표현 에뮬레이션 이론

Emulation theory of representation

표현 에뮬레이션 이론은 뇌에 에뮬레이터라고 불리는 여러 개의 내부 모델링 회로가 있다고 가정한다.이 에뮬레이터들은 작용, 지각, 이미지를 포함한 많은 인지적 조작의 입력-출력 패턴을 모방한다.[1][2]종종 병렬로 작동하는 이 에뮬레이터는 센서보다 지연이 적은 모터 명령의 모의 감각 신호의 형태로 결과적인 피드백을 제공한다.[3]이러한 전방 모델은 신체에 전송되는 입력 모터 명령과 결과 출력 감지 신호의 유효 복사본을 수신한다.에뮬레이터는 모터 입력 후 가장 정확한 예상 신호를 제공하기 위해 지속적으로 업데이트하고 있다.[1]

역학과 구조

에뮬레이터의 전체적인 구조에 대해서는 거의 알려져 있지 않다.그것은 입력-출력 시퀀스의 매우 큰 연관 메모리를 가진 검색 용어집처럼 작동할 수 있다.이 시스템 아래에서 에뮬레이터는 모터 명령 입력을 수신하고, 그 데이터베이스에서 가장 가까운 일치 입력을 찾은 다음, 그 순서로 관련 출력을 전송한다.다른 모델은 관절형 에뮬레이터다.이 모델은 인간 근골격계 시스템의 각 중요한 센서에 대해 에뮬레이터 내에 병렬 발화 주파수를 가진 뉴런 그룹이 있어야 한다.[1][4]이러한 뉴런 그룹들은 근골격계 시스템의 해당 부분으로 전송되는 것과 동일한 입력을 수신할 것이다.예를 들어, 손을 올릴 때 손목, 팔꿈치, 어깨 각도와 팔 각 관성을 담당하는 뉴런에 신호를 보낸다.

이 구조와 상관없이 두 시스템은 시간이 지남에 따라 성장하고 변할 것이다.이는 환경으로부터 끊임없이 요동치는 소음과 시간이 지남에 따라 신체가 변화한다는 사실 때문이다.팔다리와 근육의 증가는 필요한 입력 명령과 결과 출력 모두에 변화를 초래한다.이것은 에뮬레이터의 어느 정도의 가소성을 필요로 한다.따라서 에뮬레이터는 입력된 명령에서 항상 근골격계 시스템으로부터 결과 출력을 수신하고 이를 자체 출력과 비교하면서 지속적으로 업데이트하고 있다.이것은 Kalman Filter를 통해 이루어질 가능성이 높다.그러나 출력 차이에 따른 완전한 보정은 에뮬레이터에는 적용되지 않는다.

Kalman 필터의 기본개념

소음은 근골격계 감각 출력에 영향을 미치는 변동의 지속이다.따라서, 출력 차이는 거의 항상 실제보다 크다.따라서 내부 계산이 이루어진다. 에뮬레이터 출력의 상대적 신뢰성과 상황 조건이 매우 가변적이거나 안정적인 감각 출력을 초래하는 경향이 있는 경우, 보정에 가중치를 부여하여 적용한다.[1]

이러한 에뮬레이터의 위치는 그들이 처리와 정보를 제공하는 모터 시스템에 크게 의존하고 있는 것으로 밝혀졌다.

인지함수

에뮬레이터는 신체에 도움이 되는 도구다.감각 피드백은 뇌가 직접 계산하거나 접근할 수 있는 미리 정해진 전진 모델보다 당연히 더 오래 걸린다.이러한 시간 간격은 평생 동안 종종 발생하는 다른 환경적 또는 물리적 요인에 의해 더 지연될 수 있다.에뮬레이터는 종종 실물과 가까운 모의 출력 신호를 허용한다.또한 에뮬레이터를 독립적으로 실행할 수 있으므로 전체 시스템에서 실행하지 않고도 뇌가 명령의 가능한 결과를 볼 수 있다고 가정한다.또한, 감각 정보를 반환할 때 노이즈 및\또는 구멍이 있는 경우 에뮬레이터를 병렬로 실행하여 수정하고 간격을 채울 수 있다.[5]

모터 제어

실험 결과 모터 제어 루프의 시간적 길이는 약 250~400ms가 소요된다.[6]그러나 자동차 센터들은 아직 도착하지 말았어야 할 주변 정보를 바탕으로 이동 개시 후 약 70ms 후에 이미 이전의 모터 플랜을 수정하고 있다.[7]따라서 센서로부터 실제 주변 출력이 수신되기 전에 효율적 복사본을 수신하고 처리한 다음 예측 주변 출력을 전송하는 모터 에뮬레이터가 있을 가능성이 높다.자동차 센터들은 종종 매우 빨리 달려야 한다.피드백 지연과 주변적인 오류는 실시간의 빠른 모터 이동을 매우 어렵게 하고 실패하기 쉽다.에뮬레이터의 사용을 통해 모터 센터는 사전 예측의 형태로 빠르고 신뢰할 수 있는 피드백을 받을 수 있다.이후 실제 주변 출력은 보다 정확한 모델에 통합될 수 있다.[5]

모터 이미지

에뮬레이터가 모터 이미지를 주로 담당할 가능성이 있다.모터 영역을 오프라인으로 실행함으로써 에뮬레이터는 가상의 움직임 명령을 수신할 수 있고 상상된 가능한 감각 결과를 제공할 수 있다.이 중 상당수는 의식 없이 운영될 수 있다.예를 들어, 뇌는 물체를 잡기 위해 지상의 물체를 향해 걸어갈 때, 물체를 집기 위한 최적의 손 위치와 그립 강도를 결정하기 위한 오프라인 모터 계획을 실행하고 있다.[5]

시각계

시각적 모달 특정 에뮬레이터는 1896년 에른스트 마하(Ernst Mach)의 실험에서 존재한다는 것이 실험적으로 증명되었다.그의 실험에서 피실험자들의 눈은 움직이지 못하게 막혔고, 그리고 나서 그들은 사카데를 촉발시킬 자극에 노출되었다.대부분의 피실험자들은 자극의 반대 방향으로 이동하면서 그들의 전체 시각적 장면을 잠깐 경험했다고 보고했다.따라서 마하 는 시각 시스템 내에 모터 명령과 현재 시각 자극에 기초하여 미래의 시각 장면에 대한 사전 추정을 생성하는 메커니즘이 있다고 추론했다.[8]원숭이에 대한 유사한 실험에서, 이 특별한 에뮬레이터는 두정피질 내의 신경세포 그룹 내에 존재하는 것으로 밝혀졌다.게다가, 이 뉴런들이 눈이 움직이기 전에 발화하기 시작했다는 것이 밝혀졌다.그러나 그들은 모터 명령이 시각적 사카드로 귀결될 경우에만 발사했다.이것은 시각적 에뮬레이터가 모달리 특이하다는 것을 시사한다.[9]

에뮬레이터 응용 프로그램

에뮬레이터는 다양한 산업과 시스템에서 유용할 수 있다.많은 공장과 공장들은 특정한 정보나 업데이트를 기다릴 여유가 없는 중앙 통제 시스템을 가지고 있다.예를 들어 화학 플랜트 및 원자로의 제어 시스템은 화학적, 물질적 분포 및 흐름을 변경하기 위해 대상 시스템의 교정 신호를 기다릴 수 없으므로 사전 예측을 정밀하게 한다.[10]

로보틱스

에뮬레이터와 같은 프로그래밍은 이미 많은 AI 시스템에 적용되었다.1988년 바틀렛 멜은 머피라는 이름의 로봇을 만들었다.머피는 세 개의 관절을 가진 로봇 팔이었고, 그 주된 목적은 도중에 여러 개의 물체와 접촉하는 것을 피하면서 물체를 손을 뻗어 잡는 것이었다.로봇은 두 가지 모드에서 작동할 수 있다.첫 번째 모드에서는 머피가 의도된 물체로 방해받지 않고 움직이는 경로를 찾을 때까지 단순히 작업공간을 중심으로 팔을 움직였다.이 많은 실행 후에 머피는 모터 명령을 미래의 시각적 출력에 연결하는 법을 배운다.이것은 그것의 두 번째 작동 모드로 이어진다.에뮬레이터와 비슷하게 머피는 오프라인에서 내비게이션 문제를 해결할 수 있다.Murphy는 작업 공간의 시각적 이미지를 수신하여 내부 시각적 그리드를 복사하여 조작할 수 있다.결과적으로, 로봇은 장애물을 통과하여 단 한 번의 주행으로 의도된 물체를 잡을 수 있다.[1]

화성 착륙로봇은 비슷한 입력 조작을 활용해야 한다.NASA는 지구와 화성 탐사선으로부터 약 20분간의 정보 교환 지연을 극복해야 한다.[11]

참조

  1. ^ a b c d e Grush, R. (2004). "The emulation theory of representation: Motor control, imagery, and perception". Behavioral and Brain Sciences. 27 (3): 377–422. CiteSeerX 10.1.1.124.1769. doi:10.1017/s0140525x04000093.
  2. ^ Bickle, J. (2009). The Oxford Handbook of Philosophy and Neuroscience. New York: Oxford University Press.
  3. ^ Desmurget, M.; Grafton, S. (2000). "Forward modeling allows feedback control for fast reaching movements". Trends in Cognitive Sciences. 4 (11): 423–431. doi:10.1016/s1364-6613(00)01537-0. PMID 11058820.
  4. ^ Kawato, M.; Furukawa, K.; Suzuki, R. (1987). "A Hierarchical Neural-Network Model for Control and Learning of Voluntary Movement". Biological Cybernetics. 57 (3): 169–185. doi:10.1007/bf00364149.
  5. ^ a b c Bickle, John (2009). The Oxford Handbook of Philosophy and Neuroscience. New York: Oxford University Press.
  6. ^ Ito, M. (1984). The cerebellum and neural control. New York, NY: Raven Press.
  7. ^ van der Meulen, J.H.P.; Gooskens, R.H.J.M.; Dennier van der Gon, J.J.; Gielen, C.C.A.M.; Wilhelm, K. (1990). "Mechanisms Underlying Accuracy in Fast Goal-Directed Arm Movements in Man". Journal of Motor Behavior. 22 (1): 67–84. doi:10.1080/00222895.1990.10735502. PMID 15111281.
  8. ^ Mach, E. (1896). Contributions to the Analysis of the Sensations. Translated by C. M. Williams. La Salle: Open Court Publishing.
  9. ^ Duhamel, J.; Colby, C.; Goldberg, M. (1992). "The Updating of the Representation of Visual Space in Parietal Cortex by Intended Eye Movements". Science. 255 (5040): 90–92. doi:10.1126/science.1553535.
  10. ^ Clark, A. (2003). Natural-Born Cyborgs: Minds, Technologies, and the Future of Human Intelligence. New York: Oxford Press.
  11. ^ "NASA Jet Propulsion Laboratory. Mission Timeline: Surface Operations". Archived from the original on 2004-10-28.