Естественно-конструктивистский подход к моделированию мышления: интерпретация эмоций в искусственной когнитивной системе

О.Д. Чернавская, Д.С. Чернавский, Д.С. Щепетов (Физический институт РАН)
А.П. Никитин (Институт общей физики РАН)

Введение

В наших работах [1…3], основанных на естественно-конструктивистском подходе (ЕКП) к моделированию мышления, была предложена схема искусственной когнитивной системы. В данной работе мы исследуем вопрос о том, что именно в предложенной искусственной конструкции может имитировать эмоции в живой системе. Подчеркнём, что мы не пытаемся сконструировать систему, которая выполняла бы ряд задач лучше, чем человек. Мы пытаемся понять, как может это делать человек. С этой точки зрения игнорировать роль эмоций невозможно.

Следует отметить, что эмоции достаточно сложно формализовать, прежде всего, потому, что общепринятое определение эмоций расплывчато. Эмоции (от лат. emoveo – потрясаю, волную) – определяются как эмоциональный процесс средней продолжительности, отражающий субъективное оценочное отношение к существующим или возможным ситуациям. При этом возможность сформулировать некое оценочное отношение уже предполагает наличие сознания. Кроме того, данное определение ничего не говорит о молекулярных механизмах появления эмоций. Очевидно, это понятие требует междисциплинарного подхода. В данной работе мы попытаемся сформулировать основные характеристики эмоционального процесса с точки зрения разных подходов и предлагаем его интерпретацию в искусственной мыслительной системе.

Попытки формализовать роль эмоций в мышлении очень популярны в последнее время (см., например, [4…8]). Обычно вводится некоторое количество дискретных эмоциональных состояний – их число варьируется от 2 (положительное и отрицательное) до 27 в [6] – которые, с соответствующими весовыми коэффициентами, влияют на модельные расчёты. В другом подходе [7] вводятся «эмоциональные» и «рациональные» динамические переменные; их нелинейное взаимодействие обеспечивает разнообразие состояний системы. Однако эти подходы оставляют неудовлетворённость (в частности, у самих авторов) в отношении нейрофизиологической интерпретации переменных. Ещё один подход, т.н. «реинжениринг мозга» [8] основан на анализе роли и функций кортикальных и субкортикальных структур в процессе обучения. Он представляется наиболее близким к цели, однако и в нём существуют трудности совместного описания мыслительной и эмоциональной деятельности.

В рамках ЕКП мы используем единый аппарат нелинейных дифференциальных уравнений для описания состояния и взаимодействия нейронов мозга в когнитивных процессах. В основе подхода лежит также Динамическая Теория Информации (ДТИ, [9]). Следует подчеркнуть один из выводов ДТИ: если информация, согласно [10], есть запомненный выбор одного варианта из ряда возможных, то существует два способа её получения: генерация (свободный или случайный выбор) и рецепция (отбор, или выбор, навязанный извне). Поскольку эти процессы дополнительны (дуальны), необходимы две разные подсистемы для реализации этих функций. При этом для генерации информации необходим случайный элемент (шум), т.е. фактор Z(t) ξ(t), где Z(t) есть амплитуда, ξ(t) – случайная функция (0 < ξ < 1), который должен присутствовать в подсистеме генерации.

Ниже будет показано, что такие конструктивные особенности подхода позволяют нам естественно ввести понятие эмоций в искусственную когнитивную систему.

Различные подходы к формализации эмоций

Подход с позиций теории эволюции

С эволюционной точки зрения эмоции представляют собой более древний механизм анализа окружения, чем мыслительная деятельность. Эмоциональный всплеск, порождённый структурами «старого мозга» (см. [8], [11]), представляет синтетическую (интегральную) реакция на окружающую среду, в отличие от аналитической («рациональной»). Вообще деление на «эмоцио» и «рацио» начинается с того момента, когда человек приобретает язык (см., например, [12]), т.е. развитую структуру символов. Заметим, что язык представляет собой временной ряд символов [13], т.е. рациональное мышление относится к последовательному способу обработки информации. Тогда естественно предположить, что эмоциональная реакция соответствует параллельному способу. Вспоминая, что такое же разделение относят к левому (ЛП) и правому (ПП) церебральным полушариям соответственно [14], естественно предположить, что рациональное мышление относится к ЛП, а эмоции связаны с ПП.

Подход с позиций психологии

Согласно наблюдениям психологов (в частности, Э. Голдберга [15]), полушария головного мозга имеют чёткую специализацию. ПП отвечает за восприятие нового, а ЛП – за обработку хорошо известной информации. С этой точки зрения любая неожиданность (т.е. неверный или несделанный прогноз) требует включения ПП. С другой стороны, именно неожиданность всегда вызывает сильную (как правило, отрицательную) эмоциональную реакцию. Это наблюдение положено в основу нашего подхода к описанию эмоций в искусственной когнитивной системе.

Подход с позиций нейрофизиологии

С точки зрения нейрофизиологии, эмоции зависят от уровня и состава нейромедиаторов в организме (см., например, [11]). Из всего разнообразия нейромедиаторов выделяют возбуждающие (адреналин) и тормозящие (эндорфины, опиаты). В этой связи разделение на два типа эмоций (несмотря на видимую «грубость») выглядит более адекватно.

Обе группы нейромедиаторов подразделяются на нейроамины и нейропептиды. Первые выделяются самими нейронами и влияют на поведение синапсов. Вторые действуют как локально, так и глобально на весь организм, влияя на вегетативное и психологическое состояние (в частности, на настроение).

Трудность формализации эмоций связана с тем, что химический состав – объективная и измеряемая характеристика, а эмоции – субъективная оценка собственного состояния, которая сама не всегда бывает осознана и формализована (сформулирована). Проблема перехода от нейромедиаторов к эмоциям подобна тому, как можно от изучения активности одного нейрона прийти к понятию «сознание» – это не невозможно, но действительно трудно. В частности, не ясно, что первично («проблема курицы и яйца») – эмоции или сознание? Иными словами, эмоции инициируют мыслительный процесс, или результат мыслительной деятельности порождает эмоции?

Подход с позиций ДТИ

С точки зрения ДТИ, наиболее конструктивно выглядит разделение эмоций на побуждающие (способствуют генерации информации) и закрепляющие (способствуют её рецепции). Очень грубо и условно это разделение можно соотнести с отрицательными и положительными эмоциями.

Поскольку для генерации необходим шум (случайный фактор), естественно связать побуждающие эмоции именно с повышением уровня шума. Иными словами, нарастание величины ΔZ = Z(t) – Z₀, т.е. ∂Z / ∂t > 0 активизирует перемешивающий слой, необходимый для решения творческих задач (т.е. тех, где ответ неизвестен). Тогда естественно предположить, что акт решения задачи должен сопровождаться снижением уровня шума, т.е. ∂Z / ∂t < 0 соответствует условно «положительным» эмоциям (радость, удовлетворение). Как тот, так и другой процесс могут протекать плавно, а могут и скачком. Именно эта программа будет реализована ниже.

Интерпретация эмоций в искусственной когнитивной системе

Напомним, как именно в [3] строилась схема искусственной системы, основанная на концепции динамического формального нейрона и принципах ДТИ. Система состояла из двух подсистем, ПП и ЛП, которые условно можно соотнести с двумя церебральными полушариями. В качестве основного принципа (механизма) самоорганизации был выбран принцип «почернения связей»: все алгоритмы отрабатываются (вплоть до достаточно сильных, или «чёрных», связей) в ПП, где связи в ПП обучаются по Хеббу [16]. Затем «выученные» алгоритмы рецепцируются (передаются по прямым связям между подсистемами) в ЛП, где связи обучаются по Хопфилду [17], т.е., по принципу «отсечения лишнего». Связи между подсистемами Λ(t) не обучаются, а «включаются» в зависимости от состояния системы и решаемой задачи.

Подчеркнём, что значение амплитуды шума Z(t) ранее не конкретизировалось, а механизм активизации связей Λ(t) не обсуждался.

Наша основная концепция заключается в следующем:

Случайный фактор (шум) в искусственных системах имитирует эмоциональный фон в системах живых. Изменение амплитуды шума dZ(t) / dt может быть интерпретировано как проявление эмоций.

Для того чтобы согласовать данную концепцию с нейрофизиологией, мы должны связать величину dZ(t) / dt с переменной, которая представляет собой аналог состава нейромедиаторов в живом организме. Уровень глобальных нейромедиаторов может быть учтён путём введения агрегатной переменной μ(t), которая представляет собой разность между уровнем стимулянтов и ингибиторов. Мы предполагаем, что дисбаланс возникает в результате некоторого внешнего воздействия, так что в нормальном состоянии μ_st = 0.

Что касается локальных нейромедиаторов, их продукция должна быть напрямую связана с когнитивным процессом: само понятие «обученные связи» означает, что формируется определённый набор нейромедиаторов {μ_ki}, специфичный именно для данной синаптической связи.

Учитывая все эти соображения, мы предлагаем следующую систему уравнений для взаимного влияния уровня шума и состава нейромедиаторов:

[begin{array}{c}frac{{dZ(t)}}{{dt}} = frac{1}{{{tau ^Z}}} cdot { {a_{Zmu }} cdot mu + {a_{ZZ}} cdot ({rm Z} — {{rm Z}_0}) + {F_Z}(mu ,Z) + \ + chi cdot D — sumlimits_{sigma ,,k} {nu _k^sigma } cdot left[ {sumlimits_i^{M_k^sigma } {mu _{ik}^sigma left{ {Psi _{ik}^{Rsigma }} right}} } right] cdot delta (t — t_{ksigma }^ * )} end{array}]

(1)

[frac{{dmu }}{{dt}} = frac{1}{{{tau ^mu }}} cdot { {a_{mu mu }} cdot mu + {a_{mu Z}} cdot (Z — {Z_0}) + {F_mu }(mu ,Z)} ]

(2)

[Lambda (t) propto {Lambda _0} cdot thleft( {gamma cdot frac{{dZ(t)}}{{dt}}} right)]

(3)

где a, χ, ν, γ – параметры модели; τ^μ, τ^Z – характерные времена изменения μ и Z. Подчеркнём, что все эти параметры индивидуальны для данной искусственной системы.

Эти уравнения написаны в общем виде для учёта следующих факторов:

• стационарное состояние {Z = Z₀, μ = 0} должно быть устойчивым, так что линейные по Z и μ члены описывают стремление к гомеостазу;
• члены F(μ, Z) учитывают возможное нелинейное взаимодействие, что позволяет описать нетривиальные эффекты (см. ниже);

Два последних члена относятся именно к когнитивному процессу (подробно изложено в [18]):

• невязка D в процессе обработки информации, т.е. расхождение между поступающей и хорошо известной (хранящейся в ЛП) информацией, провоцирует рост амплитуды шума, т.е. отрицательные эмоции;
• учёт агрегатного вклада основного элементарного акта – формирования символа в ПП и передачи его в ЛП. Каждый k-й символ уровня σ вносит вклад в понижение Z(t) (обеспечивая положительные эмоции) не непрерывно, а именно в момент его формирования t*_kσ.
• уравнение (3) регулирует активность подсистем в зависимости от знака производной: здесь Λ < 0 и Λ > 0 соответствуют Λ^ПП→ЛП и Λ^ЛП→ПП.

Таким образом, блок уравнений (1…3) представляет собой решение проблемы «яйцо или курица» путём учёта взаимного влияния когнитивных и «химических» процессов. Подчеркнём, что в рамках нашей концепции снижение величины Z(t) (соответствующее положительным эмоциям) должно быть непосредственно связано с актом формирования символа – ключевым моментом для формирования (т.е. созданию) всей системы (см. [18]). Это представляется естественным: каждая (даже искусственная) система должна радоваться факту своего рождения.

Подчеркнём, что данные уравнения представляют собой базовую модель, которая должна быть конкретизирована для решения различных задач. В практических целях эти уравнения могут быть использованы для описания конкретных наблюдаемых эффектов.

Пример приложения модели к описанию эффекта «стресса и шока»

Продемонстрируем возможности модели на примере описания экспериментально наблюдаемого эффекта «стресса и шока». Этот эффект, характерный для людей, находящихся в чрезвычайных обстоятельствах, изучался в течение долгого времени группой нейрофизиологов [19, 20]. Измерялись две специальные характеристики ЭКГ: индекс вегетативного баланса (ИВБ) и индекс сердечной вариабельности (ИСВ). По смыслу эти величины соответствуют переменным μ(t) и Z(t) в нашей модели. Было показано, что при малых и средних воздействиях эти индексы изменяются в нормальном режиме колебательного характера. При сильном воздействии начальное возбуждение сменяется депрессией, и только после долгого времени поведение индексов возвращается в нормальный режим. Такой тип поведения был назван стрессом. Кроме этого, наблюдался тип поведения, названный «шоком», при котором испытуемый впадал в глубокую депрессию и не мог вернуться к нормальному режиму без посторонней (медицинской) помощи. В последнем случае вегетативный баланс контролировали только опиаты, а ИСВ был аномально низким. Важно отметить, что мера «аномального» внешнего воздействия была индивидуальна для каждого испытуемого.

Подобное поведение можно описать в рамках предлагаемой модели. Рассмотрим динамику амплитуды шума, вызванную только внешним воздействием (пренебрегая при этом чисто когнитивной составляющей). Выберем параметры модели так, чтобы форма изоклин допускала три стационарных состояния, причём два из них, {Z₀, 0} и {Z*, μ*}, есть стабильный фокус, третье же неустойчиво (см. рис. 1).

В нормальном режиме поведение интегральных кривых соответствует затухающим колебаниям вокруг положения гомеостаза Z = Z₀, μ = 0 (рис. 1, сплошная зелёная кривая). При больших внешних воздействиях амплитуда колебаний резко увеличивается, причём длительное время изображающая точка проводит в области Z < 0, μ < 0, что соответствует депрессии. Однако затем траектория возвращается к нормальным колебаниям (рис. 1, красная штрихованная кривая). Этот режим качественно соответствует «стрессу».

Рис. 1. Фазовый портрет на плоскости Z – μ в случае двух стационарных состояний {Z₀, 0} и {Z*, μ*} (пояснения в тексте)

Кроме того, существует область притяжения второго устойчивого фокуса {Z*, μ*}, отделённая от остального фазового пространства сепаратрисой (жёлтая кривая). При приближении интегральной кривой к этой области малое дополнительное воздействие может привести к тому, что изображающая точка «перескакивает» через сепаратрису и выйти на нормальный режим самостоятельно, т.е. без жёсткого внешнего воздействия, уже не может (рис. 1, жирная розовая кривая). Последний режим естественно интерпретировать как «шок».

Таким образом, описанные режимы качественно согласуются с экспериментальными наблюдениями. Вопрос о количественном согласии требует дополнительного анализа.

Заключение

Показано, что в рамках ЕКП эмоции оказываются с самого начала встроены в модель искусственной мыслительной системы. Основная гипотеза состоит в том, что изменение амплитуды шума dZ(t) / dt в искусственной когнитивной системе соответствуют эмоциям в живой системе. Кроме того, именно эта производная контролирует «диалог» между двумя подсистемами ПП и ЛП, т.е. знак производной определяет направление связей Λ(t). Тогда все неожиданные и непонятные явления, вызывающие у человека отрицательные эмоции (страх, растерянность, изумление), в рамках ЕКП приводят к росту амплитуды шума и активации ПП. Наоборот, акт решения проблемы, т.е. сведение её к уже известной информации, сопровождается положительными эмоциями (облегчение, удовольствие). В рамках нашей модели это соответствует уменьшению амплитуды шума и активации ЛП. Таким образом, гипотеза выглядит вполне правдоподобной.

Подчеркнём, что такая концепция не предполагает, что эмоции сконцентрированы в ПП. Мы полагаем, что шум (сосредоточенный действительно в ПП) является связующим звеном между «химическим» источником эмоций (расположенном вне неокортекса) и когнитивной активностью обеих подсистем.

Отметим, что такой подход даёт ответ на вопрос о том, почему, при очень широком спектре эмоциональных состояний, все эмоции можно разделить на положительные и отрицательные. Действительно, математически любая производная может иметь знак либо плюс, либо минус, причём математический смысл здесь находится в полном «обратном» соответствии с психологическим. При этом сама величина производной может быть любой, от нуля до бесконечности, что можно соотнести с силой и характером эмоций.

Подчеркнём, что такая интерпретация возможна только благодаря особенностям ЕКП, именно:

• разделение всей системы на две подсистемы, одна из которых ответственна за генерацию новой информации, другая – за обработку хорошо известной;
• учёт случайного элемента (шума), который в рамках ЕКП трактуется не как «досадная и неизбежная помеха», а как полноправный член всех когнитивных процессов. Именно шум гарантирует индивидуальность искусственной системы.

Кроме того, амплитуда шума в предлагаемой архитектуре наиболее близко подходит для оценки «психологического» состояния всей системы. При этом величина Z(t) действует на каждый нейрон и непосредственно связана с уровнем нейромедиаторов. Следовательно, она представляет собой мост между нейрофизиологическим и психологическим подходами к эмоциям.

Таким образом, предложенный подход к интерпретации эмоций в искусственной когнитивной системе открывает широкие возможности для исследования, анализа и интерпретации.

Литература:

1. Чернавская О.Д., Чернавский Д.С., Карп В.П., Никитин А.П. Процесс мышления в контексте динамической теории информации. Часть II: Понятия образ и символ как инструменты моделирования процесса мышления средствами нейрокомпьютинга // Сложные Системы, 2012. – №2, с. 47…67.
2. Чернавская О.Д., Чернавский Д.С., Карп В.П., Никитин А.П. О подходе к моделированию мышления с позиций динамической теории информации. Сб. под ред. Редько. М.: УРСС, 2014. – с. 29…88.
3. Chernavskaya O.D., Chernavskii D.S., Karp V.P., Nikitin A.P., Shchepetov D.S. An architecture of thinking system within the Dynamical Theory of Information. // Biologically Inspired Cognitive Architecture (BICA), 2013. – v. 6, p. 147…158.
4. Шамис А.С. Пути моделирования мышления. М.: КомКнига, 2006.
5. Яхно В.Г. Проблемы на пути конструирования симулятора живых систем // Труды конф. «Нелинейная динамика в когнитивных исследованиях», Н. Новгород, 2011. – с. 246…249.
6. Samsonovich A. Emotional biologically inspired cognitive architecture. // Biologically Inspired Cognitive Architectures, 2013. – v. 6, p. 109…125.
7. Рабинович М.И., Мюезинглу М.К. Нелинейная динамика мозга: эмоции и интеллектуальная деятельность. УФН 180 (4), 371…387.
8. Koziol L.F., Budding D.E. Subcortical Structures and Cognition. Implications for Neuropsychological Assessment. Springer, 2009.
9. Чернавский Д.С. Синергетика и информация: Динамическая теория информации. М.: УРСС, 2004. – с. 287.
10. Кастлер Г. Возникновение биологической организации. М.: Мир, 1967.
11. Александров Ю.И. (ред.). Основы психофизиологии. М.: ИнфраМ, 1998.
12. Deacon T.W. The Symbolic Species: The Co-Evolution of Language and the Brain. N.Y.: Norton, 1997.
13. Шумский С.А. Моделирование процесса обучения языку. // Труды конф. «Нелинейная динамика в когнитивных исследованиях», Н. Новгород, 2013. – c. 202…203.
14. Bianki V.L. Parallel and sequential information processing in animals as a function of different hemispheres. // Neuroscience and Behavioral Physiology, 1984. – v. 14 (№6), p. 497…501.
15. Голдберг Э. Парадокс мудрости. М.: УРСС, 2005. – с. 380.
16. Hebb D.O. The organization of behavior: a neuropsychological theory. New York, 2002. – p. 457.
17. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities. // PNAS, 1982. – v. 79, p. 2554.
18. Chernavskaya O.D., Chernavskii D.S., Karp V.P., Nikitin A.P., Shchepetov D.S, Rozhylo Ya.A. An architecture of the cognitive system with account for emotional component. // Biologically Inspired Cognitive Architecture (BICA). 2015. – v. 12, p. 144…154.
19. Парин С.Б. Алгоритмы обработки физиологических сигналов в экстремальных состояниях. Труды XV Международной конференции ICNC, Ростов-на-Дону, 2009. Издательство ЮФУ, с. 224…227.
20. Parin S.B., Tsverlov A.V., Yakhno V.G. Models of neurochemistry mechanism of stress and shock based on neuron-like network. // Proc. of Int. S. «Topical problems of biophotonics», 2007. – p. 245…246.