AI a (neuro-)psychológia


Dvojo zaujímavých použití v (neuro-)psychológii v príkladoch

Použitie Self Organizing Map (SOM) ako účinného pomocníka pri vyhodnocovaní rôznych psychologických testov a dotazníkov.

SOM triedi automaticky komplexné (multidimensionálne) údaje tak, že na ploche zobrazuje prvky podľa ich podobnosti. Aj v mozgu poznáme planárne topologické usporiadanie niektorých štruktúr (senzorický a motorický homunculus) alebo vo vizuálnych poliach okcipitálneho laloku. Ak chcete napríklad výsledky semantického diferenciálu názorne zobraziť, ukazuje sa použitie SOM ako veľmi vhodné.

SOM príklady
(popisný text príkladov je v nemčine, internet ho iste rád preloží)

Názorné sú aj príklady triedenia farieb.

Vnímanie farby určujú tri dimenzie : červená (1,0,0), zelená (0,1,0), modrá (0,0,1).
Podobne to funguje napr.vo farebnej televízii. Ak v algoritme SOM pestrú viacfarebnú plochu stimulujeme tromi farbami, plocha sa tomu zodpovedajúco mení. Podobá sa to nápadne zmenám motorickej oblasti mozgu u probantov, ktorí prešli špecializovaným tréningom (huslisti, športovci), ale aj zmenám motorických oblastí mozgu pacientov po amputácii prstov alebo končatiny.
Zmeny farby môžete pozorovať, ak zmeníte hodnoty farieb v ukážkach v textovom okienku príkladu. Ako to zmení výsledok?
Tzv. Backpropagation algoritmus (BProp) je frekventovaný predstaviteľ riadeného učenia umelej neuronálnej siete.
tu je PRÍKLAD
(popisný text príkladu je v nemčine, internet ho iste rád preloží)
Riadené učenie ? Kto tu čo riadi?
Výsledok vstupujúcich dát je tu vopred známy. BProp teda neorganizuje údaje automaticky, ako tomu bolo pri algoritme SOM, ale "učí sa" na údaje želaným spôsobom reagovať.
BProp má naučiť sieť reagovať správne na situáciu v doprave, rozpoznávať písmená, tváre, predmety, atď. V príklade tu má sieť rozpoznať čísla "0","1",...,"8","9".
Priebeh učenia môžete sledovať na krivke učenia. Grafické dáta čísla "8" sú aplikované na vstup siete. Tieto dáta sieť spracuje na výstupe je výsledok: bolo to číslo "3", teda chybný výsledok!

Túto chybu BProp "využije" na zmenu váh (čísiel), ktoré sieť kombinuje so vstupnými dátami. Zmena váh musí byť taká, že výstup siete vedie k želanému správnemu výstupu ("8"). Teda známy výsledok "riadi" proces učenia. Podobne ako učiteľ v škole riadi žiakov k správnemu výsledku pri "5 + 5 = ?", alebo pri vyučovaní cudzieho jazyka. Pozná správny výsledok a opravuje chybné odpovede - teda riadené učenie.
Algoritmus spätného vedenia chýb (backpropagation) má prekvapivo dlhú a napínavú históriu v AI.
Dal by sa ním modelovať mechanizmus iktusu a jeho rehabilitácie?