Titelaufnahme

Titel
Neuro-psychoanalytically inspired episodic memory for autonomous agents / von Andreas Gruber
VerfasserGruber, Andreas
Begutachter / BegutachterinDietrich, Dietmar ; Deutsch, Tobias
Erschienen2007
UmfangII, 104 Bl. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2007
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDiplomarbeit
Schlagwörter (DE)episodisches Gedächtnis / Gedächtnismodell / autonome Agenten / autonome Systeme
Schlagwörter (EN)episodic memory / memory model / autonomous agents / autonomous systems
URNurn:nbn:at:at-ubtuw:1-18336 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Neuro-psychoanalytically inspired episodic memory for autonomous agents [2.39 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Autonome Agenten nehmen ihre Umgebung wahr und müssen Entscheidungen selbstständig treffen. Das "Artificial Recognition System" (ARS) ist ein bionischer Ansatz eines autonomen Systems zur Informationsverarbeitung und Entscheidungsfindung. Ziel dieses Projektes ist, auf unvorhergesehene Situationen zuverlässig und flexibel zu reagieren.

Das episodische Gedächtnis umfasst die Autobiographie eines Agenten und ist für die Erinnerung persönlicher Erfahrungen zuständig. Ein intelligentes System, das diese Fähigkeit besitzt, kann Episoden wieder erinnern, zukünftige Situationen antizipieren oder die Auswirkung von bestimmten Verhaltensweisen vorhersehen. Unerwünschtes Verhalten kann vermieden oder erwünschte Ziele durch die Rekonstruktion von Episoden erreicht werden.

Die vorliegende Arbeit beschreibt den Entwurf eines episodischen Gedächtnismodells und dessen Integration in das ARS System. Das vorgestellte Modell basiert auf Konzepten der Neuropsychoanalyse und Psychologie und behandelt die wesentlichen Funktionalitäten in der Verarbeitung von episodischen Erinnerungen---die Kodierung, die Speicherung und den Abruf. Die Kodierung ist für den Erwerb neuer Informationen zuständig. Die Erfahrungen des Systems werden bei relevanten Ereignissen erfasst. Die Speicherung verwaltet die abgelegten Erinnerungen. Die Episoden sind entsprechend dem Kontext, in dem sie sich ereignet haben, gespeichert und mit einer emotionalen Bewertung versehen. Ein Vergessensmechanismus beschreibt den unterschiedlichen Zugriff auf gespeicherte Erfahrungen. Die Aufgabe des Abrufs ist, bei vorhandenen Reizen passende Erinnerungen zu aktivieren. Dabei wird sowohl beabsichtigter als auch spontaner Abruf berücksichtigt. Spontane Erinnerungen tauchen ohne explizite Bemühungen durch das System auf.

Die Implementierung der Software wird in einer Simulationsumgebung evaluiert. Autonome Agenten navigieren in einer virtuellen Umgebung um Energiequellen zu finden und diese zu konsumieren. Die Ergebnisse zeigen, dass die Agenten fähig sind, Episoden in einem ähnlichen emotionalen Zustand wieder in Erinnerung zu rufen und mögliche zukünftige Situationen zu antizipieren. Damit sind die Agenten in der Lage, die emotionale Auswirkung von bestimmten Verhaltensweisen zu analysieren und vorherzusehen. Gestützt auf ihren Erfahrungen können sie somit ihre Entscheidungsfindung verbessern.

Zusammenfassung (Englisch)

Based on perception of environmental data, the task of an autonomous agent is to make decisions without external help. The ``Artificial Recognition System'' (ARS) is a bionic approach to build an autonomous system for information processing and decision making. Its objective is to deal with unforeseen situations in a reliable and flexible way.

The concept of an episodic memory system is concerned with memorizing due to personal experiences. Episodic memory inherits the history of an agent and is crucial for remembering these personal incidents. The capability of remembering past experiences is essential for an intelligent system to recognize similar episodes, to anticipate future situations, or to predict the impact of certain behaviors. Equipped with that functionality, the autonomous system shall be able to avoid unwanted behavior or reach a particular desired goal by reconstructing episodes.

The architecture of the computational episodic memory model designed and integrated into the ARS system is inspired by concepts of human memory research from neuro-psychoanalysis and psychology. The presented framework describes the fundamental stages in episodic memory processing---encoding, storage, and retrieval. Encoding is concerned with the acquisition of new information. An event based approach is proposed to capture the experiences of the system. Storage covers all processes that maintain the stored experiences. Episodes are stored according to the context in which they happened attached with an emotional evaluation. The proposed forgetting mechanism describes the crucial maintenance functions to improve the accessibility of essential episodes. The task of retrieval is to recall an appropriate experience given a certain stimulus. Both, deliberate and spontaneous retrieval are considered. Spontaneous recollections characterize the memories that pop up without the explicit effort of the system.

The software implementation is evaluated in a simulation environment.

Autonomous agents navigate in a virtual environment in order to find and consume energy sources. The results show that past episodes happening in a similar emotional state can be successfully recognized. Furthermore, possible future situations can be reliably foreseen. The agents are able to analyze and predict the emotional impact of certain behaviors which improves their decision making.