каждое последовательное воздействие этих отследить актер записывается, так что if any error occurs debugging processes can know which parts are responsible. если таковые имеются ошибки отладки процессов может знать, какие части несут ответственность. Trusted Compiled Mental Resource Actors Доверенный составлено психических ресурсов субъектов Repeated successful execution of traceable actors results in the Повторные успешного исполнения субъектами отследить результаты в creation of trusted actors—optimized and compiled for efficient execution создание надежных субъектов-оптимизированы и скомпилированные для эффективного исполнения PERCEIVE and ACT Воспринимать и ACT Natural biological humans and Природные биологические людей и their very complex brains can их очень сложный мозг может act within similar behavioral действовать в рамках аналогичного поведения experiments as human-designed экспериментах в качестве человека, направленных computational models of вычислительных моделей intelligence (AI models). интеллект (МА модели). Example: Nontrivial Cognitive Environment Пример: нетривиальной познавательных окружающей среды PERCEIVE and ACT Воспринимать и ACT Human-designed computational Права разработанных вычислительных models of intelligence (AI моделями интеллекта (МА models) can interact with моделей), может взаимодействовать с simulated problem моделирование проблемы environments of nontrivial сред нетривиальных complexity. сложности. Many features of natural processes can be measured, but it is currently difficult to correlate these features with complex models. Многие черты природных процессов может быть измерена, но она в настоящее время сложно соотнести эти черты со сложными моделями. 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. Часть проблемы корреляции сложных природных систем с компьютерной модели заключается в том, что очень мало возможностей вычислительных процессов в настоящее время возможность их измерить. We are writing an experimental programming language [see Funk2 Project ] for the explicit purpose of measuring all causally dependent computational features of the process. Мы обращаемся экспериментальный язык программирования [см. Funk2 проектов] для целей прямого измерения всех причинно-зависимых вычислительных особенностей процесса. 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?" С помощью этих новых отражающими причинно-вычислительных методов, находя более точной и подробной вычислительных моделей физических процессов, будет ближе к реальности, поскольку тогда мы будем в момент, когда мы можем задать вопрос: "Какие типы вычислений хорошие объяснения этого стихийного процесс? " Causal reflective critics help a planner to learn to plan through run-time experience. Причинно светоотражающими критиков планировщик поможет научиться планировать через время выполнения опыта. Cooperative Resource Selector Learners Совместная ресурс Selector учащихся As goals are often pursued and accomplished together Как целей зачастую реализуется и добиться вместе these groups can be recognized and remembered for future эти группы могут быть признаны и помнить за будущее planning deliberative simulations. планирование совещательного моделирования. History Writers История писателей Patterns in traces can be recognized and compiled into Характерные следы могут быть признаны и обобщены в simpler representations for other critics to process. простых представлений для других критиков этого процесса. For В example, all causal dependencies relevant to accomplish a Например, все причинной зависимости, касающихся выполнения specific goal can be compiled for quick retrieval later. конкретная цель может быть собрана для быстрого поиска позже. Conflicting Resource Allocation Learners Конфликтующие распределения ресурсов обучающихся As conflicts are between groups of goals, these Как конфликты между группами задач, эти goals can be learned to be within mutually exclusive цели могут быть научился быть взаимоисключающими allocation sets. распределение наборов. These MUTEXes can be learned critically Эти мьютексов можно научиться критически through run-time feedback. счет во время обратной связи. Resource Conflict Blame Arbiters Ресурсный конфликт обвинять арбитров If there is a problem attempting to allocate a lower-level Если есть проблема пытаются выделить более низкого уровня resource for two independent threads of execution, a critic ресурсом для двух независимых потоков исполнения, критик may attempt to discover what two subgoals are to blame может попытаться обнаружить, какие две subgoals должны винить for this unanticipated interaction. неожиданно для этого взаимодействия. Problem Distribution Balance Learner Проблема распределения баланса ученика Many resources are limited, forcing the serial execution of Многие ресурсы ограничены, что вынуждает серийного исполнения some goals. некоторых целей. We can recognize that some combinations of Мы можем признать, что некоторые комбинации goals are better than others for either optimal resource целей лучше, чем другие, либо для оптимального ресурса distribution or a minimal time until goal completion. распространение или минимальное время до тех пор, пока цель завершения. Pointless Process Recognizer Бессмысленно процесс Recognizer If there is a process that executes and ultimately has no Если есть процесс, который запускает и в конечном счете не имеет effect toward accomplishing the goals of the system, note воздействие на достижение целей системы, примечание that these processes did not need to be executed in the что эти процессы не должны быть выполнены в first place. первое место.

Neural Models of Mind Publications Нейронные модели виду Публикации

Neural Models of Mind Media Presentations Нейронные модели внимание средств массовой информации Презентации

Neural Models of Mind Developers Нейронные модели мышления разработчиков

λ