Generic Neuromorphic Principles of Cognition and Attention for Ants, Humans and Real-world Artefacts: a Comparative Computational Approach

Abstract

Es considera que la cognició biològica fa servir mecanismes com la predicció, l'anticipació i l'atenció per resoldre tasques complexes. S'ha suggerit que aquests mecanismes es materialitzen en els mamífers a través d'interaccions entre les capes corticals, mentre que la seva manifestació en cervells relativament més simples, como el dels invertebrats, és encara poc clara. En la cognició artificial, la naturalesa i la interacció dels mecanismes mencionats roman, en gran mesura, no quantificada. Aquí proposem un enfoc filogènic i basat en models per descobrir com interactuen aquests mecanismes cognitius. Comencem amb el model simple del cervell d'un insecte i demostrem la necessitat dels anomenats forward models per explicar el comportament d'un insecte a escenaris dinàmics. Llavors proposem el marc PASAR per integrar i quantificar la interacció dels mencionats components de la cognició. Validem el PASAR en tasques robòtiques i en un experiment psicofísic humà, demostrant que el PASAR és una eina valuosa per modelar i avaluar la cognició biològica i per construir sistemes cognitius artificials.

Biological cognition is thought to employ mechanisms like prediction, anticipation and attention for solving complex tasks. These mechanisms are suggested to be materialized through inter-layer cortical interactions in mammals, whereas their manifestation in relatively simpler brains, like the invertebrate brain, remains unclear. In artificial cognition, the nature and interplay of the above mechanisms remain largely unquantified. Here we propose a phylogenic, model-based approach to answer how these cognitive mechanisms interplay. We start with a simple model of the insect brain and demonstrate the necessity of the so-called forward models to account for insect behavior in dynamic scenarios. We then propose the PASAR framework to integrate and quantify the interplay of the above components of cognition. We validate PASAR in robotic tasks and in a human psychophysical experiment, proving PASAR as a valuable tool to model and evaluate biological cognition and to construct artificial cognitive systems.