将概念作为多个概念空间中的新兴集群作为基础

在多概念空间中作为新兴集群的基础概念Roberto Pirrone和Antonio ChellaDipartimento dell{roberto.pirrone，antonio.chella} @ unipa.ithttp://www.unipa.it/dipartimenti/diid抽象的。 提出了一种新的人工智能体符号接地框架，它依赖于概念“出现”的关键思想这样的空间描述感知，如颜色，纹理，形状和位置，反过来是填充代理的环境的对象的属性。对象被表示在合适的对象概念空间中，其中它们的所有特征再次使用pCS中的聚类组合在一起。符号将从这样的张量空间中学习。在这项工作中的框架和其理论基础的详细描述和讨论关键词：符号基础·概念空间·聚类·十元1动机与理论背景符号接地[9]是认知系统和人工意识的基础研究课题。近年来，由于大量旨在与人类协作的机器人架构的发展，这样的主题在人机交互（HRI）和社会机器人领域受到了极大的关注[10]。事实上，从事高度互动任务的人工智能体确实需要一个接地的，即。他们的感知的“内部”表示，尽管他们的实施例，和应用领域[2，3]。最终我们可以说一个人工智能体能拥有私人和主观体验唯一方法尽管在哲学和认知科学中关于感受质的性质甚至是否存在存在有激烈的争论，但我们仍然认为感受质是一个世界的一部分从前面的考虑出发，我们在这里提出了一个基于概念空间[5]理论的符号基础的新框架，其中聚类被用作设计同质区域w.r.t.不同组低级视觉特征，如颜色、纹理、形状和环境中的位置。这些区域被映射为多个感知概念空间（pCS）中的原型点，描述具有相同特征集的每个属性2室Pirrone等人同样，p个CS中的聚类将概念设计为密集的点集：聚类中心可以被设计为概念原型，而每个聚类的凸包表示每个概念的边界。环境中的对象被表示为更高级别对象概念空间（CS）中的张量，其中克罗内克积用于表示对象与其视觉特征之间的关系以及当形成对象的感知时这些特征彼此相关的方式我们的框架是内在的动机，需要建立一个机器人，能够与人类进行无缝交互时，执行协作任务。意识的核心要素之一是语言，因此为人工智能体提供这种能力至关重要将词汇和与环境中的物体相关的意义都建立在基础之上。许多理论将语言视为意识的主要特征之一。 反过来，语言必须以现象经验为基础，才能为词语提供意义。在意识的高阶句法思维（HOST）理论中，只有当“一阶”语言处理操纵扎根符号时，关于世界的思想的有意识思想（以语言形式）才会发生。这样，一个人会觉得他/她在反思一些事情世界上Luc Steels [15]支持意识与语言严格相关的观点：语言再进入是一个符号循环，说话者在倾听“内心声音”时也是听话者。Steels提出了一种基于玩“语言游戏”的符号基础程序[16]，其中两个嵌入的人工代理（即，两个机器人）为他们正在谈论的话题生成符号。概念空间是一种被广泛接受的形式主义，用于表示有意识的感受质，并将其与感知联系起来[4]。 然而，虽然CS很好地描述了像颜色或形状的感官知觉，但声称可以使用定义为Rn中的子空间的“鸟CS”来建模鸟的经验，其中许多异质但相互关联的知觉简单地并列，这是一个有争议的 Augello等人[1]认为世界的主观经验（即感受质）本质上是非线性的，因此它们不能像CS那样在线性向量空间中被适当地表示。在这项工作中，我们支持的posi-由不同的感官功能组成的复杂的看法，必须表示“组成”相应的CS，我们的模型符号接地作为一个学习过程中发生的张量空间生成的克罗内克产品的2拟议框架下面报告并详细说明了所提出的符号接地程序的步骤感知：从视觉输入中提取多个低层特征，并对出现的同质区域进行聚类。pCS中的映射：每个区域的聚类中心被映射为多个CS中的点，其中维度与特征中的维度相同在〇CS中构建对象张量：表示每个p CS中的对象的属性的向量作为新兴集群3内克积多部分对象是表示每个部分的张量的平均值。学习符号：在这方面，学习机用于将张量绑定到结构化知识库中的符号表示，其中对象与其感知属性之间的关系是明确的。感知在将符号接地到感知时，人工代理可以以指示或探索的方式表现;在第一种情况下，人类指向ROI，同时参考符号描述，并且代理明确地执行符号接地作为其交互任务的一部分另一方面，施事可能会将注意力集中在新的事物上，从而试图为这样的感知提供一种通常在这种情况下，智能体已经知道感知的一部分的符号（例如在这两种情况下，代理不执行明确的模式识别过程中，我们可以认为它的感知在格式塔的角度，其中预先注意分组的低级别的功能发生，而视觉注意干预只是为了约束搜索区域的视觉阵列。我们通过从视觉输入中提取不同的低级别特征（如颜色，形状，纹理和位置）并使用基于密度的方法对它们进行聚类来建模这样的过程[13]，因为通常这些特征是低维空间中的向量，其中距离的概念被很好地定义。在每个特征空间中出现几个聚类，并且每个像素可以被标记为w.r. t。它所属的集群;然后将图像分割成像素呈现相同标签集的区域。高斯或模糊平滑可用于避免小孔并去除离群值。pCS感知CS被定义为一组CS，其中每个感知属性由一系列维度定义，这些维度是我们从视觉输入中提取的相同特征;我们希望通过这个选择来解决所有的问题-Gardenfors提出的关于CS中描述感官输入的“质量维度”的最佳选择的观点。与心理学密切相关的特征的感知，所以颜色可以使用一个感知的颜色空间，如La*b*，主曲率（k1，k2）可以用来描述形状的局部，而一个合适的纹理描述可以使用马利克的textons [11]。每个区域被映射到p个CS的集合上，作为其像素落入的对应聚类的中心;以这种方式，集群保持它的有效性，以确定类似点在一个pCS。这样的点现在可以被看作是一些属性值的例子和反例。Gardenfors使用Voronoi曲面细分对CS进行分区，以从一些原型开始创建表示概念的凸区域。新引入的示例和反例修改这种镶嵌的边界;区域连接演算（RCC）被赋予了“清晰关系”的合适定义，用于关于CS的推理[7]。在我们的框架中，概念只是pCS中的簇：使用簇进行推理比每次添加新示例时构建新的Voronoi曲面细分更灵活CS。一个概念的原型在集群的中心，而它的边界是集群的凸包。仅仅一个新的例子从已经知道的簇的边界脱离就足以产生一个新的例子，4室Pirrone等人⊗·∈∈∈∈⊗而类似的例子将彼此接近，并且相应的凸壳将相应地改变。我们不需要特定的推理原语，除了样本落入集群内部或外部的概念，而新示例与其他集群的接近度允许根据先前的知识来描述它们的含义，即“橙色就像一个明亮的黄红色”。〇CS将对象感知为其属性的组合不能使用所有这样的属性结合在一起的简单矢量表示来建模;第一个反对意见是在这样的向量空间中的因此，CS的主要理论基础此外，感知特征相互影响：颜色被感知为更暗或更亮，因为其表面取向朝向或倾斜。由于其曲率而远离光源，并且这同样适用于纹理和颜色之间的关系。我们希望使用张量来表示环境中的对象，以解决所有先前的问题。如果我们假设简单的是，通过颜色c∈C、形状c∈ C来描述通用对象。s∈S，并且纹理t∈T，则对象本身将被表示为：O=cst其中C、S和T分别是颜色、形状和纹理的pCS，而表示其通常定义中的克罗内克积。 给定Mh，k是指（h，k）阶矩阵的空间，并且vMm，1，wMn，1，它们的克罗内克积vwMm，n是其行的形式为v i w T，i1，. . .，n.前面的定义可以扩展到多个产品。众所周知，以这种方式定义的张量空间具有向量空间结构，因此可以定义内积以及诱导范数，并且可以考虑其中凸性要求已经成立的对象概念空间。产品表达了一种属性相互“调节”的方式。从计算的角度来看，即使我们可能会计算oCS中的距离以判断几个对象之间的相似性，我们也不需要在这样的空间中执行任何显式聚类过程，因为它是由实际上将符号绑定到对象的学习过程编码的。克罗内克积是一种表示知觉属性在形成客体的主观经验时相互影响的方法。张量还考虑由属性的子集定义的对象，即符号“ball”将对应于其中形状维度在某种意义上是普遍的张量，因为所有这样的张量将使它们的s向量落在对应于符号“round”的形状p CS中的相同原型附近。最终，单个属性也可以在CS中具有它们的张量表示，从而允许使用相同的过程来学习属性和对象符号。在实际情况下，落入由智能体调查的ROI中的对象将被分割在多个区域中，即一个杯子将导致两个张量，这两个张量同时考虑了杯子本身的凸面和凹面，同时它们将具有相同的颜色和纹理。在这种情况下，由各部分将被考虑在内。作为新兴集群5⟨⟩学习结构化知识库中的符号由于人工智能体可以被指示学习符号，或者它可以在环境中发现新的对象，因此应该进行监督和无监督学习，以将符号与其张量表示绑定。在我们看来，有两种主要的学习方案最适 合 在 接 地 过 程 中 实 施 这 样 的 步 骤 ： 使 用 RBF 核 的 支 持 向 量 机（SVM）和卷积神经网络（CNN）[8]。 SVM也是具有若干类的非常好的分类器;当在p个CS中出现新的聚类时，可以实例化新的分类器，使得当前分类器集成开始拒绝作为〇个CS中的离群值的示例。此外，RBF核被证明非常适合学习描述为原型向量以及特征空间中有界区域的类别[16]。另一方面，CNN是专门研究张量的学习机器;它们仅以监督的方式被训练，但是输出层可以被设置为适应学习有限数量的未知类。一个OWL本体将用于存储代理的符号知识;这里，对象和它们的感知特征之间的关系将被明确地表示。 值得注意的是，代理学习其结构形式为Object：hascolour，hasshape，hastexture的帧。这种结构已经在计算语言学中被广泛研究，以通过使用构式语法（CxG）来实现动词化。构造杆是一种非常适合于承载符号之间的绑定的结构，作为由表示感知的数字嵌入制成的“表面形式”的含义。 一些作者已经提出了一个OWL公理化过程[12]，用于在Stee l s的流体构式语法（F CG）[17]中产生构式。相似性（即嵌入之间的接近度）可以适当地用于指导在FCG生产步骤中选择构造的统一和合并过程。3结论和未来工作我们目前正在使用Python编程语言和ROS在Aldebaran Pepper机器人平台上开发我们的框架。在这里，我们报告一些关于我们的建议的最后考虑。CS中的聚类是操纵概念的有效技术：除了绑定符号之外，pCS中簇之间的几何关系还允许学习不精确的表达，如“某种”或“类似于”。当使用pCS来表达位置时，也可以考虑空间语言在HRI场景中，没有自发的词汇形成。符号已经存在于教师的头脑中，而新的符号可以通过与其他符号的特 性 的 相 似 性 来 获 得 它 们 的 意 义 。 我 们 的 互 动 学 习 计 划 是 符 合Gardenfors [6]提出的“思想会议”的概念：我们的框架允许代理在注意力指向新事物的场景中与教师达到一个固定点;教师将为新对象命名，但一般来说，它的特征将属于已知属性，并且代理将形成对象的张量表示，其部分地类似于已知的事物。反过来，意义将以某种程度的不确定性为基础，即已知对象。6室Pirrone等人张量是CS中的对象的合适表示，其保持其代数属性，并且表达质量维度之间的影响，即颜色、形状和纹理作为一个整体来考虑，同时避免了仅仅通过笛卡尔积来构造高维特征空间。未来的工作将旨在深化张量表示的对象，属性和关系出现的pCS相关的理论方面。引用1. Augello，A.，Gaglio，S.，Oliveri，G.，Pilato，G.，等：作用于概念空间在认知代理中。在：AIC@ AI* IA。页（2013年2. 本蒂沃利奥角Bonura，D.，Cannella，V.Carletti，S.，Pipitone，A.，皮罗尼河Rossi，P. Russo，G.：智能代理支持自我调节学习过程中的用户交互。Journalof E-Learning and Knowledge Society6（2），273. Chella，A.，Dindo，H.，Matraxia，F.，Pirrone，R.：实时视觉抓取合成使用遗传算法和神经网络。计算机科学讲义（包括人工智能子系列讲义和生物信息学讲义）4733 LNAI，5674. Chella，A.，Coradeschi，S.，Frixione，M.，Saffiotti，A.：感知锚定通过概念空间收录于：AAAI-04锚定符号研讨会论文集传感器数据。页405. Gardenfors，P.：概念空间：思想的几何学麻省理工学院出版社（2004）6. Gardenfors，P.：意义的几何学：基于概念空间的语义学。MIT Press（2014）7. Gardenfors，P.Williams，M.A.：概念空间中的范畴推理在：IJCAI.页3858. 古德费洛岛Bengio，Y.，Courville，A. Bengio，Y.：深度学习，卷。1.麻省理工学院出版社剑桥（2016）9. Harnad，S.：符号接地问题。物理D：非线性现象42（1-3），33510. Lemaignan，S.，Warnier，M.，Sisbot，E.A.，Clodic，A.，阿拉米河：社会人机交互的人工人工智能247，4511. Leung，T.，Malik，J.：表示和识别物质使用三维纹理元的材料国际计算机视觉杂志43（1）、2912. Pipitone，A.，Pirrone，R.：认知语言学作为语义注释的基本框架。2012年IEEE第六届语义计算国际会议。页52-59. IEEE（2012）13. 皮罗尼河Cannella，V. Monteleone，S.，Giordano，G.：基于线性密度的clus-用离散密度模型来描述ArXiv电子版arXiv：1807.08158（2018年7月），https://arxiv.org/abs/1807.0815814. Rolls，E.T.：大脑皮层：操作原理牛津大学出版社（2016）15. Steels，L.：语言的再入口和内心的声音。Journal of ConsciousnessStudies10（4-5），17316. Steels，L.：解决了符号接地问题。那么接下来呢？符号和实施例：关于意义和认知的争论。22317. 斯蒂尔斯湖De Beule，J.：流体结构语法中的统一与融合在：符号接地和超越，页。197-223. 03 The Dog（2006）