Wykład ten rozważa neurologiczne, psychologiczne, matematyczne i strukturalne modele inteligencji. Modele te sa użyte jako podstawa do dyskusji i rozwoju nowych modeli które mogą być przydatne do rozwoju inteligencji obudowanej. Wiele zwierząt jest stosunkowo prostymi stworzeniami, jednak wykazują sie one zdolnościami złożonego przetwarzania informacji którym dzisiejsza sztuczna inteligencja nie jest w stanie dorównać. Czy używając prostych modeli jesteśmy w stanie wytworzyć lepsza sztuczna inteligencje? Wykład ten próbuje połączyć to co wiemy o inteligencji z tym jak to można osiągnąć.
W szczególności, wykład ten przedstawia zaawansowane koncepcje samo-oraganizujacych sie sieci rzadko połączonych elementow obliczeniowych (neuronow i ich minikolumn). Implementacja algorytmów rozpoznawania wzorcow wejścia przy pomocy sieci neuronowych zapewnia ważne z praktycznego punktu widzenia przyspieszenie obliczeń w układach równoległego przetwarzania. Samo organizujące sie sieci sa zastosowane do implementacji przestrzenno-czasowych pamięci asocjacyjnych, statystycznej samo-organizacji i uczenia, tworzenia celow działania, i zorientowanego na określone cele rozwoju struktur pamięci. Omawiane sa struktury połączeń nerwowych w mózgu, rozwój genetyczny mózgu, i jego struktura funkcjonalna. Modularna struktura kory stanowi biologiczne uzasadnienie dla budowy samoorganizujących sie struktur neuronowych w maszynach. Omawiane sa zagadnienia percepcji i ruchu, oraz świadomości i umysłu .
Wykład ten kładzie duży nacisk na rozwój koncepcji
samo-organizujacego sie systemu uczącego z lokalnie połączonymi elementami
obliczeniowymi. Studenci będą symulowali sieci neuronowe do rozpoznawania
wzorcow wejściowych i klasyfikacji używając specjalistycznych narzędzi
softwareowych. Wykład ten przygotuje studentów do studiowania podstaw
obliczeniowych i organizacji hardwareowej systemow inteligentnych, uczenia i
zachowan z określonym celem działania. W jaki sposób motywować maszynę do
samodzielnego działania, a jednoczenie wykonania użytecznej pracy? W jaki
sposób oddziaływanie maszyny ze środowiskiem może prowadzić do lepszego
zrozumienia jej misji? Jakie sa główne problemy obliczeniowe i hardwareowe aby
takie działanie było efektywnie wykonywane w czasie rzeczywistym. W wykładzie
tym próbujemy zdefiniować co to znaczy być inteligentnym, przewidywać, planować,
uczyć sie z doświadczenia, kojarzyć, odczuwać, działać autonomicznie, mieć
świadomość i myśleć.