Titelaufnahme

Titel
Human-like perception for psychoanalytically inspired reasoning units : perceptual information processing concepts realized in the ARSi12 framework implementation / by Clemens Muchitsch
VerfasserMuchitsch, Clemens
Begutachter / BegutachterinDietrich, Dietmar ; Zeilinger, Heimo
Erschienen2013
UmfangXII, 179 S. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Diss., 2013
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Wahrnehmung / Multi-Agenten / Psychoanalyse / Kognitive-Architektur
Schlagwörter (EN)Perception / Multi-Agent / Psychoanalysis / Cognitive-Architecture
Schlagwörter (GND)Künstliche Intelligenz / Wahrnehmung / Agent <Informatik> / Software / Kontrolle / Architektur <Informatik>
URNurn:nbn:at:at-ubtuw:1-63778 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Human-like perception for psychoanalytically inspired reasoning units [2.83 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Architekturen künstlicher Wahrnehmung befassen sich mit Problemen, die das menschliche Gehirn problemlos löst. Der Vorteil der menschlichen Wahrnehmung liegt in der Kombination von Informationen aus verschiedenen sensorischen Quellen mit zuvor erlebten Wahrnehmungs-Erinnerungen, die eine multimodale und subjektiv konsistente Sicht auf die Welt generieren. Erkenntnisse aus Funktionalitäten in menschlicher Wahrnehmung erweitern die Möglichkeiten kognitiver Architekturen. Allerdings muss eine ganzheitliche Sicht auf die menschliche Wahrnehmung und Kognition in technischen künstlichen Agenten-Architekturen noch untersucht werden. Diese Arbeit beschreibt ein bionisch inspiriertes Framework der Wahrnehmung, in einer Kontrollarchitektur für körperbasierte Software-Agenten. Der Fokus liegt auf der Realisierung von neuro-psychoanalytischen Konzepten für die Verarbeitung von mentalen Wahrnehmungs-Daten. Dieser neue Ansatz für Künstliche Intelligenz ermöglicht die Modellierung von Wahrnehmungs-Funktionalitäten, inspiriert durch den menschlichen psychischen Apparat in einer kognitiven Agenten-Architektur. Die bestehende Kontrollarchitektur wurde in einem Top-Down-Modellierungsverfahren durch die Untersuchung des Wahrnehmungs-Aktionen-Zyklusses erweitert und die daraus resultierenden Anpassungen sind in dem körperbasierten Agenten-Framework ARSi12 implementiert. Das resultierende Modell zeigt, wie Daten aus einem multimodalen sensorischen System in mentale Datenstrukturen verdichtet sowie mit Wissen der einzelnen Agenten assoziiert wird und wie diese Informationen zur Entscheidungsfindung beitragen. Use Cases werden verwendet, um die Fähigkeiten der Agenten innerhalb der Artificial-Life Multi-Agenten-Simulation ARSin world zu bewerten, die als Testplattform entwickelt wurde, um das Funktionsmodell und die Entscheidungsfindungs-Einheit zu evaluieren.

Zusammenfassung (Englisch)

Artificial perception architectures deal with problems that the human mental apparatus flawlessly solves. The benefit in human perception lies in the combination of information from various sensory sources, with previously experienced perceptual memories in order to condense a multimodal and subjectively consistent view of the world. Insights of human-like functionalities in perception extend the possibilities of cognitive architectures. However, a holistic view on human perception and cognition in technical artificial agent architectures is yet to be investigated. This work describes a bionically inspired framework of perception in a control unit for an embodied software agent architecture. The focus is on the realization of neuro-psychoanalytic concepts for processing mental perceptual data. This approach, new to Artificial Intelligence, allows the design of perceptual functionalities inspired by the human mental apparatus in a cognitive agent architecture. The existing decision unit is extended in a top-down modeling approach by investigating the perception-action cycle and the resulting adaptions are implemented in the embodied agent computational software framework ARSi12. The resulting model shows how data from a multimodal sensory system is condensed into mental data structures, how they are associated with knowledge of the individual agent and how this information is processed to decision making. Use cases are used to evaluate the agent abilities inside the multi-agent artificial life simulator ARSin world, developed as a test platform to evaluate the functional model and decision unit.