Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di ApprendimentoSistemi Emergenti nei Modelli di Apprendimento
Vito Francesco De GiuseppeVito Francesco De Giuseppe
http://vitodegiuseppe.splinder.com - email: [email protected] - email: [email protected]
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 2
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Sperimentazione sulla Cosituzione e sullo Sviluppo Sperimentazione sulla Cosituzione e sullo Sviluppo del Campo Cognitivo di un Agente Artificiale del Campo Cognitivo di un Agente Artificiale
Secondo un Paradigma Secondo un Paradigma ”bottom-up””bottom-up”
Ricercatore: Vito Francesco De GiuseppeRicercatore: Vito Francesco De Giuseppe Relatore: Vito Francesco De GiuseppeRelatore: Vito Francesco De Giuseppe
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 3
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Progetto Artificial Life LearningProgetto Artificial Life Learning
Sperimentazione sulla rilevazione di fenomeni emergenti Sperimentazione sulla rilevazione di fenomeni emergenti nella costituzione del campo cognitivo di un agente nella costituzione del campo cognitivo di un agente artificiale, attraverso l'uso di software di simulazione artificiale, attraverso l'uso di software di simulazione dell'evoluzione biologica.dell'evoluzione biologica.
Teorie di riferimento: Teoria del Campo di Kurt Lewin; Teoria dei Sistemi Emergenti.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 4
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Progetto Artificial Life LearningProgetto 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 5
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Teoria del CampoTeoria del Campo
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 6
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Lewin e la Teoria del CampoLewin 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)
.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 7
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Teoria del CampoTeoria del Campo
”Il campo è un insieme diverso dalla somma dalle parti che lo compongono”
(http://www.psicopolis.com/Kurt/tcampo.htm)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 8
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Confini e RegioniConfini 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 9
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Sistemi EmergentiSistemi Emergenti
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 10
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Teoria dei SistemiTeoria 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 11
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Teoria Generale dei SistemiTeoria 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 12
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
EmergenzaEmergenza”........ 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 13
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Processi EmergentiProcessi EmergentiEsempi 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)
Cellule Corpo viventeParole
Musicisti OrchestraStudenti ScuolaSoldati Esercito
Lavoratori AziendaAnimali
INSIEMIDI ...
SISTEMIEMERGENTI
Un poema, un libro, una
storia
Mandrie, sciami, stormi,
branchi, formicai
Componenti per l’edilizia
Edifici considerati
come processi
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 14
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Sistemi EmergentiSistemi 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 15
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial LifeArtificial Life(Vita Artificiale)(Vita Artificiale)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 16
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial LifeArtificial 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 17
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Ricerche nel campo della Vita ArtificialeRicerche nel campo della Vita ArtificialeLe 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 18
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Simulatore di Vita ArtificialeSimulatore 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 sta zione di trasporto metropolitano, 2007, http://laral.istc.cnr.it/wiva3/atti/wiva3/presentazioni/Bagno liLioSguanci.pdf)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 19
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Sviluppo di un Simulatore AlifeSviluppo di un Simulatore Alife(Simulatore di Vita Artificiale)(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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 20
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Simulatori AlifeSimulatori AlifeEsistono 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 Home page di Tierra: Creatore di Mondi
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 21
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningModello di Costituzione e Sviluppo del Modello di Costituzione e Sviluppo del
Campo Cognitivo di un Agente ArtificialeCampo Cognitivo di un Agente Artificiale
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 22
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 23
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 24
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 25
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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)
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 26
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 27
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 28
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningMetodologia:
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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 29
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 30
Artificial Life LearningArtificial Life LearningSistemi 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/
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 31
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Avida Digital Life PlatformAvida Digital Life PlatformIn 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 32
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningAnalisi dei DatiAnalisi dei Dati
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 33
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 34
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 35
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimentoi
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 36
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 37
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 38
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 39
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 40
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningRisultati della SperimentazioneRisultati della Sperimentazione
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 41
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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;
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 42
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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;
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 43
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 44
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life LearningConclusioniConclusioni
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 45
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life Learning
Il fenomeno emergente nella simulazione, potrebbe consentire di formulare un'ipotesi che sembra riconducibile a due situazioni tipiche:
1.Il Bambino Che Apprende2.L'Adolescente
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 46
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life Learning
Il Bambino Che ApprendeInizialmente 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 47
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 48
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial Life Learning
Costituzione del Campo Cognitivoin 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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 49
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
BibliografiaBibliografia
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 50
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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/Bagno liLioSguanci.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 del l’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.
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 51
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
WebgrafiaWebgrafia
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 52
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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/Bagno liLioSguanci.pdf
http://sodaplay.com/
28 marzo 2008 Artificial Life Learning - V. F. De Giuseppe 53
Artificial Life LearningArtificial Life LearningSistemi Emergenti nei Modelli di Apprendimento
Artificial Life LearningArtificial 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/