초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 들어 인공지능과 뇌과학 분야의 연구성과를 힘입어 뇌의 기본기능을 이해하고 재구축하고자 하는 시도가 활발히 전개되고 있다. 뇌의 정보처리 기능을 실험관찰 방법으로 밝히고자 하는 신경과학, 마음의 정보 처리 기능을 역시 실험관찰 방법으로 이해하고자 하는 심리학, 그리고 정보처리모형의 구성법을 제시하는 컴퓨터과학을 통합함으로써 뇌와 마음의 작동을 정보과학의 입장에서 해명하고자 하는 접근방식이 현재 가장 가능성이 있다고 생각된다. 본 논문에서는 그와 같은 맥락에서 인공적으로 뇌를 구현하기 위하여 제안된 CAM-Brain을 소개하고, 로봇을 제어하는 문제에 적용한 예를 통하여 그 가능성을 보이고자 한다.

최근 들어 인공지능과 뇌과학 분야의 연구성과를 힘입어 뇌의 기본기능을 이해하고 재구축하고자 하는 시도가 활발히 전개되고 있다. 뇌의 정보처리 기능을 실험관찰 방법으로 밝히고자 하는 신경과학, 마음의 정보 처리 기능을 역시 실험관찰 방법으로 이해하고자 하는 심리학, 그리고 정보처리모형의 구성법을 제시하는 컴퓨터과학을 통합함으로써 뇌와 마음의 작동을 정보과학의 입장에서 해명하고자 하는 접근방식이 현재 가장 가능성이 있다고 생각된다. 본 논문에서는 그와 같은 맥락에서 인공적으로 뇌를 구현하기 위하여 제안된 CAM-Brain을 소개하고, 로봇을 제어하는 문제에 적용한 예를 통하여 그 가능성을 보이고자 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이에 반해서 상향식 접근방법을 취하여, 예를 들면 시각피질이나 청각피질의 일부를 추출하고 그것늘의 가승한 기능에 대하여 탐구하는 방법노 있다. 이의 기본 아이디어는 각 부분을 깊이 탐구하면서 그 결과들을 통합하여 보다 복잡하고 광범위한 뇌의 기능을 밝히는 것이다, 반면에 후사는 외부의 관찰자나 교사의 간섭 없이 자체적인 진화와 개발과정을 통해서 뇌의 기능을 해명하고 이로부터 조직내의 :기호적인 표현이 만들어지는지 분석하고자 한다.
• 이 글에서는 이리한 모형을 소개하고 가능성을 탐색해 보고자 한다. 디 나아가 이 시스템으I 내규모 결합을 동한 인공뇌 개발의 가능성을 타진해 보고자 한다.
• 디 나아가 이 시스템으I 내규모 결합을 동한 인공뇌 개발의 가능성을 타진해 보고자 한다. 먼서 2장에서는 뇌를 구헌하기 위한 방법으고서의 인공지능과 선태주의를 소개한다.
• 더 나아가 일반화시킨 생체 정보처리 기구를 컴퓨터과학이나 제어공학과 같은 다른 분야에 적용시키는 것을 목적으로 하고 있는 것이 인공생명이다. 이 장에서는 인공생명의 시각에서 자연계의 복잡한 현상을 표현하는데 적합한 셀툴라 오토마타(cellular automata)[8]와 생물의 진화과정을 모방한 진화 알고리즘에 대해 간단히 살펴보고자 한다.
• 실제 셀룰라 오토마타를 적용시켜 하나의 패턴이 어떤 식으로 변하는지 보자. 각 셀의 상태는 0 또는 1의 값을 갖고, 이웃은 양옆 의인 집한 샐로 성한다.
• 앞에서 소개한 셀룰-라 오토마타와 유선자 알고리즘에 기반하여 단수화된 뇌모델이라 할 수 있:: 신경망을 어떻게 구죽할 수 있는지 알아보자.

가설 설정

• 1) 셀룰라 오토마타 공간의 모든 셀을 여백 상태로 초기화한다. 먼저 염색체에 따라 뉴런 시드를 심는다.
• 3) 성장신호를 받은 여백 셀은 종류에 따라 수상놀기와 축색돌기로 상태가 변한다. 이때 같은 순간에 다른 성장신호를 또 받거나, 같은 성장신호를 두 번 받으면 상태가 변하지 않는다.
• (그림 4) 성장단계의 예. (a) 뉴런의 위치 결정, (b) 뉴런이 주위의 셀들을 수상돌기와 축색돌기로 성장시킴, (c) 하나의 신경망이 완성된 상태.
• 1) 입력으로 정해진 셀의 상태가 뉴런이면 -I 뉴런은 외부로부터 신호를 입력받아 계속 누적시킨다.
• . 시진하기: 주위에 아무 것도 존재하시 않을 경우 직진한다.
• . 빛 따라가기: 빛이 가장 강한 쪽으로 움직인다.

제안 방법

• (그림 5) 신호전달 과정. 수상돌기 셀: 신호를 수집하여 뉴런에게 보냄, 뉴런 셀: 수상돌기 셀로부터 받은 신호를 축색돌기 신호로 보냄, 축색놀기 셀: 뉴런으로부터 받은 신호를 주위로 보냄.

대상 데이터

• 본 논문에서는 다음과 같은 4개의 기본행농으로 이루어진 모듈들을 결합하여 이농로봇 제어에 직용하였다.

이론/모형

• 여기에서는 간단하게 IF-THEN 규칙을 이용하여 기본행동들을 결합하였다. 이 방법은 현재 로봇의 센서 값을 통해 판단한 상황에 따라 필요한 모듈을 작농시켜 적절한 행농을 하도록 한다.

성능/효과

• 실험 1의 결과로 하나의 신경망 모듈이 진화를 통해 주어진 문제를 풀 수 있음을 알았다. 그러나 하나의 모듈로 구성된 제어기로는 복잡한 행농을 하도록 진화시키기 어렵다.
• 여기에서 설명한 시스템은 셀룰라 오토마타에 기반을 두어 뉴런들의 성장과 그들간의 신호전달을 수행한다, 하나의 모듈을 이농 로봇제어기로 진화시켜 나름대로 좋은 결과를 얻을 수 있었으며, 이 모델의 진화 가능성을 보였다. 더 나아가, 주어진 모델을 간단한 기능을 갖도록 진화시킨 후, 각 모듈들의 결합을 통해 좀더 복잡한 행동을 만들어 낼 수 있음을 보었다.
• 진화 가능성을 보였다. 더 나아가, 주어진 모델을 간단한 기능을 갖도록 진화시킨 후, 각 모듈들의 결합을 통해 좀더 복잡한 행동을 만들어 낼 수 있음을 보었다. 이러한 결과는 주어진 모델이 타당하다는 것과 이러한 모델을 기반으로 하는 인공두뇌의 가능성을 보여준다.

후속연구

• 전체나 음을 하나의 시스템으로 다룬 면에서는 마의 한계를 극복할 수 있었지 반 자기소직화나 자체 획득과 같은 메커니즘이 결여되어 있다는 3세가 있다. 하지만 마음의 사회는 단순한 처리기의 병릴적인 배열이라는 면에서 연결주의 시스벰과 유사한 섬이 있기 때문에 뇌의 기능 모델링을 위해 두 접근방시을 통합할 수 있는 바탕으로 사용될 수 있으리라 기대된다.
• CBMe 초당 1,500억개의 셀룰라 오토마타 셀들을 변경하여 약 1초에 하나의 신경망 모듄을 진화시킬 수 있다. 이 정도의 속도라면 현실적으로 수만개의 진화된 신경망 모뉼을 인간이 정의한 인공두뇌 구조에 맞도록 결합시킬 수 있을 것이기 때문에, "두뇌 구죽(Brain Building)"이라고 하는 새로운 연구 분야를 만들 수 있으리라 기대한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기