Differences

This shows you the differences between two versions of the page.

--- neurali:funzione_memoria_predittiva [2018/04/25 07:55] – external edit 127.0.0.1
+++ neurali:funzione_memoria_predittiva [2020/06/08 22:20] – external edit 127.0.0.1
@@ Line 1: / Line 1: @@
+====== 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
+===== Ipotesi =====
+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).
+<del>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.</del>
+====== 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===
+{{:neurali:memory-prediction.png?400 |}}
+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.
+<del>Una colonna appartiene ad un solo livello (level), ma è composta da più strati (layer)</del>
+Approfondimento
+https://numenta.org/htm-school/
+https://github.com/vsraptor/bbhtm
+{{ :neurali: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
+===== Esempio: la visione =====
+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
+[[comunicazione:la_percezione_delle_immagini]]