予測符号化理論
認知ロボティクスの講義
「計算論的精神医学」
認知ロボティクスはそういった人間の認知のモデルを、身体付きで試して仮説検証することを目指している
- ニューラルネットワークの、不確実性を推定する部分に損傷を加える
ニューラルネットワーク
基本の回帰モデルを表すと↑になる これの層を増やしたり、間のユニットを増やすことで学習 各矢印が、重みwを持っている、全部違う値 学習によって調整される それだけだとただの回帰と同じ、だから、やを使ってフィルターをかける みたいに、して重みを0に近づけることもできる デフォルトはほとんど正則化しない 最初は、乱数で重みを決める 学習した内容の解析が難しい、やる方法の一つは重みのヒートマップをみること パラメーター学習のには、や等が初心者向けにある #Pythonで始める機械学習 モデルが完成したら、実際にする時はこの計算をすればいいだけ、簡単 （xが入力、Wが各層の重み、yが出力、σが） 一つの層のたくさんあるのうち、一つがめっちゃ影響力強くなっちゃうことがある それを避けるために、ランダムにdropoutする ...
- そうすると、予測誤差に不自然な重み付けがされる
- 実際にそれでロボットを動かしてみる
- 不確実性が過少の場合
- 誤差が本来より大きく評価される
- よって、本当は変わる必要がない「意図」が変更され、異常行動に繋がる
- 不確実性が過大の場合
- 誤差が本来より小さく評価される
- よって、環境が変わっても誤差が大きくならず、意図の切り替えが生じず、異常行動に繋がる
- 不確実性が過少の場合
- 結果、実世界でも見られるような精神医学?的な法則がロボットの動きでも見れた
- ニューラルネットワーク