Einführung. Martin V. Butz Psychologie III Universität Würzburg wuerzburg.de/teaching/kogsysss2008

Transkript

1 Kognitive Systeme Einführung Martin V. Butz Psychologie III Universität Würzburg wuerzburg.de/teaching/kogsysss2008 Cognitive Bodyspaces: Learning and Behavior Ziele der Vorlesung Verstehen von intelligenten Verhaltenssystemen, d.h. von Kognitiven Systemen Abstrahierung und Modellierung dieser Systeme zum Verständnis Design von besseren künstlichen, intelligenten Systemen Zwei grundsätzliche (sich ergänzende) Ansätze Neuronal psychologisch orientierter Ansatz Gehirnstrukturen und Verhalten analysieren Modelle bauen: Um die Struktur, Aufbau, Entwicklung und Verhalten zu verstehen; Um darauf basierend bessere künstliche kognitive Systeme zu bauen. Embodied Künstliche Intelligenz Ansatz Verstehen von Sensorisch Motorischen Körper Geist Interaktionen Analyse und Modellierung von intelligenten, morphologischen Körperstrukturen Analyse und Modellierung von einfachen, aber sehr komplexen, intelligenten Verhaltensmustern Hypothesen, Bauen & Testen, Hypothesanpassung, erweiterung, neugenerierung 1

2 Was Man Am Ende Wissen Soll Intelligenz hat viele Gesichter Körper und Geistsind sind ineinander verwoben Grundsätzliche modulare, vielschichtige Struktur / Aufbau unseres Gehirns Neuronale Informationsübertragung Sensorische Verarbeitungsstrukturen Motorische Kontrollstrukturen Sensomotorische Interaktion Überblick bl über Neuronale Netze und deren Eigenschaften Überblick und einzelne spezielle Modelle von Neuronalen Hirnstrukturen Intelligenten, kognitiven Verhaltensmechanismen Motivationen für diese Vorlesung Motivation für Forschung in diese Richtung Interdisziplinärer Forschungsansatz KOGNITIVE SYSTEME WARUM? 2

3 Motivation I: Traditioneller KI Ansatz weniger erfolgreich als gedacht Symbolische KI In den 1960ern, großer Hype Systeme intelligenter als der Mensch hin wenigen Jahrzenten Jh Erfolge Expertensysteme, Diagnosesysteme Planung in definierten Umgebungen Formale Umgebungen Schach und andere Spiele (1997, Kasparow Deep Blue: ) Logik Lösung zu abstrakten Problemen Misserfolge Sprachverstehen Flexible sich selbst bewegende Roboter Lernende Systeme Wenig Intelligenz, selbständiges Denken, Innovation Intelligenz!= Reines Ausrechnen Motivation II: Traditionelle Verhaltenspsychologie nicht ausreichend als Erklärung für Verhalten Behaviorism Ivan Pavlov ( ): 1936): Klassische Konditionierung (Hund) B.F. Skinner ( ): Skinnerbox, Operante Konditionierung, Radical Behaviorism Reiz Reaktions Lernen mit Belohnung / Bestrafung Aber wir können doch viel mehr Zielorientiertheit Innovation Träumen Verhalten und Körperkontrolle Intelligenz, Gefühl, Mitgefühl, Soziale Interaktion, 3

4 Motivation III: Neurowissenschaften Traditionelle Neuronale Netzwerke Neurone haben nicht viel mehr als Name gemeinsam Backpropagation ist nicht plausibel also Modell Trotzdem viele Erfolge in datamining und auch der kognitiven Psychologie als Prozessmodell Neuere Erkenntnisse aus den Neurowissenschaften Hubel & Wiesel und die ersten neuronalen Strukturen (Nobelpreis, 1981 für die Entdeckung der visuellen Verarbeitung im Gehirn) Kortikale Karten und Enkodierungen Modularisierung des Gehirns Moderne neuronale Netze Rekurrente, dynamische Netzwerke Selbstorganisierende Strukturen Hybride Motivation IV: Andere Sprachwissenschaften Universelle Grammatik Noam Chomsky (*1928) Grammatik und die Frage: Nature / Nurture (Gene oder Lernen) Vehaltensbiologie Beispiel: Wie Ameisen zurück zum Nest finden Schnappschuss um das Loch in naher Umgebung zu finden Annäherung durch Abschätzung des polarisierten Lichts und gelaufene Distanz Sogar noch einfacheres Modell: Average landmark vector model (Ralf Möller) Ähnliches einfaches Verhalten bei der Kontrolle im Bienenflug Entwicklungspsychologie / robotik Führt zur Entwicklung von sich selbst entwickelnden Systemen Intelligenz von null auf Humanoide Roboter Evolutionäre Methoden Künstliches Leben (Artificial Life) 4

5 Kognitive Systeme: Interdisziplinarität Frame Problem Symbol Grounding Problem PROBLEME DES KLASSISCHEN KOGNITIVEN ANSATZES 5

6 Probleme des klassischen KI Ansatzes Verstehen von Szenen, Bildern oder Gesichtern Effektive und adaptive Manipulation von Objekten Erlernen von Objektpermanenz (die verschwinden nicht einfach!) Gehen, laufen, rennen, Fahrrad fahren, tanzen Monty python. The ministry of silly walks Sprachverarbeitung und verstehen Grundsätzlicher Verstand Beispiele Trinken (Durst, Flüssigkeit, Bier, Bionade, Durstlöschen, Frische, Gefäße, Physikalische Eigenschaften, Mund etc., Konsumierung, ) Bewegung (Körper, Objekt, Wind, Ortsveränderung, Gehen, Beine, Räder, Flügel, Straße, Fluss, ) Das Frame (Rahmen) Problem Zentrales Problem: Wie kann Veränderung vernünftig dargestellt werden. Welche Effekte einer Veränderung sind wichtig? Grundsätzlich können ja alle Nebeneffekte wichtig sein. Somit sollten ja auch alle möglichen Effekte in der Entscheidungsfindung mit berücksichtigt werden. Können aber unendlich viele sein. Ist abhängig gg vom Model, wie viele Nebeneffekte möglich sind. Somit die Problematik: Prädiktionsproblem: Was ist wirklich wichtig? Qualifikationsproblem: Wurden alle Bedingungen spezifiziert, die den Erfolg einer Aktion garantieren? 6

7 R1 Das Frame Problem Beispiel robot R1D1 robot deducer R2D1 robotrelevantdeducer Daniel Dennett American philosopher ( philosophy of mind ) by Isabelle Follath Das Symbol Grounding Problem Wie repräsentieren Wie repräsentieren Symbole eigentlich die reale Welt? Klassische KI: Symbole sind durch die Syntax miteinander verbunden Um Dinge somit zu verifizieren, kann nur ein Mensch als Experte herangezogen werden. 7

8 Das Symbol Grounding Problem Was Bedeuten Symbole Wirklich? Ziel: Das Problem lösen mittels embodied KI Ansatz Entwicklung von Kognitiven Systemen, die durch den eigenen Körper und die Interaktion mit der Umwelt lernen. Symbole werden selbständig aus den Interaktionskodes generiert und zur Kommunikation genutzt. Symbole sind also direkt Körper Umwelt korreliert. Symbole können dabei aus Attraktorzuständen in der morphologischen Dynamik des Geist Körper Umweltsystems entstehen (wie das geht und mehr dazu später) Mind Body Problem Homunculus Problem Turing Test Intelligenz & Bewusstsein PHILOSOPHISCHE ÜBERLEGUNGEN ZU KÖRPER UND GEIST 8

9 Plato: Geist & Erkenntnis (424/423 BC 348/347) or reality/ Geist und Körper: LhtId Lehnt Idee ab, dass der Git Geist die Organisation des Körpers wiederspiegelt (in Phaedo ). Favorisiert den Gedanken des unsterblichen, nicht materiellen Geistes. Höhlengleichnis: Der eingeschränkte, unwissende Mensch, der nur mit größter Mühe mehr erfahren kann (in Politeía ). o sophie.de/waswiss/stufe1.html Descartes: Geist Körper Problem Descartes ( ) Gedanken als Existenzbeweis: "Je pense, donc je suis"(discours de la méthode pour bien conduire sa raison, et chercher la verité dans les sciences, 1637) "Dubito, ergo cogito, ergo sum" (Principles of Philosophy (Principia philosophiae) 1644) Wegbereiter des modernen wissenschaftlichen Ansatzes und der Philosophie. Das Mind Body Problem (Dualismus): Wie kann ein nicht materieller Geist, einen materiellen Körper kontrollieren? Class3/Descartes3.jpg 9

10 Das Homunculus Problem (Cartesian Theatre Daniel Dennett,, 1991) Das Menschlein im Mensch Problem Homunculus (Geist) observiert die sensorischen Inputs und schickt Kommandos Interne Re präsentationen alleine sind nicht wirklich nützlich Wieso besitzen wir interne Repräsentationen? Und wie kommt das Gefühl und Bewusstsein zustande? Können Maschinen Denken? Alan Turing ( ) Alan Turing I propose to consider the question, "Can machines think?" This should ldbegin with definitions dfiiti of the meaning of the terms "machine" and "think." The definitions might be framed so as to reflect so far as possible the normal use of the words, but this attitude is dangerous, If the meaning of the words "machine" and "think" are to be found by examining how they are commonly used it is difficult to escape the conclusion that the meaning and the answer to the question, "Can machines think?" is to be sought in a statistical survey such as a Gallup poll. But this is absurd. Instead of attempting such a definition I shall replace the question by another, which is closely related to it and is expressed in relatively unambiguous words. The new form of the problem can be described in terms of a game which we call the 'imitation game. (p. 433) Turing (1950) Computing machinery and intelligence. Mind 59,

11 Der Turing Test = The imitation game Turing (1950) Computing machinery and intelligence. Mind 59, Wird von drei Leuten gespielt: Mann (A) Frau (B) Fragenstellende(r) (C) Fragensteller stellt Fragen an A und / oder B ohne sie zu sehen noch zu hören. Beispiel: Kann mir X bitte sagen wie lang sein/ihr Haar ist. Ziel ist es, das Geschlecht von A und B zu erraten. Beispiel: X ist A (männlich) und Y ist B (weiblich) A soll den Fragenstellenden verwirren, B soll ihm helfen. Die eigentliche Frage: We now ask the question, "What will happen when a machine takes the part of A in this game?" Will the interrogator decide wrongly as often when the game is played like this as he does when the game is played between a man and a woman? These questions replace our original, "Can machines think?" (p. 434) Das Chinese Room Problem (John Searle, 1980) Chinese room Raum mit unendlich vielen Chinesischen Zeichen Ein Regelwerk in Englisch, um mit den Zeichen um zu gehen Mensch, der die Regeln nutzt, um auf einkommende Zeichen, Antworten zu generieren. Außenstehender testet den Chinese room. Konsequenz: Mensch innen weiß nicht, was er macht. Er manipuliert bedeutungslose Symbole ( weak AI System) Mensch außen könnte trotzdem denken, dass der Mensch innen intelligent ist, Chinesisch versteht, Meinungen hat, etc... 11

12 Searle: Programme vs. Minds ( Derivation from axioms, 1989, p. 701; Is the Brain's Mind a Computer Program?, 1990, p. 27) Drei Grundaxiome: (A1) Programs are formal (syntactic). (A2) Minds have mental tlcontents t (semantics). (A3) Syntax by itself is neither constitutive of nor sufficient for semantics. Führt zur Schlussfolgerung: (C1) Programs are neither constitutive of nor sufficient for minds. Viertes Axiom (p. 29): (A4) Brains cause minds. Dies soll somit zu den folgenden (angeblich triviale) Schlussfolgerungen führen: (C2) Any other system capable of causing minds would have to have causal powers (at least) equivalent to those of brains. (C3) Anyartifactthatproducedmental phenomena, any artificial brain, would have to be able to duplicate the specific causal powers of brains, and it could not do that just by running a formal program. (C4) The way that human brains actually produce mental phenomena cannot be solely by virtue of running a computer program. Searle s Dualismus John Searle (1980): Brains cause minds Syntax doesn't suffice for semantics Weak AI gegenüber Strong AI ( Dualismus vs. Funktionalismus, Behaviorismus und Andere) Problem des Chinese Room: Es fehlt die Semantik Wieder das Symbol grounding Problem Es fehlen intentionale, mentale, bedeutungsvolle Zustände und Repräsentation Somit nicht wirklich intelligent John Searle 12

13 Was ist Intelligenz? Intelligenztests eher symbolisch. Andere Intelligenzmasse / Begabungen Soziale Intelligenz (Beispiel: Empathie; folk psychology ) Sportliche Intelligenz Musikalische Intelligenz Sprachliche Intelligenz Aber auch normale Intelligenz Körperkontrolle Allgemeinwissen (Beispiel: Physik) Sprachverstehen, Kommunikationsfähigkeit, Spracherlernen Anpassungsfähigkeit Intelligenz Allgemeiner Gesehen Fähigkeit der Anpassung des Körpers und des Verhaltens An Muster/Prozesse in bestimmter (lokaler) Umgebung Zum zufriedenem, glücklichem Leben. Flexible Ausübung von verschiedensten, alternativen Verhaltensweisen passend zu den aktuellen Gegebenheiten Bewegungsflexibilität Sprachflexibilität Höhere Intelligenz : Fähigkeit zu Verstehen wieso Dinge so sind, sich so verhalten, und sich so entwickeln, wie sie das nun mal tun. Fähigkeit der Abstraktion und der Symbolisierung. Erkenntnis von allgemeinen Gesetzmäßigkeiten (Beispiel Physik) 13

14 Was ist Bewusstsein? Noch schwerere Frage Bewusstseinszustände Synchronisationszustände Schlafen, Wachsein Unterbewusstsein Imlizites vs. Explizites Bewusstsein Zustandsbewusstsein Das Problem der Qualia der Qualitative Eindruck des Bewusstseins Die Frage des ICH und der Freie Wille Zusammenfassung Problem der klassischen, symbolischen KI Frame Problem: Was muss alles berücksichtigt werden? Symbol grounding Problem: Was bedeuten Symbole? Philosophische Überlegungen Mind Body Problem: Wie interagieren Geist und Körper? Homunculus Problem: Wofür ist Re präsentation gut? Turing Test & Chinese Room: Wann denkt ein Computer? Wann ist ein Computer intelligent? Was ist Intelligenz? Körperbeherrschung Anpassungsfähigkeit i Abstraktionsfähigkeit Was ist Bewusstsein? Qualia Problem Nächste Woche: Embodied KI Wichtigkeit der Körpermorphologie Verhalten, Adaption, Lernen, & Evolution Emergenz 14