Artificial Life Learning

45 %
55 %
Information about Artificial Life Learning

Published on April 8, 2008

Author: vitodegiuseppe

Source: slideshare.net

Description

Emergence in Learning Models

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Vito Francesco De Giuseppe http://vitodegiuseppe.splinder.com - email: vito.degiuseppe@gmail.com

Artificial Life Learning

Sistemi Emergenti nei Modelli di Apprendimento

Vito Francesco De Giuseppe

http://vitodegiuseppe.splinder.com - email: vito.degiuseppe@gmail.com

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Sperimentazione sulla Cosituzione e sullo Sviluppo del Campo Cognitivo di un Agente Artificiale Secondo un Paradigma ”bottom-up” Ricercatore: Vito Francesco De Giuseppe Relatore: Vito Francesco De Giuseppe

Sperimentazione sulla Cosituzione e sullo Sviluppo del Campo Cognitivo di un Agente Artificiale Secondo un Paradigma ”bottom-up”

Ricercatore: Vito Francesco De Giuseppe

Relatore: Vito Francesco De Giuseppe

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Progetto Artificial Life Learning Sperimentazione sulla rilevazione di fenomeni emergenti nella costituzione del campo cognitivo di un agente artificiale, attraverso l'uso di software di simulazione dell'evoluzione biologica. Teorie di riferimento: Teoria del Campo di Kurt Lewin; Teoria dei Sistemi Emergenti.

Progetto Artificial Life Learning

Sperimentazione sulla rilevazione di fenomeni emergenti nella costituzione del campo cognitivo di un agente artificiale, attraverso l'uso di software di simulazione dell'evoluzione biologica.

Teorie di riferimento:

Teoria del Campo di Kurt Lewin;

Teoria dei Sistemi Emergenti.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Progetto Artificial Life Learning Obiettivo della Sperimentazione: Analisi e possibile rilevazione di un modello su come le informazioni possano strutturare il Campo Cognitivo di un Agente. Approccio: Di tipo bottom-up , per ricostruire le caratteristiche del campo cognitivo di un Agente, nei termini di fenomeni emergenti dall’interazione delle informazioni acquisite. Analisi e modellazione: Effettuata sulla base dei paradigmi teorici della Teoria del Campo di Lewin e della Teoria dei Sistemi Emergenti.

Progetto Artificial Life Learning

Obiettivo della Sperimentazione:

Analisi e possibile rilevazione di un modello su come le informazioni possano strutturare il Campo Cognitivo di un Agente.

Approccio:

Di tipo bottom-up , per ricostruire le caratteristiche del campo cognitivo di un Agente, nei termini di fenomeni emergenti dall’interazione delle informazioni acquisite.

Analisi e modellazione:

Effettuata sulla base dei paradigmi teorici della Teoria del Campo di Lewin e della Teoria dei Sistemi Emergenti.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Teoria del Campo

Teoria del Campo

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Lewin e la Teoria del Campo Kurt Lewin nacque a Mogilno, oggi Polonia, ma all'epoca in territorio prussiano, il 9 settembre 1890 e morì a Newtonville, negli Stati Uniti, 12 febbraio 1947. Professore di Filosofia e Psicologia all'Università di Berlino, emigrò nel 1933 negli Stati Uniti a causa del nazismo, in quanto ebreo e socialista. Professore dapprima alla Cornell University, poi all''Università dell'Iowa, ma fu anche Professore ad Harvard ed al MIT. Diresse il Research Centre for Group Dynamics fino alla sua morte. (Immagine tratta da Wikipedia: http://it.wikipedia.org/wiki/Kurt_Lewin )‏ .

Lewin e la Teoria del Campo

Kurt Lewin nacque a Mogilno, oggi Polonia, ma all'epoca in territorio prussiano, il 9 settembre 1890 e morì a Newtonville, negli Stati Uniti, 12 febbraio 1947.

Professore di Filosofia e Psicologia all'Università di Berlino, emigrò nel 1933 negli Stati Uniti a causa del nazismo, in quanto ebreo e socialista.

Professore dapprima alla Cornell University, poi all''Università dell'Iowa, ma fu anche Professore ad Harvard ed al MIT.

Diresse il Research Centre for Group Dynamics fino alla sua morte.

(Immagine tratta da Wikipedia: http://it.wikipedia.org/wiki/Kurt_Lewin )‏

.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Teoria del Campo ” Il campo è un insieme diverso dalla somma dalle parti che lo compongono” (http://www.psicopolis.com/Kurt/tcampo.htm)‏

Teoria del Campo

” Il campo è un insieme diverso dalla somma dalle parti che lo compongono”

(http://www.psicopolis.com/Kurt/tcampo.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Confini e Regioni ” Un campo è composto da Regioni e delimitato da un confine. Anche le Regioni hanno confini. I confini del Campo e delle Regioni sono mobili e pulsanti, anch'essi, come tutto il campo, in equilibrio quasi-stazionario (cioè sempre prossimo ad un cambiamento o passaggio di stato). Il Campo non ha spazi vuoti. Le Regioni sono le tracce mnestiche delle esperienze del Soggetto. La loro grandezza, i loro confini e la loro posizione ne determinano il peso all'interno del Campo. Essendo il Campo pluridimensionale, anche le Regioni lo sono e dunque hanno ciascuna plurime aree di confine.” (http://www.psicopolis.com/Kurt/confreg.htm)‏

Confini e Regioni

” Un campo è composto da Regioni e delimitato da un confine. Anche le Regioni hanno confini. I confini del Campo e delle Regioni sono mobili e pulsanti, anch'essi, come tutto il campo, in equilibrio quasi-stazionario (cioè sempre prossimo ad un cambiamento o passaggio di stato). Il Campo non ha spazi vuoti. Le Regioni sono le tracce mnestiche delle esperienze del Soggetto. La loro grandezza, i loro confini e la loro posizione ne determinano il peso all'interno del Campo. Essendo il Campo pluridimensionale, anche le Regioni lo sono e dunque hanno ciascuna plurime aree di confine.”

(http://www.psicopolis.com/Kurt/confreg.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Sistemi Emergenti

Sistemi Emergenti

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Teoria dei Sistemi ” Nella Teoria dei Sistemi l’attenzione è posta sul fatto che elementi operanti in una struttura, un’organizzazione, danno luogo a configurazioni aventi proprietà e problemi specifici, diversi da quelli degli elementi stessi.” (http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Teoria dei Sistemi

” Nella Teoria dei Sistemi l’attenzione è posta sul fatto che elementi operanti in una struttura, un’organizzazione, danno luogo a configurazioni aventi proprietà e problemi specifici, diversi da quelli degli elementi stessi.”

(http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Teoria Generale dei Sistemi ” La Teoria Generale dei Sistemi fa riferimento al costituirsi di sistemi grazie a processi di emergenza, considerando proprietà sistemiche in vari contesti disciplinari (inter-disciplinarità) e di per se stesse in generale (trans-disciplinarità).” (http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Teoria Generale dei Sistemi

” La Teoria Generale dei Sistemi fa riferimento al costituirsi di sistemi grazie a processi di emergenza, considerando proprietà sistemiche in vari contesti disciplinari (inter-disciplinarità) e di per se stesse in generale (trans-disciplinarità).”

(http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Emergenza ” ........ Processo di formazione di nuove entità collettive (ad esempio stormi, sciami, traffico automobilistico e la superconduttività) stabilite dal comportamento coerente di elementi interagenti; Un processo che può essere considerato come dipendente dall’osservatore (non tanto relativo a, ma in cui l’osservatore è parte integrante del processo), considerando che: Proprietà collettive emergono ad un livello di descrizione superiore (cioè più astratto, richiedenti altro modello cognitivo rispetto a quello usato per gli elementi) a quello usato per i componenti; Proprietà collettive sono rilevate come nuove, inaspettate dall’osservatore in riferimento al modello cognitivo assunto, adeguato per rilevare lo stabilirsi di coerenza.” (http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Emergenza

” ........

Processo di formazione di nuove entità collettive (ad esempio stormi, sciami, traffico automobilistico e la superconduttività) stabilite dal comportamento coerente di elementi interagenti;

Un processo che può essere considerato come dipendente dall’osservatore (non tanto relativo a, ma in cui l’osservatore è parte integrante del processo), considerando che:

Proprietà collettive emergono ad un livello di descrizione superiore (cioè più astratto, richiedenti altro modello cognitivo rispetto a quello usato per gli elementi) a quello usato per i componenti;

Proprietà collettive sono rilevate come nuove, inaspettate dall’osservatore in riferimento al modello cognitivo assunto, adeguato per rilevare lo stabilirsi di coerenza.”

(http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Processi Emergenti Esempi di processi di emergenza sono dati dallo stabilirsi di superconduttività, ferromagnetismo, stormi, sciami, formicai, traffico automobilistico, distretti industriali (http://www.airs.it/AIRS/Associazione/associazione.htm)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Sistemi Emergenti “ Presi singolarmente, una formica o un neurone non sono particolarmente intelligenti. Tuttavia se un numero abbastanza elevato di elementi così semplici interagisce e si auto-organizza, può attivarsi un comportamento collettivo unitario, complesso e intelligente. Se questo comportamento ha anche un valore adattativo, ci troviamo di fronte a un fenomeno "emergente": una colonia di formiche o il nostro cervello. Un aspetto sorprendente è che questo meccanismo non è prevedibile a partire dai suoi elementi costitutivi, e non è possibile ricostruirlo a partire dalle sue manifestazioni osservabili.” (S. Johnson: La nuova scienza dei sistemi emergenti. Dalle colonie di insetti al cervello umano, dalle città ai videogame e all'economia, dai movimenti di protesta ai network. Garzanti, 2004)‏

Sistemi Emergenti

“ Presi singolarmente, una formica o un neurone non sono particolarmente intelligenti. Tuttavia se un numero abbastanza elevato di elementi così semplici interagisce e si auto-organizza, può attivarsi un comportamento collettivo unitario, complesso e intelligente. Se questo comportamento ha anche un valore adattativo, ci troviamo di fronte a un fenomeno "emergente": una colonia di formiche o il nostro cervello. Un aspetto sorprendente è che questo meccanismo non è prevedibile a partire dai suoi elementi costitutivi, e non è possibile ricostruirlo a partire dalle sue manifestazioni osservabili.”

(S. Johnson: La nuova scienza dei sistemi emergenti. Dalle colonie di insetti al cervello umano, dalle città ai videogame e all'economia, dai movimenti di protesta ai network. Garzanti, 2004)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life (Vita Artificiale)‏

Artificial Life

(Vita Artificiale)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life “ La Vita Artificiale ( artificial life , alife o a-life ) è lo studio della vita mediante l'uso di analoghi, costruiti dall'uomo, dei sitemi viventi. L'informatico Christopher Langton ha coniato il termine verso la fine degli anni '80 quando ha tenuto la prima Conferenza Internazionale sulla Sintesi e Simulazione dei Sistemi Viventi (anche nota come Artificial Life) presso il Laboratorio Nazionale di Los Alamos, nel 1987.” (http://it.wikipedia.org/wiki/Vita_artificiale)‏

Artificial Life

“ La Vita Artificiale ( artificial life , alife o a-life ) è lo studio della vita mediante l'uso di analoghi, costruiti dall'uomo, dei sitemi viventi.

L'informatico Christopher Langton ha coniato il termine verso la fine degli anni '80 quando ha tenuto la prima Conferenza Internazionale sulla Sintesi e Simulazione dei Sistemi Viventi (anche nota come Artificial Life) presso il Laboratorio Nazionale di Los Alamos, nel 1987.”

(http://it.wikipedia.org/wiki/Vita_artificiale)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Ricerche nel campo della Vita Artificiale Le ricerche nel campo della vita artificiale vengono spesso distinti in due gruppi: ” ...... i sostenitori della vita artificiale forte affermano che "la vita sia un processo che può essere astratto da ogni mezzo particolare" (John Von Neumann). In questo campo è notevole il lavoro di Tom Ray, che ha dichiarato che il suo programma Tierra non simula la vita all'interno di un computer ma la sintetizza. i sostenitori della vita artificiale debole negano la possibilità di generare un processo vitale al di fuori di una soluzione chimica basata sul carbonio e tentano invece di imitare i processi vitali per capire l'apparire dei singoli fenomeni. Il metodo più usuale è l'uso di modelli basati su agenti, che normalmente forniscono una soluzione di tipo minimale. " (http://it.wikipedia.org/wiki/Vita_artificiale)‏

Ricerche nel campo della Vita Artificiale

Le ricerche nel campo della vita artificiale vengono spesso distinti in due gruppi:

” ......

i sostenitori della vita artificiale forte affermano che "la vita sia un processo che può essere astratto da ogni mezzo particolare" (John Von Neumann). In questo campo è notevole il lavoro di Tom Ray, che ha dichiarato che il suo programma Tierra non simula la vita all'interno di un computer ma la sintetizza.

i sostenitori della vita artificiale debole negano la possibilità di generare un processo vitale al di fuori di una soluzione chimica basata sul carbonio e tentano invece di imitare i processi vitali per capire l'apparire dei singoli fenomeni. Il metodo più usuale è l'uso di modelli basati su agenti, che normalmente forniscono una soluzione di tipo minimale. "

(http://it.wikipedia.org/wiki/Vita_artificiale)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Simulatore di Vita Artificiale “ I simulatori di Vita Artificiale consistono di una collezione numerosa di semplici unità di base che producono delle proprietà interessanti se osservate a livelli più alti.” (M. Annunziato, C. Liberto, A. Pannicelli. Modellazione ad agenti dei flussi passeggeri in una sta­zione di trasporto metropolitano, 2007, http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf )‏

Simulatore di Vita Artificiale

“ I simulatori di Vita Artificiale consistono di una collezione numerosa di semplici unità di base che producono delle proprietà interessanti se osservate a livelli più alti.”

(M. Annunziato, C. Liberto, A. Pannicelli. Modellazione ad agenti dei flussi passeggeri in una sta­zione di trasporto metropolitano, 2007, http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf )‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Sviluppo di un Simulatore Alife (Simulatore di Vita Artificiale)‏ Scopi dello sviluppo di un Simulatore Alife (per comodità utilizzeremo quest'ultimo termine per definire la Vita Artificiale): Costruire uno strumento che permetta di riprodurre macrocomporamenti; Analisi della loro dinamica interazione reciproca; Utilizzo di un approccio bottom-up ; Ricostruzione delle caratteristiche di sistema in termini di fenomeni emergenti.

Sviluppo di un Simulatore Alife

(Simulatore di Vita Artificiale)‏

Scopi dello sviluppo di un Simulatore Alife (per comodità utilizzeremo quest'ultimo termine per definire la Vita Artificiale):

Costruire uno strumento che permetta di riprodurre macrocomporamenti;

Analisi della loro dinamica interazione reciproca;

Utilizzo di un approccio bottom-up ;

Ricostruzione delle caratteristiche di sistema in termini di fenomeni emergenti.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Simulatori Alife Esistono diversi software per la simulazione della vita artificiale (l'elenco seguente non indica quelli più importanti, ma solo alcuni di essi). Avida Tierra SWARM Evolve 4.0 Noble Ape Simulation Evolving Artificial Brains Home page di Tierra: Creatore di Mondi

Simulatori Alife

Esistono diversi software per la simulazione della vita artificiale (l'elenco seguente non indica quelli più importanti, ma solo alcuni di essi).

Avida

Tierra

SWARM

Evolve 4.0

Noble Ape Simulation

Evolving Artificial Brains

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Modello di Costituzione e Sviluppo del Campo Cognitivo di un Agente Artificiale

Artificial Life Learning

Modello di Costituzione e Sviluppo del Campo Cognitivo di un Agente Artificiale

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Tesi della Sperimentazione Step 1 Si è ipotizzata un'analogia tra gli amminoacidi che si aggregano per formare una molecola di DNA e le informazioni che si aggregano per formare il Campo Cognitivo. Sia il DNA che il Campo Cognitivo si costituiscono, si sviluppano e si evolvono sulla spinta delle istanze adattive fornite dall'ambiente. Immagine tratta da:http://it.wikipedia.org/wiki/DNA

Artificial Life Learning

Tesi della Sperimentazione

Step 1

Si è ipotizzata un'analogia tra gli amminoacidi che si aggregano per formare una molecola di DNA e le informazioni che si aggregano per formare il Campo Cognitivo.

Sia il DNA che il Campo Cognitivo si costituiscono, si sviluppano e si evolvono sulla spinta delle istanze adattive fornite dall'ambiente.

Immagine tratta da:http://it.wikipedia.org/wiki/DNA

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Tesi della Sperimentazione Step 2 Se gli amminoacidi interagiscono per formare una Struttura complessa, si può ipotizzare che informazioni semplici possano interagire per strutturare forme complesse. Se i legami tra amminoacidi riproducono modelli di legame tra informazioni, la simulazione dei legami degli amminoacidi rispecchierebbe quello delle informazioni. Si simulerebbe l'Evoluzione del Campo Cognitivo con un sistema che simuli l'evoluzione biologica di un genotipo.

Artificial Life Learning

Tesi della Sperimentazione

Step 2

Se gli amminoacidi interagiscono per formare una Struttura complessa, si può ipotizzare che informazioni semplici possano interagire per strutturare forme complesse.

Se i legami tra amminoacidi riproducono modelli di legame tra informazioni, la simulazione dei legami degli amminoacidi rispecchierebbe quello delle informazioni.

Si simulerebbe l'Evoluzione del Campo Cognitivo con un sistema che simuli l'evoluzione biologica di un genotipo.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Tesi della Sperimentazione Step 3 Utilizzo di un Simulatore di Vita Artificiale che, attraverso l'utilizzo di algoritimi genetici, simuli l'evoluzione del Campo Cognitivo di un Agente Artificiale durante il processo di adattamento all'ambiente in cui è immerso.

Artificial Life Learning

Tesi della Sperimentazione

Step 3

Utilizzo di un Simulatore di Vita Artificiale che, attraverso l'utilizzo di algoritimi genetici, simuli l'evoluzione del Campo Cognitivo di un Agente Artificiale durante il processo di adattamento all'ambiente in cui è immerso.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Algoritmo genetico ” ... Parte da un certo numero di possibili soluzioni (individui) chiamate popolazione; Provvede a farle evolvere nel corso dell'esecuzione; A ciascuna iterazione opera una selezione di individui della popolazione corrente, impiegandoli per generare nuovi elementi della popolazione stessa, che andranno a sostituire un pari numero d'individui già presenti; Costituisce in questo modo una nuova popolazione per l'iterazione (o generazione) seguente; Tale successione di generazioni evolve verso una soluzione ottimale del problema assegnato.” (http://it.wikipedia.org/wiki/Algoritmo_genetico)‏

Artificial Life Learning

Algoritmo genetico

” ...

Parte da un certo numero di possibili soluzioni (individui) chiamate popolazione;

Provvede a farle evolvere nel corso dell'esecuzione;

A ciascuna iterazione opera una selezione di individui della popolazione corrente, impiegandoli per generare nuovi elementi della popolazione stessa, che andranno a sostituire un pari numero d'individui già presenti;

Costituisce in questo modo una nuova popolazione per l'iterazione (o generazione) seguente;

Tale successione di generazioni evolve verso una soluzione ottimale del problema assegnato.”

(http://it.wikipedia.org/wiki/Algoritmo_genetico)‏

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Scopo del Progetto: Costruzione di una matrice con cui modellare la formazione del Campo Cognitivo di un Agente artificiale, attraverso l'acquisizione di informazioni disponibili nell'ambiente in cui l'Agente è immerso; Analisi dell'interazione dinamica delle informazioni; Utilizzo di un approccio bottom-up ; Ricostruzione delle caratteristiche di sistema del Campo Cognitivo dell'Agente in termini di fenomeni emergenti.

Artificial Life Learning

Scopo del Progetto:

Costruzione di una matrice con cui modellare la formazione del Campo Cognitivo di un Agente artificiale, attraverso l'acquisizione di informazioni disponibili nell'ambiente in cui l'Agente è immerso;

Analisi dell'interazione dinamica delle informazioni;

Utilizzo di un approccio bottom-up ;

Ricostruzione delle caratteristiche di sistema del Campo Cognitivo dell'Agente in termini di fenomeni emergenti.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Disegno Sperimentale: Utilizzo di software di simulazione dell'evoluzione biologica, con cui osservare come le informazioni, interagendo tra di esse una volta acquisite, strutturano il campo cognitivo; Durante l'osservazione l'evoluzione è stata campionata, in momenti diversi della crescita e dell'evoluzione, del Campo Cognitivo; Utilizzo di un approccio bottom-up ; Osservazione di fenomeni emergenti .

Artificial Life Learning

Disegno Sperimentale:

Utilizzo di software di simulazione dell'evoluzione biologica, con cui osservare come le informazioni, interagendo tra di esse una volta acquisite, strutturano il campo cognitivo;

Durante l'osservazione l'evoluzione è stata campionata, in momenti diversi della crescita e dell'evoluzione, del Campo Cognitivo;

Utilizzo di un approccio bottom-up ;

Osservazione di fenomeni emergenti .

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Metodologia: Utilizzo di software di simulazione dell'evoluzione biologica; Strutturazione dei dati; Creazione delle regole d'interazione dei dati; Creazione regole d'iterazione dei processi di elaborazione; Definizione della durata del processo di elaborazione; Avvio del software ed elaborazione in batch processing ; Campionatura in tre momenti delle schermate di elaborazione: t0, all'avvio; t1, dopo dieci minuti dall'avvio, t2, dopo venti minuti dall'avvio, t3 al termine del processo, stabilito nella durata di trenta minuti.

Artificial Life Learning

Metodologia:

Utilizzo di software di simulazione dell'evoluzione biologica;

Strutturazione dei dati;

Creazione delle regole d'interazione dei dati;

Creazione regole d'iterazione dei processi di elaborazione;

Definizione della durata del processo di elaborazione;

Avvio del software ed elaborazione in batch processing ;

Campionatura in tre momenti delle schermate di elaborazione: t0, all'avvio; t1, dopo dieci minuti dall'avvio, t2, dopo venti minuti dall'avvio, t3 al termine del processo, stabilito nella durata di trenta minuti.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Strumenti: Computer: Notebook Fujitsu-Siemens Amilo A ; Processore: mobile AMD Athlon Xp (tm) 1800+ ; Memoria: 217,2 MB ; S. O.: Ubuntu 7.10 “Gutsy Gibbon” - versione x86 - ; Software di simulazione Alife: Avida Evolution Simulator .

Artificial Life Learning

Strumenti:

Computer: Notebook Fujitsu-Siemens Amilo A ;

Processore: mobile AMD Athlon Xp (tm) 1800+ ;

Memoria: 217,2 MB ;

S. O.: Ubuntu 7.10 “Gutsy Gibbon” - versione x86 - ;

Software di simulazione Alife: Avida Evolution Simulator .

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Avida Evolution Simulator Avida è un sistema auto-organizzante. Impiegato su piatteforme digitali nelle ricerche sulla Vita Artificiale, è un mondo digitale che muta e si evolve. Avida è impiegato in ricerche ed esperimenti sulle dinamiche evolutive e per lo studio di teorie biologiche che non sono testabili in sistemi biologici reali. Homepage: http://dllab.caltech.edu/avida/

Avida Evolution Simulator

Avida è un sistema auto-organizzante.

Impiegato su piatteforme digitali nelle ricerche sulla Vita Artificiale, è un mondo digitale che muta e si evolve.

Avida è impiegato in ricerche ed esperimenti sulle dinamiche evolutive e per lo studio di teorie biologiche che non sono testabili in sistemi biologici reali.

Homepage: http://dllab.caltech.edu/avida/

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Avida Digital Life Platform In Avida gli organismi sono composti da un “corpo” che contiene un set di componenti. Tali componenti sono: Memoria: una sequenza di istruzioni che possono essere eseguite, copiate, mutate, etc. Un Puntatore dell'Istruzione (instruction pointer: IP): indica il punto successivo in cui l'istruzione deve essere eseguita. Tre registri: possono essere usati dagli organismi per conservare le informazioni che vengono manipolate. Il contenuto non è predefinito ed è a 32-bit intero. Due Stacks (Pile di dati in cui l'estrazione dei dati segue un ordine inverso rispetto a quello d'immissione): usati per conservare i dati ottenuti dagli organismi durante l'elaborazione. In teoria la loro capienza non ha limite, ma per comodità si preferisce non superare superiore a 10. Un Buffer di input ed uno di output: usato per ricevere informazioni e restituire i risultati dell'elaborazione effettuata dagli organismi. Un'Intestazione di Lettura (Read-Head), un'Intestazione di Scrittura (Write-Head), ed un'Intestazione di Flusso (Flow-Head): impiegate come specifiche posizioni nella Memoria della CPU.

Avida Digital Life Platform

In Avida gli organismi sono composti da un “corpo” che contiene un set di componenti. Tali componenti sono:

Memoria: una sequenza di istruzioni che possono essere eseguite, copiate, mutate, etc.

Un Puntatore dell'Istruzione (instruction pointer: IP): indica il punto successivo in cui l'istruzione deve essere eseguita.

Tre registri: possono essere usati dagli organismi per conservare le informazioni che vengono manipolate. Il contenuto non è predefinito ed è a 32-bit intero.

Due Stacks (Pile di dati in cui l'estrazione dei dati segue un ordine inverso rispetto a quello d'immissione): usati per conservare i dati ottenuti dagli organismi durante l'elaborazione. In teoria la loro capienza non ha limite, ma per comodità si preferisce non superare superiore a 10.

Un Buffer di input ed uno di output: usato per ricevere informazioni e restituire i risultati dell'elaborazione effettuata dagli organismi.

Un'Intestazione di Lettura (Read-Head), un'Intestazione di Scrittura (Write-Head), ed un'Intestazione di Flusso (Flow-Head): impiegate come specifiche posizioni nella Memoria della CPU.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Analisi dei Dati

Artificial Life Learning

Analisi dei Dati

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning t0: Momento Iniziale. Schermata catturata all'avvio del programma di simulazione. Lo spazio nero costituisce l'ambiente in cui l'agente è immerso. Il punto rosso indica che l'informazione di cui l'agente è in possesso corrisponde al suo Campo Cognitivo. Informazione e Campo Cognitivo coincidono. L'agente ha un unica informazione: IO SONO QUI. Nelle indicazioni laterali, il quadrato rosso rappresenta l'informazione, quello bianco il luogo di residenza dell'informazione che viene però cancellata e non si struttura nel Campo Cognitivo.

Artificial Life Learning

t0: Momento Iniziale.

Schermata catturata all'avvio del programma di simulazione.

Lo spazio nero costituisce l'ambiente in cui l'agente è immerso.

Il punto rosso indica che l'informazione di cui l'agente è in possesso corrisponde al suo Campo Cognitivo.

Informazione e Campo Cognitivo coincidono.

L'agente ha un unica informazione:

IO SONO QUI.

Nelle indicazioni laterali, il quadrato rosso rappresenta l'informazione, quello bianco il luogo di residenza dell'informazione che viene però cancellata e non si struttura nel Campo Cognitivo.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning t1: dopo 10 min. di elaborazione. Schermata catturata dopo 10' di elaborazione della simulazione. Lo spazio bianco che rappresenta il Campo Cognitivo è diventato più ampio. Le informazioni sono diversificate e sono presenti in punti diversi del Campo, ma tutte verso le aree esterne . L'agente ha più informazioni ed un Campo Cognitivo strutturato. Nelle indicazioni laterali, i quadrati che indicano le informazioni sono aumentati per numero e si diversificano in diversi colori, cioè si differenziano per caratteristiche.

Artificial Life Learning

t1: dopo 10 min. di elaborazione.

Schermata catturata dopo 10' di elaborazione della simulazione.

Lo spazio bianco che rappresenta il Campo Cognitivo è diventato più ampio.

Le informazioni sono diversificate e sono presenti in punti diversi del Campo, ma tutte verso le aree esterne .

L'agente ha più informazioni ed un Campo Cognitivo strutturato.

Nelle indicazioni laterali, i quadrati che indicano le informazioni sono aumentati per numero e si diversificano in diversi colori, cioè si differenziano per caratteristiche.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimentoi Artificial Life Learning t2: dopo 20 min. di elaborazione. Schermata catturata dopo 20' di elaborazione della simulazione. Lo spazio bianco, il Campo Cognitivo, è cresciuto relativamente poco. Il Campo pesenta un numero maggiore di elementi (i quadrati bianchi). Si può sostenere che ora è più articolato I punti di aggregazione delle informazioni sono diminuiti e si presentano solo sulle aree esterne. Quest'ultimo tratto si presenta con maggiore evidenza rispetto al momento t1. Le informazioni si sono stabilizzate, per tipologia e numero.

Artificial Life Learning

t2: dopo 20 min. di elaborazione.

Schermata catturata dopo 20' di elaborazione della simulazione.

Lo spazio bianco, il Campo Cognitivo, è cresciuto relativamente poco.

Il Campo pesenta un numero maggiore di elementi (i quadrati bianchi). Si può sostenere che ora è più articolato

I punti di aggregazione delle informazioni sono diminuiti e si presentano solo sulle aree esterne. Quest'ultimo tratto si presenta con maggiore evidenza rispetto al momento t1.

Le informazioni si sono stabilizzate, per tipologia e numero.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning t3: dopo 30 min. di elaborazione. Termine dell'elaboraizone Schermata catturata dopo 30' di elaborazione della simulazione. Lo spazio bianco, il Campo Cognitivo, ha continuato a crescere con tempi costanti, ma più lentamente che da t0 a t1, riuscendo comunque a coprire quasi l'intero ambiente. Il Campo presenta un incremento dell'articolazione interna. Le informazioni sono diversificate, come anche i punti di aggregazione che non si presentano solo sulle aree esterne. Le informazioni si sono modificate.

Artificial Life Learning

t3: dopo 30 min. di elaborazione. Termine dell'elaboraizone

Schermata catturata dopo 30' di elaborazione della simulazione.

Lo spazio bianco, il Campo Cognitivo, ha continuato a crescere con tempi costanti, ma più lentamente che da t0 a t1, riuscendo comunque a coprire quasi l'intero ambiente.

Il Campo presenta un incremento dell'articolazione interna.

Le informazioni sono diversificate, come anche i punti di aggregazione che non si presentano solo sulle aree esterne.

Le informazioni si sono modificate.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Percentuale di crescita del Campo Cognitivo: Il tasso di crescita del Campo Cognitivo non si incrementa significativamente tra t2 e t3. t2 t3

Artificial Life Learning

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Numero di Informazioni presenti tra t1 e t3: Il numero di informazioni presenti nel Campo si dimezzano nell'intervallo di tempo tra t1 e t3. t2 t3

Artificial Life Learning

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Tempi di Crescita del Campo Cognitivo tra t2 e t3: I tempi di crescita del Campo Cognitivo non cambiano significativamente nell'intervallo di tempo tra t2 e t3. t2 t3

Artificial Life Learning

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Risultati della Sperimentazione

Artificial Life Learning

Risultati della Sperimentazione

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Risultati della Sperimentazione Questa prima sperimentazione sembra confermare alcuni punti: Un Agente acquisisce ed elabora più informazioni in un momento iniziale; Questo sembra rispondere alla necessità dell'Agente di far crescere il proprio Campo Cognitivo, poiché così si appropria di una maggior controllo rispetto ad una più ampia superficie ambientale. Questa sembra essere una caratteristica tipica dell'adattamento;

Artificial Life Learning

Risultati della Sperimentazione

Questa prima sperimentazione sembra confermare alcuni punti:

Un Agente acquisisce ed elabora più informazioni in un momento iniziale;

Questo sembra rispondere alla necessità dell'Agente di far crescere il proprio Campo Cognitivo, poiché così si appropria di una maggior controllo rispetto ad una più ampia superficie ambientale. Questa sembra essere una caratteristica tipica dell'adattamento;

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Risultati della Sperimentazione In un primo momento il Centro del Campo si stabilizza e le informazioni presentano una più facile aggregazione nelle aree periferiche, successivamente il Campo presenta nuove aggregazioni anche verso i punti più centrali, in concomitanza con una diversificazione delle informazioni; Il tempo di elaborazione non muta dopo una prima accelerazione ed assume una caratteristica costante;

Artificial Life Learning

Risultati della Sperimentazione

In un primo momento il Centro del Campo si stabilizza e le informazioni presentano una più facile aggregazione nelle aree periferiche, successivamente il Campo presenta nuove aggregazioni anche verso i punti più centrali, in concomitanza con una diversificazione delle informazioni;

Il tempo di elaborazione non muta dopo una prima accelerazione ed assume una caratteristica costante;

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Risultati della Sperimentazione Le informazioni diminuiscono al passare del tempo: l'Agente satura la necessità di acquisire nuove informazioni. Il Campo diventa via via più articolato. Inizialmente il numero di aggregazioni delle informazioni decresce verso una tendenza stabile, per poi ripresentare un incremento delle aggregazioni ed una variazione delle posizioni delle aggregazioni.

Artificial Life Learning

Risultati della Sperimentazione

Le informazioni diminuiscono al passare del tempo: l'Agente satura la necessità di acquisire nuove informazioni.

Il Campo diventa via via più articolato.

Inizialmente il numero di aggregazioni delle informazioni decresce verso una tendenza stabile, per poi ripresentare un incremento delle aggregazioni ed una variazione delle posizioni delle aggregazioni.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Conclusioni

Artificial Life Learning

Conclusioni

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Il fenomeno emergente nella simulazione, potrebbe consentire di formulare un'ipotesi che sembra riconducibile a due situazioni tipiche: Il Bambino Che Apprende L'Adolescente

Artificial Life Learning

Il fenomeno emergente nella simulazione, potrebbe consentire di formulare un'ipotesi che sembra riconducibile a due situazioni tipiche:

Il Bambino Che Apprende

L'Adolescente

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Il Bambino Che Apprende Inizialmente Il Campo Cognitivo dell'Agente Artificiale si struttura secondo modalità e processi tipici del Bambino che Impara , con una massiccia aggregazione delle informazioni, costituzione di nuove Regioni del Campo e diversificazione nella tipologia di informazioni. Dopo una prima accelerazione i tempi si stabilizzano.

Artificial Life Learning

Il Bambino Che Apprende

Inizialmente Il Campo Cognitivo dell'Agente Artificiale si struttura secondo modalità e processi tipici del Bambino che Impara , con una massiccia aggregazione delle informazioni, costituzione di nuove Regioni del Campo e diversificazione nella tipologia di informazioni.

Dopo una prima accelerazione i tempi si stabilizzano.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning L'Adolescente Raggiunto un limite di soglia, nel momento in cui l'intero ambiente entra a far parte del Campo Cognitivo, si riscontra un incremento delle aggregazioni delle informazioni ed una ulteriore capacità di strutturare ulteriori Regioni del Campo, nonché un ulteriore diversificazione nella tipologia di informazioni. Questo seconda situazione sembra essere analoga a quella presente nel periodo adolescenziale in cui si ristruttura il Campo Cognitivo per rimodularsi sulle nuove istanze adattive.

Artificial Life Learning

L'Adolescente

Raggiunto un limite di soglia, nel momento in cui l'intero ambiente entra a far parte del Campo Cognitivo, si riscontra un incremento delle aggregazioni delle informazioni ed una ulteriore capacità di strutturare ulteriori Regioni del Campo, nonché un ulteriore diversificazione nella tipologia di informazioni. Questo seconda situazione sembra essere analoga a quella presente nel periodo adolescenziale in cui si ristruttura il Campo Cognitivo per rimodularsi sulle nuove istanze adattive.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Costituzione del Campo Cognitivo in una Logica di Sciame La costituzione del Campo Cognitivo si modella presentando fenomeni emergenti non dissimili da quelli rilevabili in una colonia di formiche, secondo quella che sembra essere una logica di sciame.

Artificial Life Learning

Costituzione del Campo Cognitivo

in una Logica di Sciame

La costituzione del Campo Cognitivo si modella presentando fenomeni emergenti non dissimili da quelli rilevabili in una colonia di formiche, secondo quella che sembra essere una logica di sciame.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Bibliografia

Bibliografia

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Bibliografia: M. Annunziato, C. Liberto, A. Pannicelli. Modellazione ad agenti dei flussi passeggeri in una stazione di trasporto metropolitano, 2007. http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf A. M. Gadomski, F. Fontana, Agenti Cognitivi Semi-Intelligenti per Imprese Virtuali di e-Learning: Applicazioni di Metodologia TOGA e Tecnologie Web Multimediali. Notizie AIIA – Periodico del­l’Associazione Italiana per l’Intelligenza Artificiale, Anno XVI, N.1, pagine 66-72, 2003. S. Johnson: La nuova scienza dei sistemi emergenti. Dalle colonie di insetti al cervello umano, dalle città ai videogame e all'economia, dai movimenti di protesta ai network. Garzanti, 2004. K. Lewin: Principi di Psicologia Topologica. Editore O.S. Firenze, 1980.

Artificial Life Learning

Bibliografia:

M. Annunziato, C. Liberto, A. Pannicelli. Modellazione ad agenti dei flussi passeggeri in una stazione di trasporto metropolitano, 2007. http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf

A. M. Gadomski, F. Fontana, Agenti Cognitivi Semi-Intelligenti per Imprese Virtuali di e-Learning: Applicazioni di Metodologia TOGA e Tecnologie Web Multimediali. Notizie AIIA – Periodico del­l’Associazione Italiana per l’Intelligenza Artificiale, Anno XVI, N.1, pagine 66-72, 2003.

S. Johnson: La nuova scienza dei sistemi emergenti. Dalle colonie di insetti al cervello umano, dalle città ai videogame e all'economia, dai movimenti di protesta ai network. Garzanti, 2004.

K. Lewin: Principi di Psicologia Topologica. Editore O.S. Firenze, 1980.

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Webgrafia

Webgrafia

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Webgrafia: http://devolab.cse.msu.edu/software/ http://it.wikipedia.org/wiki/Agente_intelligente http://it.wikipedia.org/wiki/Algoritmo_genetico http://it.wikipedia.org/wiki/DNA http://it.wikipedia.org/wiki/Vita_artificiale http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf http://sodaplay.com/

Artificial Life Learning

Webgrafia:

http://devolab.cse.msu.edu/software/

http://it.wikipedia.org/wiki/Agente_intelligente

http://it.wikipedia.org/wiki/Algoritmo_genetico

http://it.wikipedia.org/wiki/DNA

http://it.wikipedia.org/wiki/Vita_artificiale

http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno­liLioSguanci.pdf

http://sodaplay.com/

Artificial Life Learning Sistemi Emergenti nei Modelli di Apprendimento Artificial Life Learning Webgrafia: http://www.airs.it/AIRS/Associazione/associazione.htm http://www.alife.org/links.html http://www.his.atr.jp/~ray/tierra/ http://www.mitpressjournals.org/loi/artl?cookieSet=1 http://www.nobleape.com/sim/ http://www.psicopolis.com/Kurt/ http://www.stauffercom.com/evolve4/

Artificial Life Learning

Webgrafia:

http://www.airs.it/AIRS/Associazione/associazione.htm

http://www.alife.org/links.html

http://www.his.atr.jp/~ray/tierra/

http://www.mitpressjournals.org/loi/artl?cookieSet=1

http://www.nobleape.com/sim/

http://www.psicopolis.com/Kurt/

http://www.stauffercom.com/evolve4/

Add a comment

Related presentations

Related pages

Artificial life - Wikipedia

Artificial life (often abbreviated ALife or A-Life) is a field of study wherein researchers examine systems related to natural life, its processes, and its ...
Read more

Artificial Life 14 | The MIT Press

Home Computer Science and Intelligent Systems Artificial Life 14. Free ... Neural Networks and Machine Learning; ... dynamical networks, artificial ...
Read more

Artificial Life Programming (BS) - uat.edu

Artificial Life Programming Disclosure. At University of Advancing Technology, we believe that students and families should be prepared financially for ...
Read more

We Are Not Alone: Artificial Life Growing on the Internet

Many Artificial Life researchers, especially those concerned with learning and adaptation, ... artificial life (including artificial fishes!).
Read more

Artificial Life | MIT CogNet

Artificial life, a field that seeks to increase the role of synthesis in the study of biological phenomena, has great potential, both for unlocking the ...
Read more

The Effect of Evolution in Artificial Life Learning Behavior

In this paper, we add learning behavior to artificial evolution simulation and evaluate the effect of learning behavior. Each individual establishes its ...
Read more

Artificial neural network - Wikipedia

The word network in the term 'artificial neural network' refers to ... Artificial life; ... A Concise Introduction to Machine Learning with Artificial ...
Read more

ARTIFICIAL INTELLIGENCE AND LIFE IN 2030 - ai100.stanford.edu

Artificial Intelligence and Life in 2030 is made ... Hollywood. Deep learning, a form of machine learning based on layered representations
Read more

3D simulation and evolution | Framsticks

FRAMSTICKS. Artificial Life: by Maciej Komosinski and Szymon Ulatowski. Highlights: Movies: ... Framsticks is a three-dimensional life simulation project.
Read more

Artificial Intelligence (AI) | edX

Learn Artificial Intelligence (AI) from Columbia University in this course, part of the Artificial Intelligence MicroMasters Program on edX. This course ...
Read more