La memoria predittiva

Molto probabilmente il cervello umano si è evoluto con lo scopo di cercare di indovinare gli eventi futuri, come quando si cerca di fare le previsioni del tempo :). Anche se il cervello svolge questa funzione in modo molto limitato e approssimativo, esso, in questo modo può cercare di influenzare il futuro a proprio vantaggio.

http://en.wikipedia.org/wiki/Memory-prediction_framework

La teoria della memoria predittiva afferma che

la disposizione uniforme dei tessuti nella corteccia è dovuta al fatto che vi sia un solo metodo di elaborazione delle informazioni (un solo algorirmo). Il metodo di elaborazione ipotizzato possiede un anello di feedback, a cui partecipano sia aree appartenenti alla corteccia che aree al di fuori (come thalamus e hyppocampus). Questo schema fornisce una base unificata per le idee che riguardano il controllo adattivo di comportamenti complessi. I dettagli che riguardano l'algoritmo di predizione, come quali siano le strutture cerebrali che vi sono implicate, sono meno importanti dei principi di base proposti per il pensiero di alto livello.

Teoria di base

Il concetto fondamentale della teoria della memoria predittiva afferma che le sequenze di input provenienti dalle strutture elementari sensoriali vengono messe a confronto con le sequenze di input precedentemente classificate. In questo modo si possono generare delle aspettative sulle sequenze dei dati di input ancora prima che esse vengano completate.

  • L'elaborazione avviene attraverso livelli (level) gerarchici e ogni livello memorizza modelli frequenti di sequenze temporali in input e le cataloga (assegnandogli un nome), cioè crea una loro “rappresentazione” in memoria.
  • Quando una prima sequenza di input verifica uno dei modelli già presenti in memoria in un certo livello (level), viene richiamato il nome che le era stato assegnato
  • Quando una sequenza di input verifica anche solo in modo parziale i modelli presenti in memoria, il livello superiore invia la propria previsione al livello inferiore.
  • Se la previsione non coincide con il resto della effettiva sequenza in input, si procede con l'acquisizione della sequenza completa e si scarta la previsione errata.
  • Viene quindi avviata una nuova procedura per apprendere una nuova sequenza e catalogarla (nei livelli superiori) con un nuovo nome per poterla usare come una nuova previsione “alternativa”

Esempio

Nella prima parte della figura, l'elaborazione (incompleta) dei primi livelli (layer) porterebbe alla predizione della sequenza precedentemente catalogata con il nome “x”.

Nella seconda parte, l'input viene completato e, poiché i successivi input non verificano più la sequenza “x”, si realizza un feedback negativo che dà luogo ad una nuova sequenza in memoria, con il nome “z”.

NOTA BENE Non confondere i livelli gerarchici (level) con gli strati (layer) della necorteccia cerebrale. Una colonna appartiene ad un solo livello (level), ma è composta da più strati (layer)

Approfondimento

https://numenta.org/htm-school/

https://github.com/vsraptor/bbhtm

bbhtm.pdf

https://arxiv.org/pdf/1511.00083.pdf

https://arxiv.org/pdf/1503.07469.pdf

https://numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning-algorithm-0.2.1-en.pdf

La retina produce informazioni al livello più basso. Il cervello deve estrarre informazioni significative ai livelli più alti, come linee, forme. Procedendo verso livelli gerarchicamente più alti, si deve poter riconoscere oggetti, le loro proprietà e il loro comportamento. Le informazioni mancanti dalla retina possono essere ottenute dai modelli predittivi presenti in memoria. Questo metodo dà luogo ad interpretazioni sbagliate nel caso in cui gli input forniti siano incompleti

vedere

la_percezione_delle_immagini

  • neurali/funzione_memoria_predittiva.txt
  • Last modified: 2018/04/26 22:11
  • by profpro