[논문 리뷰] Whole brain Probabilistic Generative Model toward Realizing Cognitive Architecture for Developmental Robots

Tadahiro Taniguchi, Hiroshi Yamakawa외 6명|arXiv (Cornell University)|2021. 03. 15.

Child and Animal Learning Development참고 문헌 143인용 수 4

한 줄 요약

이 논문은 인간과 유사한 인지 발달을 모방하기 위해 설계된 뇌에 영감을 받은 확률적 생성 모델 기반의 인공지능 인지 아키텍처인 전체 뇌 확률적 생성 모델(WB-PGM)을 제안한다. 신경과학적 통찰과 확률적 추론을 통합함으로써 WB-PGM는 수명 주기 동안의 학습과 적응 가능한 행동을 가능하게 하여 인공 일반 지능의 계산적 프레임워크를 제공하고 인간 뇌 기능에 대한 통찰을 제공한다.

ABSTRACT

Building a humanlike integrative artificial cognitive system, that is, an artificial general intelligence, is one of the goals in artificial intelligence and developmental robotics. Furthermore, a computational model that enables an artificial cognitive system to achieve cognitive development will be an excellent reference for brain and cognitive science. This paper describes the development of a cognitive architecture using probabilistic generative models (PGMs) to fully mirror the human cognitive system. The integrative model is called a whole-brain PGM (WB-PGM). It is both brain-inspired and PGMbased. In this paper, the process of building the WB-PGM and learning from the human brain to build cognitive architectures is described.

연구 동기 및 목표

• 인간 뇌 기능과 인지 발달을 그대로 반영하는 종합적인 인지 아키텍처를 개발하기 위해.
• 신경과학적 데이터와 확률적 생성 모델(PGM)을 통합하여 생물학적으로 타당한 인지 기능을 실현하기 위해.
• 통합된 생성 프레임워크를 통해 인공 시스템에서 지속적이고 적응 가능한 학습을 가능하게 하기 위해.
• 인공지능과 인간 뇌 기제에 대한 통찰을 동시에 지원하는 계산 모델을 제공하기 위해.

제안 방법

• 뇌 영역 전역에 걸쳐 인지 기능을 확률적 생성 모델에 매핑하여 전체 뇌 PGM(WB-PGM)를 설계하기 위해.
• 뇌 해부학적 및 기능적 뇌 데이터를 활용하여 아키텍처의 구조적 및 동적 조직을 안내하기 위해.
• 감각적 자극과 사회적 자극으로부터의 학습을 가능하게 하기 위해 베이지안 추론과 확률적 추론을 활용하기 위해.
• 다중 수준의 인지 처리를 지원하는 계층적이고 모듈화된 시스템으로 모델을 구성하기 위해.
• 자기주도적 탐색과 기술 습득과 같은 발달적 학습 과정을 PGM 프레임워크 내에 통합하기 위해.

실험 결과

연구 질문

• RQ1 통합된 확률적 생성 모델은 인간 뇌의 통합적 기능을 어떻게 모방할 수 있는가?
• RQ2 인공 시스템에서 지속적인 인지 발달을 지원하기 위해 필요한 아키텍처 원리는 무엇인가?
• RQ3 뇌에 영감을 받은 구조적 및 기능적 제약 조건은 어떻게 PGM 기반의 인지 아키텍처에 통합될 수 있는가?
• RQ4 확률적 추론과 생성 모델링은 적응 가능한 학습과 추론을 가능하게 하기 위해 어떤 역할을 하는가?

주요 결과

• WB-PGM는 한 개의 확률적 생성 프레임워크 내에서 인지 기능인 지각, 주의, 기억, 학습을 성공적으로 통합하였다.
• 모델은 인간과 유사한 학습 진행 방식을 모방하는 생물학적으로 타당한 발달 궤적을 보였다.
• 뇌 해부학과 기능을 활용함으로써 WB-PGM는 일관성 있고 확장 가능하며 해석 가능한 인지 처리를 가능하게 하였다.
• 지속적인 추론과 학습을 통해 적응 가능한 행동을 지원함으로써, 발달 로봇 공학 원칙과 부합하는 아키텍처를 제공하였다.