The first human-electrinic creature: Cremino.rita.pizzi
The presentation describes how to interface a network of human neurons to electronics, make them learn and answer commands. The name of this first hybrid human-electronic creature is "Cremino".
The first human-electrinic creature: Cremino.rita.pizzi
The presentation describes how to interface a network of human neurons to electronics, make them learn and answer commands. The name of this first hybrid human-electronic creature is "Cremino".
La valutazione neuropsicologica è uno strumento elettivo che si sta diffondendo atto ad evidenziare in maniera descrittiva lo stato del nostro encefalo, e quindi utile per poter prevedere interventi che possano rallentare il decadimento cognitivo.
Un Seminario pratico, che si pone nell’ottica di mostrare quanti nuovi sbocchi ci siano per lo psicologo che sceglie di lavorare nel mondo dell’anziano
Un Seminario pratico, che si pone nell’ottica di mostrare quanti nuovi sbocchi ci siano per lo psicologo che sceglie di lavorare nel mondo dell’anziano
Tesi laurea Cristian Randieri: TECNICHE DI SOFT COMPUTING PER LA MODELLISTICA...Cristian Randieri PhD
L’approccio classico nella modellizzazione matematica della realtà fisica si basa sull’utilizzo di leggi che descrivono il comportamento del sistema in studio. Tali leggi si esprimono generalmente nella imposizione di condizioni di equilibrio di forze agenti su parti infinitesime del sistema in esame. Le equazioni che così si ricavano sono tipicamente equazioni differenziali alle derivate parziali. Tali modelli però risultano molto complessi e di difficile applicazione quale ad esempio nella previsione degli inquinanti atmosferici. Pertanto molte delle volte non riescono a dare dei risultati in piccola scala ma si riferiscono ad osservazioni macroscopiche del sistema in esame.
Nell’ultimo decennio sono nate alcune tecniche diverse da quelle convenzionali di tipo analitico, per la modellizzazione di sistemi fisici. Ci si riferisce alle tecniche di relative alla fuzzy logic, alle reti neurali artificiali, alle tecniche di ottimizzazione globale (ad esempio algoritmi di ottimizzazione globale ed evoluzionistici) e ai sistemi distribuiti non lineari (ad esempio le CNN) che messe assieme originano una metodologia denominata Soft Computing. Esso mira a fondere in modo sinergico i differenti aspetti delle varie discipline al fine di implementare sistemi ibridi che riescono a fornire soluzioni innovative nei settori più svariati della scienza.
Nel presente lavoro si portano due applicazioni di uso scientifico che fanno uso di tecniche di Soft Computing. La prima si riferisce alla previsione della concentrazione di particolari inquinanti atmosferici quali O3, NMHC, NO2 e NOx . La seconda, mira invece a risolvere un problema pratico di conteggio di oggetti a partire da immagini, nella fattispecie verrà descritta l’implementazione si un sistema per la conta di cellule e batteri mediante l’uso delle reti neurali cellulari (CNN).
La valutazione neuropsicologica è uno strumento elettivo che si sta diffondendo atto ad evidenziare in maniera descrittiva lo stato del nostro encefalo, e quindi utile per poter prevedere interventi che possano rallentare il decadimento cognitivo.
Un Seminario pratico, che si pone nell’ottica di mostrare quanti nuovi sbocchi ci siano per lo psicologo che sceglie di lavorare nel mondo dell’anziano
Un Seminario pratico, che si pone nell’ottica di mostrare quanti nuovi sbocchi ci siano per lo psicologo che sceglie di lavorare nel mondo dell’anziano
Tesi laurea Cristian Randieri: TECNICHE DI SOFT COMPUTING PER LA MODELLISTICA...Cristian Randieri PhD
L’approccio classico nella modellizzazione matematica della realtà fisica si basa sull’utilizzo di leggi che descrivono il comportamento del sistema in studio. Tali leggi si esprimono generalmente nella imposizione di condizioni di equilibrio di forze agenti su parti infinitesime del sistema in esame. Le equazioni che così si ricavano sono tipicamente equazioni differenziali alle derivate parziali. Tali modelli però risultano molto complessi e di difficile applicazione quale ad esempio nella previsione degli inquinanti atmosferici. Pertanto molte delle volte non riescono a dare dei risultati in piccola scala ma si riferiscono ad osservazioni macroscopiche del sistema in esame.
Nell’ultimo decennio sono nate alcune tecniche diverse da quelle convenzionali di tipo analitico, per la modellizzazione di sistemi fisici. Ci si riferisce alle tecniche di relative alla fuzzy logic, alle reti neurali artificiali, alle tecniche di ottimizzazione globale (ad esempio algoritmi di ottimizzazione globale ed evoluzionistici) e ai sistemi distribuiti non lineari (ad esempio le CNN) che messe assieme originano una metodologia denominata Soft Computing. Esso mira a fondere in modo sinergico i differenti aspetti delle varie discipline al fine di implementare sistemi ibridi che riescono a fornire soluzioni innovative nei settori più svariati della scienza.
Nel presente lavoro si portano due applicazioni di uso scientifico che fanno uso di tecniche di Soft Computing. La prima si riferisce alla previsione della concentrazione di particolari inquinanti atmosferici quali O3, NMHC, NO2 e NOx . La seconda, mira invece a risolvere un problema pratico di conteggio di oggetti a partire da immagini, nella fattispecie verrà descritta l’implementazione si un sistema per la conta di cellule e batteri mediante l’uso delle reti neurali cellulari (CNN).
Extended summary of "A Conceptual Bio-Inspired Framework for the Evolution of Artificial General Intelligence"
1. Extended Summary of "A Conceptual Bio-
Inspired Framework for the Evolution of
Artificial General Intelligence"
Sidney PontesSidney Pontes-Filho∗,† and Stefano Nichele∗,‡ Department of Computer Science, Oslo Metropolitan
University, Oslo, Norway †Department of Computer Science, Norwegian University of Science and Technology, Trondheim,
Norway ‡Department of Holistic Systems, Simula Metropolitan, Oslo, Norway
Relatore:
Prof. Ing.
ERIC MEDVET
Presentata da:
NICOLETTA
GIURGEVICH
Dipartimento di Ingegneria e Architettura
Corso di Laurea Triennale in Ingegneria Elettronica ed Informatica
2. Evoluzione Intelligenza Artificiale Generale (AGI)
Abilità agente di apprendere compiti intellettuali che essere umano può svolgere
Comprensione stimoli sensoriali esterni
Cervello è complessa macchina computazionale
Selezione organismi che riconoscono e distinguono stimoli che influiscono
positivamente/negativamente su sopravvivenza e riproduzione
Adattamento ambienti mutevoli e di complessità crescente
Introduzione
3. "Autoapprendimento" mediante personificazione
Ambiente in continua mutazione
Evoluzione topologie reti neurali → NeuroEvoluzione
Neurone
artificiale
Agenti che "imparino ad imparare”
Verosimile in senso biologico
Basato su Spike
Con algoritmi di apprendimento
4. Approcci dello studio all’Intelligenza Artificiale
SNN: "Reti neurali basate sugli Spike"
Insieme neuroni artificiali che comunicano con scariche elettriche (Spike)
che si creano al raggiungimento di valore soglia del potenziale d’azione
NEAT : "NeuroEvoluzione delle Topologie Incrementali"
Usa algoritmi genetici "GA" per accrescimento dimensioni topologiche reti
neurali artificiali e “complessificazione” (senza supervisione)
Caratteristiche ambiente (statico non dinamico)
Lavori
correlati Modalità apprendimento (non autonomo)
5. Approfondimento concetti fondamentali studio
Autoapprendimento tramite personificazione
Tramite reazioni ambiente e input comprendenti ricompense e penalità
Ambienti reattivi e mutevoli
Interazioni vicendevoli agente-ambiente
Obiettivo evoluzionistico agenti è sopravvivere adattandosi
ai continui cambiamenti dell’ambiente
Neuroplasticità
Cambiamenti nell’organizzazione e nella struttura dei neuroni
6. Obbiettivi dello studio
Imitazione evoluzione e capacità di adattamento degli organismi
biologici tramite Intelligenza Artificiale Generale
Modello: neurone artificiale integrato in rete neurale basata su
scariche dette "Spike"
Risultato atteso: possedere topologia che favorisca abilità di
”imparare ad imparare” e conseguente adattamento
7. Aspettativa vita agenti per valutazione di stato agente
e sua capacità adattamento
Ridotta più velocemente → azioni non corrette → penalità
Aspettativa vita massima non infinita anche se esegue sempre azione corretta
Ridotta meno velocemente → azioni corrette → ricompense
8. In conclusione
Articolo da descrizione romanzata di “NeuroEvoluzione
dell’Intelligenza Artificiale Generale" nella più semplice forma
Adattamento agenti risultato di autoapprendimento tramite personificazione
mediante percezione input sensoriali dei dati ambientali
All’interno già incorporate gratificazioni e penalità
In seguito discorso esteso ad ambienti di complessità crescente e multi-agente
Differenza tra IA e AGI capacità apprendimento