Fortschritte im Automobilbau
Offener Zugang

Abstrakt

Zellassemblierungen und Roboter

Christian Huyck

Zellverbände (CAs) sind für die Wahrnehmung und das Verhalten von Menschen und Säugetieren von entscheidender Bedeutung. Ein CA ist eine Gruppe von Neuronen, die ohne äußere Stimulation aktiv bleiben können. Unsere symbolischen Konzepte, wie z. B. Hunde, werden durch CAs repräsentiert. Viele nicht-menschliche Säugetiere haben keine Symbole, aber sie haben Konzepte. Eine Ratte hat also wahrscheinlich einen generischen CA für Katzen, der aktiv wird, wenn eine Katze anwesend ist.

Es besteht eine enorme Lücke im wissenschaftlichen Verständnis von CAs, wie sie die motorische Kontrolle beeinflussen und wie sie die Wahrnehmung regulieren. Theoretisch wird mein CA für den Gang zur Tür aktiviert, wenn ich zur Tür gehe, aber es ist nicht klar, wie dies mit zentralen Mustergeneratoren (CPGs) interagiert oder ob die Neuronen, die den CPG ausführen, überhaupt Teil des CA sind. Ebenso ist klar, dass beispielsweise Neuronen im primären visuellen Kortex beteiligt sind, wenn ein Mensch einen Hund sieht, aber es ist nicht ganz klar, wie sie zur Aktivierung des Hunde-CA führen oder welche Neuronen sich im Hunde-CA befinden.

Da es eine Lücke gibt, versuchen ich und meine Mitarbeiter, diese Lücke zu füllen. Ich bin Informatiker und versuche daher, Programme auf der Grundlage von CAs zu entwickeln. Insbesondere halten wir Verkörperung für wichtig und die Arbeit mit simulierten Neuronen für wichtig. Wir arbeiten also mit Robotern, virtuellen und physischen. Wir arbeiten mit feuernden Neuronen, typischerweise Punktmodellen. Wir haben neuronale Topologien entwickelt, die für virtuelle Agenten verwendet werden können. Wir arbeiten jetzt im Rahmen des Human Brain Project an der Entwicklung von Topologien, die von anderen wiederverwendet werden können, um Agenten zu implementieren. Wir haben ziemlich viel Arbeit in die Entwicklung „höherer“ Funktionen gesteckt, wie neurokognitive Modelle der natürlichen Sprachanalyse und das Erlernen einer Zwei-Wahl-Aufgabe.
Wir haben auch mit physischen Robotern gearbeitet. Wir haben die neuronale Software für einen einfachen Braitenberg-Roboter entwickelt, der Linien mithilfe von Sicht verfolgt; dies basierte auf unserer CA-Arbeit. Derzeit entwickeln wir CA-basierte neuronale Modelle für die Greifkontrolle, die auch neurokognitive Modelle einer Stopp-Aufgabe sind. In jüngerer Zeit haben wir an einem Vorwärtsmodell für einen schnell laufenden Roboter gearbeitet. Bei dieser Arbeit kommen derzeit keine CAs zum Einsatz. Stattdessen werden standardmäßige analytische Modelle (wie ein Wagen und eine Stange) mit Punktneuronen approximiert; Neuronen sind Turing-vollständig. Wir planen, diese Arbeit fortzusetzen. Wir können die Verwendung von CAs in virtuellen Robotern untersuchen. Ich bin der Meinung, dass dieser Ansatz, bei dem das menschliche Modell physisch, neuronal und psychologisch so genau wie möglich nachgeahmt wird, der beste Weg ist, um eine KI zu erreichen, die den Turing-Test besteht. Außerdem hat er den Vorteil, dass er unser Verständnis der neuronalen und psychologischen Verarbeitung beim Menschen erweitert und nützliche Systeme entwickelt. Zu diesen nützlicheren Systemen gehören Roboter.