College 5: Connectionisme Flashcards

1
Q

Het connectionisme is een versie van

A

Het fysicalisme

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Wat is connectionisme?

A

Een alternatief voor de klassieke seriële, stapsgewijze, regelgeleide kijk op intelligentie & informatieverwerking

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Wat was het plan van de connectionisten?

A

Ze stellen dat ons brein een neuraal netwerk is, en dat als we een kunstmatig brein willen maken, dat we dan zo dicht mogelijk bij de architectuur van het brein moeten blijven als dat kan.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Units (connectionistisch netwerk)

A

Units zijn de AI “neuronen”, ze ontvangen input en verzenden output

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Weights (connectionistisch netwerk)

A

De sterkte van output die een unit verzendt (gerelateerd aan een bepaalde input) is telkens anders: dit noemt met the weight (die kan zowel remmend als stimulerend zijn)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Connectionistisch netwerk verdeling

A

Parallel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Parallel

A

Elke unit kan in principe met elke andere unit verbonden worden
(oplossing voor schade gevoeligheid van serieel netwerk)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Connectionistisch netwerk bestaat uit

A

Input units - hidden units - output units

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Laag van hidden units, functie

A

hierin wordt de input geïnterpreteerd en doorgestuurd naar de output units

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Laag van output units, functie

A

Hierin wordt onderscheid gemaakt tussen de verschillende uitkomsten en kan je de informatie aflezen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Betekenis drempelwaarde van bijvoorbeeld 2.0

A

O wordt pas actief als hij van beide units input krijgt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Eenvoudig netwerk

A

2 input units, 1 output unit

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Connectionistisch netwerk maken

A

Stap 1: de sterkte van de frequenties bepalen
Stap 2: voer dit in een PDP netwerk in
Stap 3: het systeem trainen (via backpropagation)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Backpropagation

A

Steeds iets aanpassen, kijken naar het effect op de uitkomst. Is het effect een vooruitgang richting de gewilde uitkomst? Dan houd je deze aanpassing. Is het geen vooruitgang dan doe je weer een stapje terug en probeer je weer iets anders.

–> We weten niet waarom dit het juiste antwoord is

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Gradient descent learning

A

Dat het stapje voor stapje verloopt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Speelt geheugen een rol in de goede werking van het systeem?

A

Nee, de gezichtsherkenning werkte ook super goed bij het gebruiken van verschillende foto’s

17
Q

Probleem

A

Snapshot reasoning

18
Q

Snapshot reasoning

A

Tijd is uit het model gelaten.

19
Q

Oplossing snapshot reasoning

A

Recurrent pathways,
Het model kan rekening houden met de input zelf en met de eerder gegeven input, een soort korte termijn geheugen

20
Q

Goede dingen aan het connectionisme

A

Het is biologisch realistischer dan functionalisme
- Economische manier van representeren
- Schade tolerantie
- Patroonafmaking
- Gratis generalisatie

21
Q

Economische manier van representeren

A

Je kan dezelfde units en verbindingen gebruiken om vele representaties op te slaan/te activeren

22
Q

Schade tolerantie

A

Doordat het systeem parallel is en niet serieel kan je wel een unit missen en dan toch nog de juiste output verkrijgen

23
Q

Graceful degradation

A

Het systeem gaat slechts langzaamaan stuk; het heeft dus een hoge tolerantie voor schade (damage tolerance).

24
Q

Patroonafmaking

A

Zelfs als de input niet compleet is, is de output vaak toch nog wel correct,
patronen worden dus afgemaakt.

25
Q

Gratis generalisatie

A

Als je een input A2 hebt, die lijkt op input A1, dan kan je adequaat handelen, zelfs als de situatie de facto nieuw is:

26
Q

Problemen connectionisme

A
  • Representaties in het brein
  • Therapie
27
Q

Representaties in het brein

A

Als representaties in het brein gedistribueerd (verdeeld) zijn, kunnen we dus niet langer zien als discrete entiteiten.
Dit houdt in dat propositionele attituden in de klassieke zin niet bestaan, want die worden als discrete entiteiten gezien.

28
Q

Therapie

A

Wat probeer je bij therapie te veranderen? Het brein?
Je kan niet een ding veranderen zonder daar andere dingen mee te veranderen

29
Q

Conclusie connectionisme

A

Connectionisme is dus biologisch realistischer dan klassieke AI / functionalisme