ENFORMAATIOTEORIA fysikaalinen vitalismi. Heikki Hyötyniemi Esitys Jyväskylässä 26.4.2013 Esitys Helsingissä 6.5.2013



Samankaltaiset tiedostot
Dynaamiset regressiomallit

Dynaamiset regressiomallit

ENFORMAATIOTEORIA elämän tarina. Heikki Hyötyniemi Esitys Jyväskylässä

Tilastotieteen aihehakemisto

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

JOHDATUS TEKOÄLYYN TEEMU ROOS

Matemaattisesta mallintamisesta

pitkittäisaineistoissa

Cynefin viitekehys eri toimintaympäristöt

T DATASTA TIETOON

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Mekaniikan jatkokurssi Fys102

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

Maximum likelihood-estimointi Alkeet

Mekaniikan jatkokurssi Fys102

Tilastotiede ottaa aivoon

JOHDATUS TEKOÄLYYN TEEMU ROOS

A. Huutokaupat ovat tärkeitä ainakin kolmesta syystä. 1. Valtava määrä taloudellisia transaktioita tapahtuu huutokauppojen välityksellä.

Värähdysliikkeet. q + f (q, q, t) = 0. q + f (q, q) = F (t) missä nopeusriippuvuus kuvaa vaimenemista ja F (t) on ulkoinen pakkovoima.

Kon Simuloinnin Rakentaminen Janne Ojala

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

JOHDATUS TEKOÄLYYN TEEMU ROOS

Ennustaminen ARMA malleilla ja Kalmanin suodin

JOHDATUS TEKOÄLYYN TEEMU ROOS

9. Tila-avaruusmallit

pitkittäisaineistoissa

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

JOHDATUS TEKOÄLYYN TEEMU ROOS

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

Korvausvastuun ennustejakauma bootstrap-menetelmän avulla

Tilastotiede ottaa aivoon

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus

JOHDATUS TEKOÄLYYN TEEMU ROOS

7. Luento 9.3. Hyvä ja paha tunne

Mallin arviointi ja valinta. Ennustevirhe otoksen sisällä, parametrimäärän valinta, AIC, BIC ja MDL

Opiskelu, työ ja toimeentulo ENA6 ENA3 Opiskelu ja työ. Kulttuuri-ilmiöitä ENA3 ENA5 Kulttuuri

Itseorganisoituvat hermoverkot: Viitekehys mielen ja kielen, aivokuoren ja käsitteiden tarkasteluun

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx.

Elämäsi seikkailu: kaaoksesta kaaokseen ja sen yli. Työkaluja zeniin

Diskriminanttianalyysi I

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Sovelletun fysiikan laitos Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

Harjoitus 7: NCSS - Tilastollinen analyysi

Osa 2: Otokset, otosjakaumat ja estimointi

Sovellettu todennäköisyyslaskenta B

Algoritmit 1. Luento 9 Ti Timo Männikkö

Regressioanalyysi. Kuusinen/Heliövaara 1

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

KJR-C2002 Kontinuumimekaniikan perusteet

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Viikko 2: Ensimmäiset ennustajat Matti Kääriäinen

Laskut käyvät hermoille

Solmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

Kognitiivinen mallintaminen. Nelli Salminen

4.0.2 Kuinka hyvä ennuste on?

805306A Johdatus monimuuttujamenetelmiin, 5 op

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Identifiointiprosessi

Tällä kerralla ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus Kertausta: Perseptronin oppimissääntö

TILASTOLLISEN KVANTTIMEKANIIKAN PERUSTEITA (AH ) Mikrotilat (kertausta Kvanttimekaniikan kurssilta)

JOHDATUS TEKOÄLYYN TEEMU ROOS

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Yleistetyistä lineaarisista malleista

Geenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto

Testejä suhdeasteikollisille muuttujille

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Regressioanalyysi. Vilkkumaa / Kuusinen 1

6. Tietokoneharjoitukset

Dissipatiiviset voimat

Dynaamisten systeemien identifiointi 1/2

Lukuvuosi oppikirjat Huomioi, että muutokset ovat vielä mahdollisia. Lisätietoja kurssien opettajilta.

3. Tietokoneharjoitukset

Matemaattinen Analyysi, k2012, L1

Lukuvuosi oppikirjat LOPS 2016 Huomioi, että muutokset ovat vielä mahdollisia. Lisätietoja kurssien opettajilta.

Keskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6)

STOKASTISET PROSESSIT

Signaalimallit: sisältö

Mat Tilastollisen analyysin perusteet, kevät 2007

Harjoitus 6: Simulink - Säätöteoria. Syksy Mat Sovelletun matematiikan tietokonetyöt 1

Viestinnän rooli muutoksen onnistumiselle

Kant Arvostelmia. Informaatioajan Filosofian kurssin essee. Otto Opiskelija 65041E

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

PHYS-C0240 Materiaalifysiikka (5op), kevät 2016

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

Edistyksen päivät, Helsinki. Voiko tutkija muuttaa maailmaa? Humanistista meta-analyysiä merkitysneuvottelevien koneiden avulla.

Luento 13: Periodinen liike. Johdanto Harmoninen värähtely Esimerkkejä F t F r

Syventävien opintojen seminaari

Tilastollinen päättely II, kevät 2017 Harjoitus 2A

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)

5.6.3 Matematiikan lyhyt oppimäärä

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Spektri- ja signaalianalysaattorit

Transkriptio:

ENFORMAATIOTEORIA fysikaalinen vitalismi Heikki Hyötyniemi Esitys Jyväskylässä 26.4.2013 Esitys Helsingissä 6.5.2013

Heikki Hyötyniemi Automaatiotekniikan professori Teknillisellä korkeakoululla 2001 2009 Tausta tekoälytutkimuksessa ja keinotekoisissa hermoverkoissa (erityisesti SOM-lähestymistapa) Myöhemmin kohti luonnonfilosofiaa? heikki.hyotyniemi@aalto.fi

Yhteistyössä Petri Lievonen Mies kulisseissa: ideoita, korjauksia, simulointeja, kursseja, verkkosivuja Jatkossa suurempi rooli enformaatiotutkimuksen eteenpäinviennissä? petri.lievonen@hiit.fi

Periaatteiden perustaa Puhdas empirismi ei riitä: on liikaa dataa, tarjolla liian monia tulkintavaihtoehtoja Empirismiä pitäisi täydentää rationalismilla: tarvitaan yleisiä mallikehyksiä tulkintojen pohjaksi Mutta jonkinlaisten ennakko-oletusten asettaminen maailmalle on filosofiaa jopa metafysiikkaa! Mutta kaikki mallintaminen perustuu ennakkooletuksiin (havaintojen teoriapitoisuus ) Nykyinen analyyttinen filosofia näkee maailman faktojen joukkona (varhainen Wittgenstein) Intuitiivisempi lähestymistapa olisi haastaa staattinen maailmankuva (myöhempi W) Herakleitos

Kaaoksen kohtaaminen Prosessifilosofia korostaa dynamiikan olennaisuutta maailman hahmotuksessa tuleminen on tärkeämpää kuin oleminen Oletus nyt: kaikki mikä on relevanttia on liikettä, yksinkertaisimmillaan jonkinlaista värinää Myöhemmin osoittautuu, että korreloivat värähtelyt muodostavat virtauksia ja dynaamisia attraktoreita Siis prosessi ja dynamiikka on tärkeämpää kuin rakenteet tai mekanismit Kun asioita yksinkertaistetaan äärimmilleen, voidaan olettaa, että aluksi ei ole olemassa minkäänlaista rakennetta Aloitetaan synnyistä, täydellisestä kaaoksesta, ja tarkastellaan, millaista informaatiota (datajakaumien muodossa) on tarjolla VITALISMIA ilman FINALISMIA

Ei rakennetta normaalijakauma Todennäköisyys N E z, E z E z 2 i i i 2 Staattinen maailma Unohdettu? Tämä ei ole vain mittauskohinaa Tämä on värinää hajonta odotusarvo zx i Tulee kiinnostavaksi korkeammissa ulottuvuuksissa, monimuuttujajakaumien tapauksessa

Jakaumien luonnehtiminen ja tulkitseminen Materia havaittu todellisuus; keskiarvoistus, karkeistus E z i Enformaatio variaatio, muutoksen luonne, dynamiikka E z 2 2 i E z i varianssi korrelaatiot - kovarianssit Jos kaikki on jousia ja jousen i tila (poikkeama tasapainosta, tai amplitudi) on z i, sen energia on verrannollinen suureeseen z i 2 Energeettinen informaatio kyky maailman muuttamiseen = perusta luonnonsemantiikalle Osoittautuu, että enformaatio voidaan tulkita elämänvoimaksi MITEN MIKSI

Enformaatio käytännössä Vakiot keskittyvät tänne Jos havaitsijan havaintahorisontti on äärellinen, E{ }:n sijaan Opetus: todellisen maailman epäideaalisuuksien huomioiminen antaa vihjettä emergoituvista rakenteista (tässä hierarkioista)

Semantiikka merkityksen synty Perinteisesti: tulkinnat ylhäältä Havaitsija Periytyminen alhaalta NYT Maailma Enformaatio Maksimoidaan enformaation haltuunotto mennään kohti maksimirelevanssia

Näkökulman laajennus Luonnonsemantiikka = kyberneettinen Gregory Batesonin semantiikka : kaikki pohjautuu merkityksellisiin muutoksiin Piispa Berkeley sanoi että oleminen on havaituksi tulemista Tätä voidaan yleistää: olemassaolo on enformaation käyttöä ympäristössä, havaitsijoihin vaikuttamista Olemassaolon edellytys siis on enformaation hankinta jotta sitä olisi käytettävissä maailmaan vaikuttamiseen Siis: tavoitteena on vuorovaikutus ja enformaation muokkaus Toisaalta mittaus on luonnonjärjestelmien perustoiminnallisuus: kaikki mittaa toistaan, tähän ei tarvita ihmistä Optimoituminen: voittaja on se joka onnistuu hankkimaan eniten enformaatiota; päämäärähakuisuus on kuitenkin illuusio

Vuorovaikutuksen mallintaminen Oletus: reaktiot johtuvat törmäyksistä joiden todennäköisyys riippuu aktiivisuuksista, konsentraatioiden funktioista Ottamalla logaritmit ja differentioimalla nominaalipisteessä saadaan

Enformaatioteoreettinen systeemi Mallista tulee lineaarinen: Tämän voidaan tulkita esittävän myös jonkinlaista yleistettyä diffuusiota Maailma jakautuu syötteisiin (resursseihin, jonkinlaisiin paineisiin) ja tiloihin (aktiviteetteihin, jonkinlaisiin virtauksiin) Lokaalit tasapainoarvot = havaittava ilmiömaailma Systeemi on niiden tilojen joukko jotka näkevät maailman samoin

Matematiikka avustettu ajattelu Matematiikkaa tarvitaan enformaatiovirtauksen saumattomaan jäljittämiseen, enformatiiviseen päättelyyn : Alisymboliset ja sumeat ilmiöt ovat tällöin käsiteltävissä Ilmiöiden suuridimensioisuus ja yhtäaikaisuus voidaan hallita Ajalliset rakenteet ja äärettömyyden käsite tulevat mahdollisiksi Emergenssi ja konvergenssi voidaan hallita Optimoituminen voidaan simuloida, jne. Enformaatio on neliöllinen suure optimirakenteet lineaarisia Normaalisti matematiikka on puhtaasti syntaktista nyt kuitenkin semantiikka on kytketty mukaan laskentaan alusta lähtien Suoritetaan vain mielekästä, fysikaalisesti relevanttia laskentaa? Huolimatta rakenteiden lineaarisuudesta, ääretön iteraatio (katso myöhemmin) mahdollistaa ei-triviaalit lopputulokset

Systeemien selviämisstrategia Vastaanotetun enformaation määrä ilmaisee systeemisen toimintatavan evolutiivisen vahvuuden: Voittajastrategia löydetään soveltamalla Lagrangen kertojien tekniikkaa rajoitettuun ongelmaan ( a i = vakio), jolloin q i = tilaspesifi jousto Siis optimivuorovaikutusten malli kerralla kaikille i ja j on matriisimuodossa

Tietorakenteet ovat Kytkentämatriisi Yhteisenformaatio Semanttinen suodatin Kaikki on silti täysin lokaalia

Analyysi kaavalle Jos määritellään osoittautuu, että Kytkeytymisen vaikutus Pääaliavaruusanalyysi (PSA) tulee toteutetuksi Kytkeytyminen muuttaa kovarianssirakenteen!

Mutta jotta se toimisi Yllä esitetty pitää paikkansa vain jos stationaarinen ratkaisu löytyy Käytetään (Adam Smith -tyylistä!) negatiivista takaisinkytkentää: enformaatio ei ole informaatiota, vaan käyttäminen kuluttaa Seuraa kilpailuoppiminen ja itseorganisoituminen Stationaaritilan signaalien yhteensovitus edellyttää yhtälöryhmän ratkaisua

Esimerkki: Ekolokerot ja monimuotoisuus Epälineaarisuudet kiertävät kantavektoreita tyypillisesti harvojen komponenttien suuntaan

Kaiken kaikkiaan: enformaation optimaalinen säätö robusti Tasapainotilassa vuorovaikutuksia hallitsevat kuvaukset siten että missä. Optimaalinen enformaation mallitus robusti Optimaalinen enformaation estimointi Regressio on regularisoitu (huomaa Q) se ei ole herkkä kolineaarisuudelle

Enformaation periytyminen Olettaen että tila i on kytkeytynyt variaation moodiin j Saadaan jolloin kytkeytymisehto on Staattinen kitka emergoituu?

Mallin yksinkertaistaminen Kytkentäkertoimien automaattinen adaptointi (tyypillisesti b = 1) josta seuraa systeemin maksimieksitaatio Tällöin näkyvä data muokkautuu kiinnostavalla tavalla: Muuttujat ekvalisoituvat = kaikkien varianssit tulevat samoiksi Näkyvä ympäristö valkaistuu = kovarianssista tulee yksikkömatriisi Systeemin koko voidaan optimoida datan ominaisuuksien avulla: täytyy päteä kaikille moodeille

Esimerkki: käsin kirjoitetut numerot Laajennus mentaaliseen maailmaan: hermosoluille aistisignaalien vaihtelu on nyt enformaatiota Opitut piirteet 25 vektoria Itseisarvomuotoinen epälineaarisuus lisätty tiloihin Kierros 10 20 30 40 60 5000 Data : Jorma Laaksonen Simulaatio: Petri Lievonen

Yhteyksiä muihin koneoppimismenetelmiin Hopfieldin verkot: Nytkin käyttäytymistä hallitsevat energiafunktiot, mutta hahmot purkautuvat piirteiksi (Rajoitetut) Boltzmannin koneet: Taas signaaleita kierrätetään kohinan suodattamiseksi, mutta äärettömyyteen saakka (Yleistetyt/Anti-) Hebbin algoritmit ja Ojan periaate: Myös korrelaatioperusta, mutta nyt rakenteet ovat uskottavampia (Kohosen) itseorganisoituvat kartat: Antamalla matriisin Q olla aluksi ei-diagonaalinen, voidaan huomioida naapuruusvaikutus Riippumattomien / harvojen komponenttien analyysi: Suoraviivaisia (?) perusrakenteen muunnelmia Monikerroksiset perceptron-verkot: Virhesignaalit ovat nyt olennainen osa rakennetta, eikä tarvita takaisinketjutusta

Laminaarinen virtaus turbulentiksi Emergoituvat pyörteet Yksinkertainen signaalivirtaus ja monimutkainen adaptaatio muuttuu monimutkaiseksi signaalivirtaukseksi ja yksinkertaiseksi adaptaatioksi

Evoluutioaskeleen jälkeen Sisäinen häviötön takaisinkytkentä: tarvitaan tieto naapureista Voidaan saavuttaa koordinoituminen ilman dissipaatiota Optimaalinen PSA / MLR toteutuu:

Näkökulma ylhäältä Matemaattinen hahmo: minimoituva kustannuskriteeri Mahdollisia tulkintoja mekaanisena energiana (seurauksena Aristoteelinen mekaniikka ), deformaatioenergiana, sähköstaattisena energiana Hahmontunnistuksen näkökulma (sovitus piirteisiin): Vertaa tätä perinteiseen suurimman uskottavuuden menettelyyn! Nyt painotus vapauksien suuntaan: + vakio

Vapauksien näkökulma kehityksen suunta Kun on jo paljon säätöjä (yhteisriippuvuuksia), on järkevää keskittyä niihin jäljellejääneisiin suuntiin ( Okkamin partaveitsi ) Vapausaste, yhteisvariaation suunta, enformaatiokanava Rajoitteet, invarianssit, systeeminen oravanpyörä Pyörre

Kohti emergenssin seuraavaa tasoa Edellä, dynamiikka-ajattelu ja optimoitumisen periaate oli avain uusien toiminnallisuuksien löytymiseen Nyt, tarkastellaan samoista lähtökohdista vielä stationaaritilan saavuttamisen yksityiskohtia Expectation Maximization -lähestymistapa soveltaen Ensemble Kalman filter -mittaussuodatinta: josta:

Mallit taajuustasossa Jos systeemin resurssit ovat vastaavalla tavalla dynaamisia Kun tällöin dynamiikat yhdistetään, saadaan joka kuvaa harmonista oskillointia: Kirjassa virhe! http://neocybernetics.com/enformaatioteoria-kirja/ekorj.pdf

Uudet tulkinnat Signaalit nähdään spektreinä, systeemit suodattimina, ja tasapainot ympäristön kanssa ovat kenttiä Vapaus ajasta ja paikasta niiden sijaan amplitudit ja vaiheet tulevat keskeisiksi Häviötön enformaatiovirtaus systeemien kesken edellyttää impedanssisovitusta, jne. Systeemit muodostavat suunnattuja antenneja, mikä tekee mahdolliseksi ymmärtää ylätason emergenttejä rakenteita Kytkeytyminen ympäristöön tarkoittaa aaltofunktioiden romahtamista, jolloin seisovat aallot sovittuvat reunaehtoihin Avain tietoisuuden ymmärtämiseen (?!) ja intersubjektiivisuus edellyttää yhteisön morfisten kenttien simulointia mielessä

Loppuhuipennus: informaatio ja enformaatio Kaaos (mallien mahdollisuus) muuttuu säätörakenteeksi ja korreloimattomaksi kohinaksi (joissa on paljon Shannonin informaatiota)

Evoluution luonne rakenne systeemi Tuoretta enformaatiota tarvitaan pitämään prosessi liikkeessä! kaaos + dissipatiivinen kohina Kaaoksen ja järjestyksen välinen rajalinja

lämän teoria Ajateltu ja kirjoitettu suomeksi! Elämä = Pyörteiden (säätösilmukoiden, enformaatiopumppujen) fraktaalinen kudos Entropiantuotanto maksimoituu mutta vain säätömallin puitteissa Vain subjektiivisessa maailmassa on mahdollisuus eheyteen Kerromme mielellämme lisää! Ota yhteyttä. http://neocybernetics.com/ http://neocybernetics.com/enformaatioteoria-kirja/