Oriëntatie Kunstmatige Intelligentie. Filosofie en Architecturen voor Cognitie Niels Taatgen

Vergelijkbare documenten
Geest, brein en cognitie

Oriëntatie Kunstmatige Intelligentie. Inleidend College Niels Taatgen

De Syntax-Semantiekredenering van Searle

Kunstmatige intelligentie FILOSOFIE VAN DE KUNSTMATIGE INTELLIGENTIE. Sterke AI These. Zwakke AI These. Denken en redeneren in AI

The Multitasking Mind

Mens en machine. Gert-Jan Lokhorst

Connectionisme en het Chinese Room argument

Oriëntatie Kunstmatige Intelligentie

n filosofie n wetenschapsfilosofie n soorten wetenschap n filosofie van de informatica n inhoud college n werkwijze college

Inleiding Cognitiefilosofie. 18 april 2018 Elsbeth Brouwer

Eindexamen Filosofie havo I

Hoe oefen je grammatica? Liesbeth Schenk Sonja van Boxtel TUDelft, ITAV Nederlands voor buitenlanders

Sommige mensen claimen dat je alles op het internet kunt vinden. Maar dan moet je wel kunnen zoeken!!

Machinaal leren, neurale netwerken, en deep learning

Cognitief modelleren met behulp van representational redescription

- Denkt zoals een mens (activiteiten die we associëren met menselijk denken.)

De relevantie van het Symbolic Grounding Problem voor simulatie van menselijke cognitieve ontwikkeling

Marleen Schippers Bewustzijn en Handelen Eindopdracht 6 februari 2004

Intelligente Spelen. Pieter Spronck. TouW Informatica Symposium, Open Universiteit, Universiteit van Tilburg

Bijlagen Bacheloropleiding Kunstmatige Intelligentie. Bijlage I Eindtermen van de bacheloropleiding

Eindexamen filosofie havo I

Inleiding. Philosophy of Mind Structuuroverzicht Saartje Peeters. 1. Het reik der geesten Een inventaris van de geest. 1.2.

Anomaal Monisme vergeleken met behaviorisme en functionalisme

Kunnen machines denken?

Voor de beoordeling zijn de volgende passages van de artikelen 41, 41a en 42 van het Eindexamenbesluit van belang:

Eindexamen Filosofie havo I

Het computationeel denken van een informaticus Maarten van Steen Center for Telematics and Information Technology (CTIT)

DUALISME. René Descartes ( )

Voor de beoordeling zijn de volgende passages van de artikelen 41, 41a en 42 van het Eindexamenbesluit van belang:

Tot dusverre hebben we telkens een bepaalde opvatting over de geest besproken en ons

filosofie vwo 2015-II

Bijlagen gentie. Bijlage. Bijlage. Bijlage - - vakgebied. Educatie en. Major van. Minor van

Computing machinery and Intelligence. A. M. Turing. Samengevat door: Matthijs Melissen

Hersenschimmen. Jan Sleutels

filosofie vwo 2016-II

filosofie Het IK en de vrije wil zin en onzin

College 6: Skills. Anderson, hoofdstuk 9 Ingmar Visser

Presentatie Michiel. Informaticastage najaar 2004

Leren Filosoferen. Zevende avond

Bijlagen bacheloropleiding Kunstmatige Intelligentie

Kunstmatige intelligentie

Kennis en kenniswerk

robot de mogelijkheid van artificieel leven De groeiende Stefan Jansen M.M.V. Johan Wagemans

Materie en geest. Grenzen aan het fysische wereldbeeld. Gerard Nienhuis. Universiteit Leiden. Workshop Conferentie SCF, 20 januari 2018

Waarmaken van Leibniz s droom

Examen HAVO. filosofie

Excerpt. Douglas R. Hofstadter, The Turing Test: A Coffeehouse Conversation. G.J.E. Rutten

Waarmaken van Leibniz s droom

Minder Big data Meer AI.

Gedrag, hersenen en deeltjes

Eindexamen vwo filosofie 2013-I

Expertsystemen hebben nog heel wat te leren Niels Taatgen

Wijsgerige antropologie:

Overzicht van vandaag. Filosofie van de geest: WB3027 Joel Anderson ( , blok 2) Het other minds probleem. Het argument from analogy

recapitulatie 1.1 Voorlopige karakterisering van bewustzijn

1. Film Ups en downs die zich afspelen in je leven van alledag.

start -> id (k (f c s) (g s c)) -> k (f c s) (g s c) -> f c s -> s c

Correctievoorschrift HAVO. filosofie

Eerst even een testje

De Hersenen. Historisch Overzicht. Inhoud college de Hersenen WAT IS DE BIJDRAGE VAN 'ONDERWERP X' AAN KUNSTMATIGE INTELLIGENTIE?

Personiceren van stemmen met Deep Learning

Het lichaam-geest probleem

Informatie ophalen uit het Alfabet

Samenvatting Filosofie Wijsgerige antropologie

Opgave 1: Vrije wil als zelfverwerkelijking

Er is geen grotere rijkdom dan wijsheid, geen grotere armoede dan onwetendheid [..]

Points:1 (Extra Credit) Wat is een goede reden om ervan uit te gaan dat categorisatie vaak niet plaats Question vindt op basis van definities?

irregular verbs onregelmatige werkwoorden

Gelijke kansen met cultuur(onderwijs) Barend van Heusden Kunsten, Cultuur en Media Rotterdam, 2 november 2017

Logische Complexiteit

BEWUSTZIJN GEEST BEWUSTE GEEST DENKEN BEWUST-DENKEN

Helden van de wiskunde: L.E.J. Brouwer Brouwers visie vanuit een logica-informatica perspectief

De Syntax-Semantiekredenering van Searle

Eliminative Materialism and the Propositional Attitudes

Kunstmatige Intelligentie. Informatica en Informatiekunde

Zwakke centrale coherentie en de Van Hiele niveaus

Vraag Antwoord Scores

1. Meervoudige realisatie als argument tegen MBIT

Waarom eliminativisme mij meer aanspreekt dan epifenomenalisme of funktionalisme

Kunstmatige intelligentie FILOSOFIE VAN DE KUNSTMATIGE INTELLIGENTIE. Sterke AI These. Zwakke AI These. Denken en redeneren in AI

von-neumann-architectuur Opbouw van een CPU Processoren 1 december 2014

IK, MIJ, ZELF. IDENTITEIT IN TIJDEN VAN HET INTERNET BEATE VOLKER, SOCIOLOGE, UVA BEATEVOLKER.NL

Leerbaarheid. Le ren. Overzicht. HersenletselCongres A5 Leerbaarheid: veel besproken, weinig onderzocht

Mensachtige robots Met de focus op denken

Leren Filosoferen. Zesde avond

Nederlandse samenvatting GABAerge neurotransmissie in de prefrontale cortex

Assembleren van het DNA van organismen uit miljoenen korte fragmenten

VOELEN WAT ER GEBEURT EEN KENNISMAKING MET ANTONIO DAMASIO

Het (on)meetbare brein

Oefeningen Interpretatie I Reeks 6 : Registermachines

PSYCHOLOGIE: BREIN EN COGNITIE

Cognitieve strategieën voor diepe verwerking en feedback

Duurzame escience. Bioinformatica case study. Pieter Meulenhoff, Daniël Worm, Freek Bomhof, George Huitema,

Proeftentamenvragen UE&UX Utrecht, 20 juni Disclaimer

Waarom is artificiële intelligentie niet zo succesvol geweest als we vroeger hoopte?

Niels Malotaux. 25 jaar West

11 oktober Maurice Jansen

Dit voorbeelduittreksel is te gebruiken bij het boek:

Smart Vision! Van Neuroscience naar Deep Learning (en terug) Sander Bohté CWI Life Sciences VIA AwesomeIT, April 10th 2015

Transcriptie:

Oriëntatie Kunstmatige Intelligentie Filosofie en Architecturen voor Cognitie Niels Taatgen

Inhoud Intelligentie Bewustzijn Gedrag Ziel Geest Mind Beliefs! Dualisme Monisme! Holisme Reductionisme Verklaring Hersencellen Neurotransmitters Chemische signalen

Inhoud Intelligentie Bewustzijn Gedrag Ziel Geest Mind Beliefs Syntactisch niveau Formeel niveau! Functionalisme! Fysicalisme! Superveniëntie! Turing Machine versus de Chinese Kamer Hersencellen Neurotransmitters Chemische signalen

Inhoud Intelligentie Bewustzijn Gedrag Ziel Geest Mind Beliefs Symbolen of Neurale netwerken of logica of dynamische systemen? Hersencellen Neurotransmitters Chemische signalen! Symbolisme! Neurale netwerken! Hybride Systemen! Dynamische systemen

Dualisme van Descartes! Lichaam en Geest zijn verschillende dingen! Lichaam is stoffelijk! Geest is niet-stoffelijk! Communiceert met het lichaam via de Pijnappelklier in de hersenen

Problemen met het Dualisme! Geest is moeilijk wetenschappelijk te bestuderen! Hoe communiceert iets niet-stoffelijks met iets stoffelijks?

Gelaagde werkelijkheid Organismen Cellen Moleculen Atomen Elementaire deeltjes

Vraag: kan dit ook met Lichaam en Geest?! Reductionisme: Elk niveau van beschrijving kan volledig verklaard worden vanuit het onderliggende niveau! Holisme: Het geheel is meer dan de som der delen

Allen Newell s voorstel Unit task (10 sec) Operations (1 sec) Cognitive Band Deliberate act (100 ms) Neural circuit (10 ms) Neuron (1 ms) Biological Band Organelle (100 µs)

Vraag! Is het nodig om alle niveaus tussen neuron en cognitie te doorlopen om cognitie te verklaren?! Volgens Turing (college 1) is dit niet nodig: principe van Universele Computatie

Turing s redenering Turing Machine Lambda Calculus Kat, muis & kaas Universele Machines Berekenbare Functie Turing Test Menselijke Intelligentie

Verklaring voor cognitie Intelligentie Bewustzijn Gedrag Ziel Geest Mind Beliefs Syntactisch niveau Formeel niveau Hersenen Turing Machine Lambda Calculus Computer

Multiple Realizability! Als het niet uitmaakt of intelligentie wordt voortgebracht door hersenen of een computer, dan lijkt het of het niet langer nodig is om de hersenen te bestuderen.! Dit idee ligt ten grondslag aan het Functionalisme

Een zonnig landschap! Is zonnig een eigenschap van de verf?! Het wordt wel veroorzaakt door de verf.

Functionalisme! Mentale eigenschappen (bewustzijn, intelligentie, etc.) worden veroorzaakt door Herseneigenschappen! Maar mentale eigenschappen zijn niet direct te verklaren vanuit herseneigenschappen! Boek: de geest superveniëert op het brein

Turing Machine Functionalisme! De menselijke geest wordt veroorzaakt door een computationeel proces, dat net zo goed door een computer uitgevoerd zou kunnen worden

Bezwaar: John Searle! Searle is het niet eens met deze stelling! Hij ontwikkelde het z.g. Chinese Kamer argument om aan te tonen dat een intelligente computer onmogelijk is

Chinese Kamer argument! De Turing Machine zou volgens het TM functionalisme intelligent moeten kunnen zijn, gegeven het juiste programma! Echter: je kunt de TM machine ook best met de hand simuleren

Chinese Kamer argument In Klad Papier Instructies Uit Code boek Code boek Code boek

Searle s redenering! Uit een formeel systeem (Searle refereert hiernaar als syntax ) kan nooit betekenis voortkomen ( semantics )! Maar Searle doet wel een beroep op ons voorstellingsvermogen, en dit is niet altijd even betrouwbaar (algemeen probleem van Gedachtenexperimenten)! Voorbeeld van Churchland: schudden van een magneet

Daniel Dennett! De eenheid van menselijk bewustzijn is een illusie! Vergelijk het met een mierencolonie

Wat is het juiste niveau? Intelligentie Bewustzijn Gedrag Ziel Geest Mind Beliefs Symbolen of Neurale netwerken of logica of dynamische systemen? Hersencellen Neurotransmitters Chemische signalen! Symbolisme zit heel dicht bij het gedrag! Connectionisme zit dicht bij de hersenen! Hybride systemen zoeken een compromis

Symbolisme: wat is een symbool?! Het begrip stoel heeft vele aspecten! Vorm! Functie! etc. om op te zitten 4 poten Stoel hout of plastic of metaal zitting Vier Stoelen

Symbolisme! Voordeel: Symbolen zijn makkelijk te gebruiken, vier stoelen is geen probleem! Oftwel: symbolen zijn productief! Nadeel: Een stoel is altijd hetzelfde, ook in een andere context

Connectionisme (neurale netwerken)! Symbolen zijn niet fundamenteel maar zijn opgebouwd uit kleinere stukjes (subsymbolen) Kop koffie + Rechtopstaand voorwerp waar iets in kan + Hete vloeistof Glas in aanraking met hout + Aangebrande geur Langwerpig zilveren voorwerp

Hybride systemen! Symbolen zijn fundamenteel, maar hebben subsymbolische aspecten! Voorbeeld: ACT-R heeft symbolen (chunks in declaratief geheugen), maar deze symbolen hebben een activatie, en hebben verbindingen met elkaar

Voorbeeld: het Verleden Tijd debat

Waar gaat het om? 100% Prop. correct Leeftijd Stage 1: break-broke Stage 2: break-breaked Stage 3: break-broke

Symbolische theorie! Regelmatige werkwoorden worden door een regel gerepresenteerd, en onregelmatige werkwoorden worden als uitzondering hierop onthouden! De U-vorm in het leren begint op het moment dat het kind de regel ontdekt Probleem! Hoe wordt die regel dan ontdekt?

Connectionistische Theorie! Alle kennis wordt op één manier gerepresenteerd, namelijk in een neuraal netwerk! De U-vorm wordt verklaard doordat het vocabulaire groeit Problemen! Regelmatige werkwoorden maken slechts 30% uit van het gebruik! Plotselinge groei in vocabulaire valt niet samen met begin van overgeneralisatie

Neuraal netwerk! Woorden worden gerepresenteerd in Wickelfeatures! Break wordt: bre rea eak Input bre rea eak wor ork ork wor bre rea eak ake ked Output

Neuraal netwerk! Het leren van sink/sank! en wink winked sin ink san ank win nke ked sin ink san ank win nke ked

Neuraal netwerk! Vraag het netwerk: wat is de verleden tijd van sink?! Nu gaat het nog goed, maar als we ook nog blink- blinked leren, en stink-stinked, dan gaat het fout sin ink san ank win nke ked sin ink san ank win nke ked

Probleem voor zowel symbolische als connectionistische modellen! Kinderen kunnen verleden tijden leren zonder dat ze feedback nodig hebben

Het hybride ACT-R model! Maakt gebruik van twee representaties: regels en voorbeelden! Het maken van een verleden tijd gebeurt door: Het in het geheugen opzoeken van het antwoord Het toepassen van de regel (voeg -ed toe aan de stam)

Aanname: onregelmatige werkwoorden hebben voordelen! Ze zijn vaak korter, dus dat is voordeliger om uit te spreken! Regelmatige werkwoorden zijn vaak phonetisch onregelmatig! Onregelmatige werkwoorden kunnen dus sneller zijn, maar je moet ze wel allemaal onthouden

Voordeel regelmatige werkwoorden! Is erg productief: je hebt maar één regel nodig om alle mogelijke werkwoorden te vervoegen

Wat is dus slimmer: regelmatig of onregelmatig?! Rationele analyse Hoogfrequente woorden komen vaak voor, dus die kunnen we wel onthouden Laagfrequente woorden komen zo weinig voor dat je beter een regel er op na kunt houden om ze allemaal te produceren

Hoe werkt het model: 4 strategieën! Probeer een verleden tijd uit het geheugen te halen! Gebruik analogie om een verleden tijd te maken uit een oud voorbeeld! Gebruik gewoon de stam als verleden tijd, dus doe gewoon niets! In het begin kent het model de regel (voeg ed toe) nog niet, maar zal deze later leren

Declarative Memory work work ed Environment (i.e., parents) break break ed break broke go went stem Current goal break break ed break?? past tense

Declarative Memory work work ed go break went broke break break ed Environment (i.e., parents) Strategy 1: Retrieval Current goal break??

Declarative Memory work work ed break break ed break broke go went Environment (i.e., parents) Strategy 1: Retrieval Current goal Popped goal strengthens declarative memory break broke

Declarative Memory work work ed go break went broke break break ed Environment (i.e., parents) Strategy 1: Retrieval Strategy 2: Do nothing Current goal break Yesterday break??

Declarative Memory work work ed go went Environment (i.e., parents) Strategy 1: Retrieval Strategy 2: Do nothing Strategy 3: Analogy (pattern matching) Current goal work work ed break? ed?

Declarative Memory work work ed go went Environment (i.e., parents) Strategy 1: Retrieval Strategy 2: Do nothing Strategy 3: Analogy (pattern matching) Current goal work work ed break break? ed?

De regel wordt geleerd door de analogie strategie te specialiseren Retrieve example Fill empty suffix slot with value from example Paste tense of work is work-ed Retrieve example Fill empty suffix slot with value from example Add -ed to stem Paste tense of work is work-ed Procedural Declarative

Wat gebeurt er met de strategieën! Opzoeken in het geheugen werkt in het begin niet zo goed, maar later wel.! Analogie is niet zo goed, want kostbaar (je moet meerdere denkstappen ondernemen)! De regelmatige regel, die pas later geleerd wordt, is wel goed, maar niet zo goed als opzoeken in het geheugen uiteindelijk wordt.

U-shaped learning

Emperical data Adam 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 1 0.9 0.8 0.7 Regular mark rate Sarah Overregularization 0.6 0 27 32 37 42 47 52 57 62 67 0.5 Age (months) 0.4 Regular mark rate Overregularization 0.3 0.2 0.1 0 27 32 37 42 47 52 57 62 67 Age (months)

Vocabulary growth Adam 300 250 200 150 Irregular Regular 100 50 Model 250 0 27 32 37 42 47 52 57 62 Age (months) 200 150 100 Irregular Regular 50 0 0 5 10 15 20 25 30 35 40 Simulation time (months)

Individual words Abe: Say Say 1 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0 24 29 34 39 44 49 54 59 Age (months) 0 0 10 20 30 40 50 60 70 80 Simulation time (months) 1 Abe: Win 1 Tear 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0 24 29 34 39 44 49 54 59 Age (months) 0 0 1 2 3 4 5 6 7 8 9 10 Simulation time (months)

Conclusies! Het hybride model lost een aantal problemen van zowel het symbolische als het connectionistische model! Het kan leren zonder feedback op de eigen productie! Het te generaliseren naar andere talen, bijvoorbeeld het Duitse meervoud