Computação Evolutiva e Cognitiva Simulação de Vida Artificial e Cognição

Transcrição

1 Computação Evolutiva e Cognitiva Simulação de Vida Artificial e Cognição PROVA DIDÁTICA Tema 08 Computação Neural ESCOLA POLITÉCNICA DA USP Engenharia de Sistemas Eletrônicos Especialidade 1

2 PROVA DIDÁTICA TEMA 8: Computação Neural Computação executada pelo aparato cerebral, formado a partir de complexas combinações hierárquicas de circuitos neurais Como intervir nestes sistemas, para corrigir defeitos ou para agregar funcionalidades, usando aparatos artificiais? 2

3 Tema 8 Computação Neural Computação neural e seu papel em implantes e próteses Eletrônica envolvida e processamento neural envolvido Interfaces eletrônicas sistema biológico neural Eletrônica neuromórfica Retinas e córneas eletrônicas Microssensores para monitoramento de atividade cerebral e controle de próteses motoras Projeto de circuitos eletrônicos e implementação de redes neurais. Implementação de modelos neurais sigmoidais e de estruturas de interconexão Eletrônica linear e não linear e dispositivos eletrônicos associados 3

4 Computação Neural 4

5 Computação Neural Princípios Sistemas naturais capazes de realizar computação Sistema nervoso / tecidos cerebrais Sistemas artificiais capazes de reproduzir tais funções Ainda que parcialmente Aplicações Próteses e implantes em seres vivos Base de inspiração para sistemas artificiais (robôs) 5

6 Computação Neural Cérebro Múltiplas estruturas 10 8 neurônios conexões Diferentes funções Alta capacidade de adaptação aprendizagem 6

7 Computação Neural Redes Neurais Estruturas fundamentais para implantação das funções cerebrais Camadas corticais Atividades superiores Neo-córtex humano 6 camadas apenas 7

8 Computação Neural Compreensão e mapeamento funcional do cérebro Fundamentais para que se possa realizar implantes Inspiradores para o desenvolvimento de mecanismos artificiais que tenham desempenho em alguma medida equivalente 8

9 Computação Neural Sistemas de diagnóstico permitem tal exploração (ainda que parcial) Observação funcional por sinais (ritmos EEG, ERP) 9

10 Computação Neural Sistemas de diagnóstico permitem tal exploração (ainda que parcial) Observação funcional por imagens (PET) Mas modelos também devem ser propostos e validados 10

11 Implantes e Próteses 11

12 Computação neural e seu papel em implantes e próteses Prótese Somato-Sensorial/ Motora Sensorial Sensores capazes de obter informações como Pressão Temperatura E de encaminhar tais informações para o córtex somato sensorial Dificuldades maiores» Interface com o córtex» Como passar tais sinais 12

13 Computação neural e seu papel em implantes e próteses Prótese Somato-Sensorial/ Motora Motora Atuadores capazes de agir no sistema motor Indiretamente através do córtex motor Indiretamente desconsiderando a medula Dificuldades maiores» Interface com o córtex» Como reconhecer os padrões dos sinais corticais para gerar os correspondentes padrões de ação motora» Como passar tais sinais 13

14 Computação neural e seu papel em implantes e próteses Córtex somato-sensorial e motor Implantação de próteses em humanos Deficientes físicos (tetraplégicos) Funções cerebrais sensoriais e motoras não foram afetadas Problema na transmissão do sinal» Recepção sensorial» Ação motora Prótese serve como transdutor para controlar membros artificiais» Interface com córtex sensorial e motor» Geração de sinais para acionar membros artificiais 14

15 Computação neural e seu papel em implantes e próteses Córtex somato-sensorial e motor Questão é: Como transpor sinais elétricos corticais para sinais elétricos que atuem sobre mecanismos artificiais RNA devidamente treinadas podem desempenhar esta função Macaco é treinado a usar seu membro mecânico artificial, e consegue fazê-lo! Ao querer pegar um objeto o sistema de interface reconhece o padrão cerebral de tal intenção e gera a sinalização necessária 15

16 Computação neural e seu papel em implantes e próteses Córtex somato-sensorial e motor Área mais palatável Periférica no sistema nervoso central Entrada (sensorial) Saída (motor) Há que se entender a sinalização Relacionar padrões de sinais elétricos e intenções do animal saldável Reconhecendo as situações em que ocorrem» Pegar um objeto = padrão A» Soltar um objeto = padrão B Para então introduzir a sinalização de controle necessária para realizar as ações correspondentes no animal com a respectiva deficiência 16

17 Computação neural e seu papel em implantes e próteses Estudos relacionados Plasticidade neural Capacidade homeostática do sistema nervoso Funções tálamo-corticais Como sinalização recebida pelo córtex sensorial é repassada para outras áreas cerebrais e como isto interfere no próprio processamento sensorial (retro-alimentação) Aprendizado motor condicionado Para permitir o treinamento de seres vivos para uso de implantes Interfaces homem-máquina 17

18 Computação neural e seu papel em implantes e próteses Prótese Visual Sensor Córnea artificial poderá ser usada em substituição à natural Problema maior Interface com o nervo óptico» Como conectar fisicamente o feixe de neurônios compreendidos no nervo óptico» Como gerar os mesmos sinais gerados pela córnea natural 18

19 Computação neural e seu papel em implantes e próteses Prótese Visual( Dr. Mark Humayun) Sensor Córnea artificial poderá ser usada em substituição à natural Compatibilidade biológica» Evitar rejeição pelo tecido ocular» Microchips de silicone (Optobionics) 5,000 micro-células solares (micro-fotodiodos), cada qual estimulando seu próprio eletrodo Alimentação» Auto-alimentado pelo sinal luminoso Dimensões reduzidas» Compatíveis com o local do implante 19

20 Computação neural e seu papel em implantes e próteses Prótese Visual (Dr. Mark Humayun) Sensor Córnea artificial pode ser usada em substituição à natural Cego pode reconhecer a luz que estimula gânglios posteriores da retina Córnea OK» Significa que a luz atinge corretamente a retina Retina degenerada problema» Incapaz de estimular corretamente o nervo óptico Nervo óptico OK Prótese implantada na córnea, permitindo a transdução do sinal luminoso para o elétrico 20

21 Computação neural e seu papel em implantes e próteses Prótese Auditiva Aparelhos de surdez Sistemas exteriores Quando o problema auditivo pode ser melhorado por uma amplificação do sinal auditivo no ouvido externo Implantes Sistemas interiores Necessários quando o problema ocorre no ouvido interno Interface acústica (mecânico) cortical (elétrico) 21

22 Robôs 22

23 Computação neural e seu papel em sistemas artificiais (robôs) Robôs Seres artificiais capazes de reproduzir algumas das funções de seres naturais Visão Raciocínio e Decisão Movimentação e manipulação de objetos 23

24 Computação neural e seu papel em sistemas artificiais (robôs) Robôs Visão Requer sistemas eletrônicos dedicados Sensores» Córnea eletrônica» Obturador fotográfico Processadores» Córtex visual eletrônico Rede neural artificial» 1º. Estágio: Identificação (extração de características principais)» 2º. Estágio: Classificação (reconhecimento) 24

25 Computação neural e seu papel em sistemas artificiais (robôs) Robôs Raciocínio e Decisão Requer processadores especializados IAS Adaptação ao meio ambiente Mecanismos adaptativos para resolução de problemas Aprendizado (quando tem que ser resolvido em loco) Evolução (quando há possibilidade de se realizar sucessivas implementações) 25

26 Computação neural e seu papel em sistemas artificiais (robôs) Insetos Artificiais (Brooks) Princípios de vida artificial Mini-robôs Aprendem de forma autônoma 26

27 Interfaces Eletrônicas 27

28 Interfaces eletrônicas sistema biológico neural Interfaces eletrônicas biológicas Quando o sinal capturado ou processado por um elemento eletrônico deve ser propagado para o tecido biológico Interfaces biológicas eletrônicas Quando o sinal capturado ou processado pelo tecido nervoso deve ser propagado para um circuito eletrônico 28

29 Interfaces eletrônicas sistema biológico neural Em sensoriamento Estágios de entrada (sensoriais) requerem transdutores eletrônicos para gerar os sinais corretos para posterior utilização Se problema é sensorial há ainda que se tratar da interface deste sensor com o tecido nervoso Se o problema é cortical há que se propagar tal sinal para processadores especializados no seu tratamento, para que sejam posteriormente encaminhados à região cortical adequada 29

30 Interfaces eletrônicas sistema biológico neural Em sensoriamento Meio ambiente Sensor transdutor mecânico-elétrico Córtex somato sensorial interpretador sinal elétrico Prótese mecânica Prótese eletrônica 30

31 Interfaces eletrônicas sistema biológico neural Em atuação Estágios de saída (motores) são estimulados por transdutores eletrônicos Se problema é de comunicação cérebro membro(danos à medula) pode-se Estimular o membro enviando sinais para a região posterior à danificada Outra forma é fazer uso de próteses (braço mecânico) controladas pelos sinais de saída de tais transdutores 31

32 Interfaces eletrônicas sistema biológico neural Em atuação Estágios de saída (motores) são estimulados por transdutores eletrônicos Há ainda, como no caso anterior, que se tratar da interface do sistema eletrônicos com o tecido nervoso, residindo aqui provavelmente as maiores dificuldades Se o problema é cortical há que se há que se identificar padrões correlatos em áreas anteriores do circuito cerebral, para com base em treinamentos e estimativas gerar os sinais equivalentes aos que seriam produzidos pelo córtex motor 32

33 Eletrônica Envolvida 33

34 Eletrônica envolvida e processamento neural envolvido Eletrônica envolvida Sensores e atuadores Dispositivos eletrônicos e eletro-mecânicos Transdutores de diversos tipos Fotosensor(luz - sinal elétrico) Elemento piesoelétrico(ondas sonoras - sinal elétrico) Processadores Microprocessadores Para funções mais genéricas Redes neurais artificiais Para sistemas adaptativos (aprendizagem envolvida) 34

35 Eletrônica Neuromórfica 35

36 Eletrônica neuromórfica Termo criado em 1980 por Carver Mead Circuitos analógicos VLSI baseado em arquiteturas neuro-biológicas (sistema nervoso) Implementação de sistemas neurais Controle motor Processamento sensorial Percepção 36

37 Eletrônica neuromórfica Projeto neuromórfico Requer compreensão da morfologia neural Formas e configurações das conexões de neurônios Caráter estocástico Distribuição de formas e topologias em que o comportamento do conjunto decorre de características médias do mesmo» Independe da particular forma de conexão de um neurônio» Depende da distribuição estatística de conexões de vários neurônios treinamento 37

38 Eletrônica neuromórfica Engenharia neuromórfica Área interdisciplinar inspirada na biologia, física, matemática e computação para projetar sistemas neurais artificiais Utiliza princípios de formação de sistemas biológicos e particularmente do sistema nervoso Caráter estatístico Modelos evolutivos 38

39 Eletrônica neuromórfica Sistemas de Processamento Visual baseados em Eletrônica Neuromórfica Retina artificial (sensor) Córtex visual artificial (processador) Implementação VLSI (Albert Titus) 39

40 Eletrônica neuromórfica Retinas e córneas eletrônicas 40

41 Eletrônica neuromórfica Retinas e córneas eletrônicas 41

42 Microssensores para monitoramento de atividade cerebral e controle de prótese motora Sensoriamento de funções cerebrais Medida no escalpo (eletrodos de superfície) Eletroencefalografia(EEG) Informação média de conjunto Permite avaliar normalidade de padrões Mas não permite identificar pontos específicos Medida intermediada por microssensores Permite avaliar sinalização neural Comportamento de neurônios particularmente selecionados Exige microssensores que possam ser espetados no neurônio 42

43 Microssensores para monitoramento de atividade cerebral e controle de prótese motora Sensoriamento de funções cerebrais Medida no escalpo (eletrodos de superfície) Não invasiva Com tratamento apropriado dos sinais permite que sejam identificados padrões e suas correspondentes intenções Dada a complexidade da rede neural subjacente à intenção observação global pode ser conveniente Medida intermediada por microssensores() Invasivas Alta especificidade quando se consegue determinar o neurônio que responde globalmente por uma ação 43

44 Dispositivos Eletrônicos 44

45 Eletrônica linear e não linear e dispositivos eletrônicos associados Sensores Transdutores diversos Tanto funções lineares como não lineares Pressão Tensão Temperatura Humidade Fluxo Nanotecnologia saída nível elétrico correspondente entrada variável medida Como avanços em nanotecnologia se prestam para a construção de novos e melhores sensores 45

46 Eletrônica linear e não linear e dispositivos eletrônicos associados Sensores Mapa de sensores Malha regular uni ou bidimensional Capaz de obter um padrão espacial Múltiplos sensores operando simultaneamente Ex: Sensores 1D de scanners Sensores 2D de câmeras fotográficas 46

47 Eletrônica linear e não linear e dispositivos eletrônicos associados Amplificadores Servem para amplificar sinais capturados pelos sensores, tornando-os mais apropriados para posterior uso Normalmente funções não lineares (na sua extensão plena), mas usadas preferencialmente na sua região linear saída entrada 47

48 Eletrônica linear e não linear e dispositivos eletrônicos associados Amplificadores Diferenciais Trata de um sinal em relação à sua referência Interessantes para tratar pequenos sinais onde a presença de ruído possa destruir a informação Ruído é naturalmente removido por estar presente no sinal e na sua referência 48

49 Eletrônica linear e não linear e dispositivos eletrônicos associados Amplificadores Amplificadores Operacionais Implementação de inúmeras funções analógicas Lineares nos limites estabelecidos para entrada e 1 Amplificadores e 2» s = ke Somadores» s = k 1 e 1 + k 2 e 2 e Integradores» s = k e Diferenciadores» s = k ė e _ + _ + _ + s s s 49

50 Eletrônica linear e não linear e dispositivos eletrônicos associados Amplificadores Amplificadores Operacionais Implementação de equações diferenciais e = k 1 x+ k 2 ė k 3 e _ + k 3 e _ k 2 ė x + k 1 x _ + e 50

51 Eletrônica linear e não linear e dispositivos eletrônicos associados Filtros Ativos Passivos 51

52 Eletrônica linear e não linear e dispositivos eletrônicos associados Filtros adaptativos 52

53 Eletrônica linear e não linear e dispositivos eletrônicos associados Processadores 53

54 Eletrônica linear e não linear e dispositivos eletrônicos associados Redes Neurais Servem para implementar diferentes funções Filtros Lineares ou Não Lineares Filtros adaptativos Reconhecedores de padrões Extratores de características principais Classificadores Identificação da classe de pertinência (melhor ajuste) 54

55 Eletrônica linear e não linear e dispositivos eletrônicos associados Redes Neurais Podem ser simulada computacionalmente Podem ser implementada em HW dedicado Circuito eletrônico 55

56 Eletrônica linear e não linear e dispositivos eletrônicos associados Rede neural e filtros adaptativos Capazes de reconhecer padrões de sistemas dinâmicos a partir da observação exclusiva de seu comportamento X(i) Sistema dinâmico desconhecido d(i) saída Δω = f(e) - e(i) = d(i)-y(i) Rede Neural Filtro adaptativo y(i) saída 56

57 Eletrônica linear e não linear e dispositivos eletrônicos associados Rede neural e filtros adaptativos Métodos de treinamento (otimização) Gradiente descendente (ascendente) Procura o valor mínimo (máximo) da função a partir de um processo iterativo A cada passo, considerando ser a função continuamente diferenciável, procura encontrar a direção com maior taxa de variação da função Método de Newton Método de Gauss-Newton 57

58 Eletrônica linear e não linear e dispositivos eletrônicos associados Redes Neurais e Filtro Linear de Mínimos quadrados Utiliza um único neurônio linear e(n) = d(n) X(n)w(n) w(n+1) = X + (n)d(n) Onde X + (n)=(x T (n)x(n)) -1 X T (n) Sendo linear a convergência ocorre em um único ciclo, ou seja o processo de aproximações sucessivas dos métodos de otimização para funções não lineares é resolvido em um único passo para funções lineares 58

59 Eletrônica linear e não linear e dispositivos eletrônicos associados Redes Neurais e Filtro Linear de Mínimos quadrados Filtro de Wiener Ambiente ergódico 59

60 Eletrônica linear e não linear e dispositivos eletrônicos associados Redes Neurais e Filtro Linear de Mínimos quadrados Algoritmo do mínimo quadrado médio (LMS) w(n+1) = w(n) + ηx(n)e(n) 60

61 Conclusão 61

62 Conclusão Avanços na microeletrônica e na neurociência tem propiciado uma rica interação entre estas áreas Na qual ambas as áreas se beneficiam Eletrônica ao poder usar a modelos da neurociência como inspiração Neurociência ao poder usar a instrumentação eletrônica para ser melhor compreendida Neurociência ao poder usar a eletrônica para implementar circuitos integrados ao sistema nervoso na forma de implantes e próteses 62

63 Conclusão 63

64 Obrigado 64

65 Dispositivos Eletrônicos 65

66 Projeto de circuitos eletrônicos e implementação de redes neurais. Implementação de modelos neurais sigmoidais e de estruturas de interconexão 66