Чи є обчислювальні моделі дзеркальних нейронів?

З Вікіпедії:

Дзеркальний нейрон - це нейрон, який спрацьовує і тоді, коли тварина діє, і коли тварина спостерігає ту саму дію, яку виконує інша.

Дзеркальні нейрони пов'язані з імітаційним навчанням, що є дуже корисною функцією, якої не вистачає в сучасних реалізаціях інтелектуального інтелекту в реальному світі. Замість того, щоб вчитися на прикладах введення-виведення (контрольоване навчання) або з нагород (підкріплення навчання), агент з дзеркальними нейронами зможе навчитися, просто спостерігаючи за іншими агентами, переводячи їх рухи у власну систему координат. Що ми маємо з цього приводу стосовно обчислювальних моделей?

У цій статті дано опис дзеркальних нейронів з точки зору вивчення геббіану, механізму, який широко застосовується в ШІ. Я не знаю, чи формулювання, подане в статті, коли-небудь насправді застосовувалось обчислювально.

Незалежно від того, "я беру м'яч" або "він приймає м'яч", всі збережені екземпляри "взяття" і "кулі" будуть слабко активовані, а "взяти [м'яч" буде активовано. Це не кваліфікується як "дзеркальне відображення"? Якщо ви також знаєте, що "у мене є рука" і "у нього є рука" і т. Д., То коли "він бере кілька блоків", не важко думати, що "я міг би взяти кілька блоків".

Насправді у нас є багато речей, зйомка руху для екземплярів 3-D фільмів приходить в голову майже відразу. Проблема, якщо я думаю про це, менше ситуація у спостереженні за іншим актором, комп’ютери - це відносність, яка добре справляється з цим програмним забезпеченням для розпізнавання зображень, а не проблема розуміння того, якщо дія принесла хороший результат як мережа, яка не може робити комп’ютери, оскільки це не єдина мережева проблема вузла. Наприклад, ми вже запрограмували комп’ютер для розуміння людської мови (Вотсон, певно), але навіть Ватсон не зрозумів поняття, що говорити "f ***" - це погано. (Подивіться, що це смішна сторона.)

Але справа в тому, що алгоритми навчання не є істинним навчанням в певному сенсі, оскільки комп'ютер в даний час не має почуття "хорошого результату", отже, на цьому етапі навчання спостереження дуже обмежено в сенсі "мавпа бачить, мавпа робить".

Мабуть, найближче, про що я коли-небудь читав із цим, - це пошукові та рятувальні боти, що знаходились в мережі, і транслювали один одного, коли когось із них було знищено, бо боти знали, що це місце, чого вони повинні уникати.

В іншому випадку я думаю, що це проблема із спостережливим навчанням. Людина може помітити, що коли хтось вдарить вас, ти вдариш тебе назад, комп’ютер буде спостерігати та папугувати дії, добрі чи погані.