Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

How to create a mind(3章)

10,914 views

Published on

Published in: Technology
  • Be the first to comment

How to create a mind(3章)

  1. 1. HOW TO CREATE A MIND CHAPTER3 M2 山本昇平
  2. 2. CONTENTS 1. THOUGHT EXPERIMENTS ON THE WORLD 2. THOUGHT EXPERIMENTS ON THINKING 3. A MODEL OF THE NEOCORTEX: THE PATTERN RECOGNITION THEORY OF MIND 4. THE BIOLOGICAL NEOCORTEX 5. THE OLD BRAIN 6. TRANSCENDENT ABILITIES 7. THE BIOLOGICALLY INSPIRED DIGITAL NEOCORTEX 8. THE MIND AS COMPUTER 9. THOUGHT EXPERIMENTS ON THE MIND 10. THE LAW OF ACCELERATING RETURNS APPLIED TO THE BRAIN 11. OBJECTIONS
  3. 3. (大脳)新皮質 • 感覚認知(目に見えるものから抽象的な概念 までのあらゆるものの認知),動きの制御,空 間識から理性的な考え,言語,など私たちが 考えることと見なしてることを制御している.
  4. 4. 新皮質の基本成分はパターン認識器から成る • 人の新皮質には300億のニューロンが 存在する. • 約100ニューロンで1つのパターン認識 器を構成するので,計3億程度のパター ン認識器が存在する.
  5. 5. パターン認識器の構造 多入力 1出力 上位層 下位層 知覚情報 面白い,かわいい,皮肉な,など
  6. 6. 文字”A”の認識 APPLE PEAR
  7. 7. 単語”APPLE”の認識 APPLE パ タ ー ン
  8. 8. 実物のリンゴと音声の”apple”の認識 曲線縁 Curved edge 表面の色のパターン surface color patterns I just saw an actual apple. 「apple」 音の周波数の組合せ I just heard the spoken word ‘apple’. パ タ ー ン パ タ ー ン
  9. 9. 認識するパターンには冗長なものも含まれる • Keep in mind the redundancy factor. →単に”apple”に対するパターン認識器を持っているわけではない 冗長なものはリンゴのインスタンスとしての認識の成功率を上げているだけ でなく,現実世界のリンゴの変化も取り扱うことができる. The redundancy not only increases the likelihood that you will successfully recognize each instance of an apple but also deals with the variations in real- world apples. ※redundancy 余分,冗長 likelihood 可能性,尤度
  10. 10. あらゆる形状におけるリンゴの認識 APPLE
  11. 11. 入力には重要度があり,出力(認識する)には閾値が 存在する. パターン 認識器A パターン 認識器B パターン 認識器C パターン 認識器D 発火 firing 発火しない
  12. 12. 重要度の高い人物像 特徴的な外見
  13. 13. パターン認識器間の情報は下位にも流れる A認識器i APPLE認識器 P認識器i L認識器i E認識器i APPLE
  14. 14. 情報は下位にも流れる A認識器i APPLE認識器 P認識器i L認識器i E認識器i APPLE
  15. 15. 情報は下位にも流れる A認識器i APPLE認識器 P認識器i L認識器i E認識器i APPLE
  16. 16. 情報は下位にも流れる A認識器i APPLE認識器 P認識器i L認識器i E認識器i APPLE
  17. 17. 情報は下位にも流れる A認識器i APPLE認識器 P認識器i L認識器i E認識器i APPLE E認識器に対する 閾値を下げよ “APPL”を認識した段階で,現在 認識中のものは”APPLE”である と推測する
  18. 18. 推測はあらゆる階層で行われる • 最も高い概念レベルでは – 誰かが次に言おうとしていること – 次に角を曲がってくる人 – 自身の行動の結果に対して etc. 私たちは時に,予期されるパターンの閾値を下げすぎたた めに人や物事を誤認識する We often misrecognize people and things and words because our threshold for confirming an expected pattern is too law.
  19. 19. 閾値を上げる抑制信号も存在する • 概念レベルの低い例 – 髭を認識した時,その人が自分の妻であるという 見込みを抑制させる. • 概念レベルの高い例 – 自分の妻が旅行に行っていることを知っているの で,目の前の人が妻であるはずがない.
  20. 20. パターン認識モジュールのモデル 新皮質パターン認識モジュール 上位層からの 抑制信号 下位層からの 抑制信号 上位層からの 予測パターン サイズパラメータ (時間,距離,周 波数) 重要度 サイズの変動性 出力
  21. 21. パターン認識器を構築するためには? • 下位層からの入力に対する重要度,サイズ (次元の種類),サイズの変動性を考慮した全 体的な確率を計算する必要がある. 階層的隠れマルコフモデルの適用(7章)

×