Помощь студентам в учебе
ВЫСОКОУРОВНЕВАЯ РЕАЛИЗАЦИЯ ЭМОЦИОНАЛЬНЫХ СОСТОЯНИЙ МОЗГА НА ОСНОВЕ СЕРОТОНИНОВОЙ ПОДСИСТЕМЫ НЕЙРОННОЙ ИМПУЛЬСНОЙ СЕТИ
|
ВВЕДЕНИЕ 3
1. ИНТЕЛЛЕКТУАЛЬНЫЙ АГЕНТ КАК НОСИТЕЛЬ ЭМОЦИОНАЛЬНЫХ
СОСТОЯНИЙ 6
1.1. Эмоции в искусственном интеллекте 6
1.2. Подход к реализации эмоциональных вычислений внутри
интеллектуального агента 8
2. ТЕОРЕТИЧЕСКАЯ ОСНОВА ДЛЯ РЕАЛИЗАЦИИ БИОИНСПИРИРОВАННОЙ МОДЕЛИ СЕРОТОНИНОВОЙ ПОДСИСТЕМЫ НЕЙРОННОЙ ИМПУЛЬСНОЙ СЕТИ 11
2.1. Биологический нейрон как основной компонент биологической
нейронной сети 11
2.2. Серотонин и его функции в биологической нейронной сети 14
2.3. Нейронные импульсные сети 23
2.4. Описание высокоуровневой архитектуры серотониновой подсистемы
нейронной импульсной сети мозга млекопитающего 28
3. РЕАЛИЗАЦИЯ ВЫСОКОУРОВНЕВОЙ МОДЕЛИ СЕРОТОНИНОВОЙ
ПОДСИСТЕМЫ В NEST INITIATIVE 33
3.1. NEST (NEural Simulation Tool) 33
3.2. Результаты реализованной модели 34
ЗАКЛЮЧЕНИЕ 36
СПИСОК ЛИТЕРАТУРЫ
1. ИНТЕЛЛЕКТУАЛЬНЫЙ АГЕНТ КАК НОСИТЕЛЬ ЭМОЦИОНАЛЬНЫХ
СОСТОЯНИЙ 6
1.1. Эмоции в искусственном интеллекте 6
1.2. Подход к реализации эмоциональных вычислений внутри
интеллектуального агента 8
2. ТЕОРЕТИЧЕСКАЯ ОСНОВА ДЛЯ РЕАЛИЗАЦИИ БИОИНСПИРИРОВАННОЙ МОДЕЛИ СЕРОТОНИНОВОЙ ПОДСИСТЕМЫ НЕЙРОННОЙ ИМПУЛЬСНОЙ СЕТИ 11
2.1. Биологический нейрон как основной компонент биологической
нейронной сети 11
2.2. Серотонин и его функции в биологической нейронной сети 14
2.3. Нейронные импульсные сети 23
2.4. Описание высокоуровневой архитектуры серотониновой подсистемы
нейронной импульсной сети мозга млекопитающего 28
3. РЕАЛИЗАЦИЯ ВЫСОКОУРОВНЕВОЙ МОДЕЛИ СЕРОТОНИНОВОЙ
ПОДСИСТЕМЫ В NEST INITIATIVE 33
3.1. NEST (NEural Simulation Tool) 33
3.2. Результаты реализованной модели 34
ЗАКЛЮЧЕНИЕ 36
СПИСОК ЛИТЕРАТУРЫ
Актуальной темой современного искусственного интеллекта является создание интеллекта, максимально схожего с человеческим. В связи с этим имеет место тема эмоциональных машин и их сознания. По моему мнению, вычислительные системы должны стать гибкими, должны самоадаптироваться, самообучаться и саморазвиваться, как человеческий мозг. Роль эмоций в эволюции естественного интеллекта велика [1], искусственный интеллект за неимением таковых многое упускает в этом отношении: в нём невозможно воспроизвести многие действия, связанные с эмоциональным состоянием человека. Ученым из области искусственного интеллекта активно помогают когнитивные нейробиологи, психологи и философы. Оказалось, что способность человека быстро принимать решения связана с тем, что информация в нашем мозге имеет эмоциональный окрас, мы часто принимаем решения просто под воздействием того или иного эмоционального импульса. Однако это совсем не так в современных вычислительных системах. В результате, возникает проблема, что роботизированные системы или системы искусственного интеллекта не могут проявлять эмоции и оказываются нежизнеспособными в условиях реального мира.
Имеет место предположение, что построить это сложное сознание, смоделировать сложное социальное поведение возможно с применением эмоционального подхода. В книге «The Emotion Machine» Марвина Ли Мински, американского ученого в области искусственного интеллекта, описывается значимость эмоционального процесса для создания сильного искусственного интеллекта с зачатками самосознания, что подчёркивает актуальность этой темы. Психоэмоциональный подход позволит интеллектуальному агенту осмысленно переключаться с одной задачи на другую, регулируя при этом вычислительную нагрузку. Адаптация в окружающей среде интеллектуального агента, наделенного эмоциями, будет проходить быстрее, нежели адаптация безэмоциональной машины.
В лаборатории машинного понимания Высшей школы ИТИС КФУ ведутся исследования по направлению Affective Computing - воспроизведение человеческих эмоций в вычислительных машинах. Было выявлено, что на основе открытия восьми основных эмоциональных аффектов Томкинса [4] и развития математических моделей биологических нейронов имеется возможность воспроизвести эмоциональные состояния, зафиксированные как основные в “Кубе эмоций” Лёвхейма [5]. Наша гипотеза состоит в том, что на основе результатов симуляций серотониновой подсистемы нейронной импульсной сети мозга мы сможем вывести влияние этого нейромодулятора на параметры вычислительной системы, такие как вычислительная мощность, обучение, мотивация системы (повышенная вычислительная мощность) и др. Выведенные параметры и их относительные изменения позволят проанализировать теоретические обоснования, сделанные в статье о когнитивной архитектуре на основе куба Лёвхейма [6].
Основным объектом работы является воссоздание естественных эмоциональных состояний и процессов в вычислительной архитектуре.
Целью дипломной работы является приближение к вычислительным эмоциям за счет реализации нейромодуляции одного из нескольких моноаминовых нейромедиаторов, а именно серотонина.
Для достижения цели, поставленной в данной работе, необходимо решить следующие задачи:
• изучить суть и поведение биологического нейрона;
• использовать импульсные нейронные сети как модель биологической нейронной сети;
• проанализировать данные о серотониновой нейромодуляции для реализации части эмоционального цикла при помощи импульсных нейронных сетей;
• реализовать высокоуровневую модель, которая отражает пути распространения серотонина в мозге, согласно результатам современных исследований в нейробиологии;
• провести пробную симуляцию серотониновой подсистемы во фреймворке «Nest Initiative».
Имеет место предположение, что построить это сложное сознание, смоделировать сложное социальное поведение возможно с применением эмоционального подхода. В книге «The Emotion Machine» Марвина Ли Мински, американского ученого в области искусственного интеллекта, описывается значимость эмоционального процесса для создания сильного искусственного интеллекта с зачатками самосознания, что подчёркивает актуальность этой темы. Психоэмоциональный подход позволит интеллектуальному агенту осмысленно переключаться с одной задачи на другую, регулируя при этом вычислительную нагрузку. Адаптация в окружающей среде интеллектуального агента, наделенного эмоциями, будет проходить быстрее, нежели адаптация безэмоциональной машины.
В лаборатории машинного понимания Высшей школы ИТИС КФУ ведутся исследования по направлению Affective Computing - воспроизведение человеческих эмоций в вычислительных машинах. Было выявлено, что на основе открытия восьми основных эмоциональных аффектов Томкинса [4] и развития математических моделей биологических нейронов имеется возможность воспроизвести эмоциональные состояния, зафиксированные как основные в “Кубе эмоций” Лёвхейма [5]. Наша гипотеза состоит в том, что на основе результатов симуляций серотониновой подсистемы нейронной импульсной сети мозга мы сможем вывести влияние этого нейромодулятора на параметры вычислительной системы, такие как вычислительная мощность, обучение, мотивация системы (повышенная вычислительная мощность) и др. Выведенные параметры и их относительные изменения позволят проанализировать теоретические обоснования, сделанные в статье о когнитивной архитектуре на основе куба Лёвхейма [6].
Основным объектом работы является воссоздание естественных эмоциональных состояний и процессов в вычислительной архитектуре.
Целью дипломной работы является приближение к вычислительным эмоциям за счет реализации нейромодуляции одного из нескольких моноаминовых нейромедиаторов, а именно серотонина.
Для достижения цели, поставленной в данной работе, необходимо решить следующие задачи:
• изучить суть и поведение биологического нейрона;
• использовать импульсные нейронные сети как модель биологической нейронной сети;
• проанализировать данные о серотониновой нейромодуляции для реализации части эмоционального цикла при помощи импульсных нейронных сетей;
• реализовать высокоуровневую модель, которая отражает пути распространения серотонина в мозге, согласно результатам современных исследований в нейробиологии;
• провести пробную симуляцию серотониновой подсистемы во фреймворке «Nest Initiative».
Практическим взглядом на проблему невозможности проявления эмоций робототехническими системами являются классификация эмоций человека и удобный интерфейс между пользователем и роботом. Именно на эти аспекты опираются теоретические исследования в направлении Affective Computation.
По мере развития когнитивных наук и взаимосвязи между ними стало возможным построить модель нейробиологических процессов, присущих живому организму, и их связи с психологическими явлениями. Эта модель - шаг к тому, что машина станет интеллектуальным агентом, который может прочувствовать ту или иную эмоцию.
За основу базовых эмоций в рамках данной работы были взяты 8 базовых аффектов, раскрытых Сильвеном Томкинсом, а также модель Лёвхейма «Куб эмоций», который показывает, как пересекаются когнитивная нейробиология и психология в рамках проблемы эмоций вычислительных машин. В эмоциональном кубе использованы 8 выше упомянутых базовых аффектов и три нейромедиатора, моделирующие процессы в мозге. Модель показывает зависимость эмоции от содержания нейромедиатора в мозге.
В данной работе была рассмотрена одна из подсистем нейронной сети мозга - серотониновая подсистема. Низкое содержание серотонина влечет за собой депрессию. Поэтому, возможно, что моделирование этой системы позволит в будущем использовать вычислительную машину для экспериментов, связанных с моделированием депрессивных состояний и избавления от них.
В рамках работы, во-первых, было доказано, что для моделирования биологической нервной системы наиболее подходящими являются искусственные нейронные сети третьего поколения, а именно импульсные нейронные сети. Во-вторых, проведена аналогия серотониновой биологической нейронной сети с искусственной нейронной сетью на основе материалов в большинстве зарубежных и некоторых российских ученых-исследователей в области нейробиологии, психологии, искусственного интеллекта и других когнитивных наук. В-третьих, построена модель поведения нейронной сети под воздействием серотонина. В четвертых, проведена тестовая симуляция высокоуровневой модели серотониновой подсистемы нейронной импульсной сети мозга млекопитающего, в частности крысы, во фреймворке для симуляций нейронных сетей “NEST”.
Итогом исследования стало написание двух статей по тематике работы:
- «Интегрированный прототип эмоциональных состояний мозга на основе дофаминовой, серотониновой и норадреналиновой подсистем импульсной нейронной сети» в соавторстве с А. Леухиным, А. Магановой и Д. Седленко для сборника научных статей Казанского федерального университета;
- Max Talanov, Jordi Vallverd u, Bin Hu, Philip Moorec, Alexander Toschev, Diana Shatunova, Anzhela Maganova, Alexey Leukhin, Denis Sedlenko «Emotional simulations and depression diagnostics» для участия в конференции BICA.
Таким образом, данное исследование стало отправной точкой для валидации одной из осей куба эмоций Лёвхейма. А это, в свою очередь, позволит реализовать полную биоинспирированную нейронную сеть, которая отразит эмоциональные процессы так, как они устроены у человека. Добавив интеллектуальному агенту Emergent-системы эмоциональную основу, человечество сможет наблюдать в своём мире автономную, сознательную, накапливающую опыт робототехническую машину.
По мере развития когнитивных наук и взаимосвязи между ними стало возможным построить модель нейробиологических процессов, присущих живому организму, и их связи с психологическими явлениями. Эта модель - шаг к тому, что машина станет интеллектуальным агентом, который может прочувствовать ту или иную эмоцию.
За основу базовых эмоций в рамках данной работы были взяты 8 базовых аффектов, раскрытых Сильвеном Томкинсом, а также модель Лёвхейма «Куб эмоций», который показывает, как пересекаются когнитивная нейробиология и психология в рамках проблемы эмоций вычислительных машин. В эмоциональном кубе использованы 8 выше упомянутых базовых аффектов и три нейромедиатора, моделирующие процессы в мозге. Модель показывает зависимость эмоции от содержания нейромедиатора в мозге.
В данной работе была рассмотрена одна из подсистем нейронной сети мозга - серотониновая подсистема. Низкое содержание серотонина влечет за собой депрессию. Поэтому, возможно, что моделирование этой системы позволит в будущем использовать вычислительную машину для экспериментов, связанных с моделированием депрессивных состояний и избавления от них.
В рамках работы, во-первых, было доказано, что для моделирования биологической нервной системы наиболее подходящими являются искусственные нейронные сети третьего поколения, а именно импульсные нейронные сети. Во-вторых, проведена аналогия серотониновой биологической нейронной сети с искусственной нейронной сетью на основе материалов в большинстве зарубежных и некоторых российских ученых-исследователей в области нейробиологии, психологии, искусственного интеллекта и других когнитивных наук. В-третьих, построена модель поведения нейронной сети под воздействием серотонина. В четвертых, проведена тестовая симуляция высокоуровневой модели серотониновой подсистемы нейронной импульсной сети мозга млекопитающего, в частности крысы, во фреймворке для симуляций нейронных сетей “NEST”.
Итогом исследования стало написание двух статей по тематике работы:
- «Интегрированный прототип эмоциональных состояний мозга на основе дофаминовой, серотониновой и норадреналиновой подсистем импульсной нейронной сети» в соавторстве с А. Леухиным, А. Магановой и Д. Седленко для сборника научных статей Казанского федерального университета;
- Max Talanov, Jordi Vallverd u, Bin Hu, Philip Moorec, Alexander Toschev, Diana Shatunova, Anzhela Maganova, Alexey Leukhin, Denis Sedlenko «Emotional simulations and depression diagnostics» для участия в конференции BICA.
Таким образом, данное исследование стало отправной точкой для валидации одной из осей куба эмоций Лёвхейма. А это, в свою очередь, позволит реализовать полную биоинспирированную нейронную сеть, которая отразит эмоциональные процессы так, как они устроены у человека. Добавив интеллектуальному агенту Emergent-системы эмоциональную основу, человечество сможет наблюдать в своём мире автономную, сознательную, накапливающую опыт робототехническую машину.