L'Attrezzatura Artificial Cognition, in italiano Cognizione Artificiale, è un sistema di intelligenza artificiale per l’addestramento di modelli di deep learning (apprendimento profondo) basati sulla ricerca e sviluppo nell’ambito della coscienza computazionale (Computational Consciousness) ed intelligenza artificiale generale (Artificial General Intelligence) che elaborano immagini e segnali audio.
L’obiettivo dell’attrezzatura è di offrire una soluzione innovativa specifica ed unica nel suo genere nello scenario internazionale per la gestione di modelli di apprendimento ispirati alla cognizione umana basata sui sensi della vista e dell'udito, nonché sull'elaborazione di tali sensi mediante gli strati cognitivi associati ai fenomeni mentali quali sensazione, percezione, emozione, affezione, attenzione, consapevolezza e coscienza. Tramite una videocamera ed un microfono, l’invenzione permette di addestrare un modello di deep learning basato sull’apprendimento di informazioni riguardanti l'ambiente esterno in modo continuativo ed incrementale. Il sistema interagisce con l’utente mediante periferiche di input/output, grafici che descrivono lo stato corrente dei processi che compongono l’invenzione ed una emoji che mostra lo stato emozionale corrente.
Il sistema acquisisce in tempo reale una immagine ed una porzione del segnale audio, successivamente, una rete neurale artificiale genera una rappresentazione congiunta dei suddetti stimoli, la quale viene a sua volta elaborata dai livelli computazionali preposti all’elaborazione cognitiva.
Il modello associa ad ogni esperienza artificiale una configurazione dello spettro emozionale basata sulle categorie relative a rabbia, disgusto, paura, felicità, tristezza, sorpresa e allo stato neutrale, nonché alle semantiche morali della positività, negatività e neutralità.
Perchè scegliere Artificial Cognition?
Nello scenario internazionale di ricerca e sviluppo non esistono altri modelli di deep learning che tengono conto, insieme, dei fattori valorizzati, quali sensazione, percezione, emozione, affezione, attenzione, consapevolezza e coscienza come valutati e modellati nello sviluppo della presente soluzione. Tale sistema rappresenta uno dei primi tentativi di colmare il gap esistente tra la modellazione delle reti neurali artificiali e l'effettivo funzionamento della cognizione umana. Per riconoscere lo stato emozionale di un soggetto non basta classificarne l'espressione facciale, ma è necessario andare più in profondità. Questo “andare più in profondità” consiste nell’acquisire ulteriori informazioni, come possono essere segnali emozionali verbali e/o non-verbali aggiuntivi oppure contenuti emozionali riguardanti il contesto dell’interazione, come nel caso di Artificial Cognition. L'attrezzatura può essere impiegata in diversi contesti, tra i quali: • Intelligenza artificiale generale; • Modellazione della cognizione; • Riconoscimento emozionale e robotica sociale; • Profiling.
Le componenti hardware sono le seguenti:
Thermaltake Core V1 Snow Edition - Chassis Mini ITX con ventola da 200 mm, Bianco, 27.6 x 26 x 31.6 cm
Alimentatore Itek BD700 - 700W, 80Plus EU Bronze, PFC Attivo, Ventola HDB 12cm, DC to DC, Semi Modulare
ASRock B560M-ITX/ac
Intel Core i5-11400F - Processore desktop da 11 generazione (clock di base: 2.6 GHz Tuboost: 4.4 GHz, 6 core, LGA1200) 195
Scheda Video NVIDIA GeForce RTX 3050 2X 8 Gb Oc
ADATA SSD XPG AS40G RGB 512GB M.2 2280 PCIe Gen3x4 3500/3000
Dissipatore a liquido EVOLIQ 120 Rainbow - 120mm, skt universale, PWM
Microfono a Condensatore M100 - USB, treppiede, filtro antipop e spugna, audio professionale
Webcam con Microfono W401L - Full HD, 30FPS, Luce LED 3 mode, USB
Cooler Master MS110 Tastiera e Mouse RGB Gaming Combo, Nero
Monitor Acer KA272 Abi 27’’ 16:9 Full HD Piatto, 68,6 cm (27"), 1920 x 1080 Pixel, 16:9, Full HD, Piatto, rapporto di contrasto 3000:1, tempo di refresh 75 Hz, 16,7 milioni di colori, retroilluminazione a LED
L'attrezzatura utilizza un modello di apprendimento profondo per simulare l'attività mentale umana. Include un encoder che codifica i dati di input e un'architettura che simula i livelli cognitivi. L'encoder può essere un modello zero-shot o una rete neurale che estrae caratteristiche da immagini e testo. Il modello è stato pre-addestrato con un set di circa 700 stimoli visivi per apprendere le emozioni considerate nello spettro, coinvolgendo i livelli cognitivi Sensation, Perception, Emotion e l'Emotion Classifier. L’apprendimento del modello consiste della raccolta di un’insieme di esperienze rappresentate artificialmente in termini di istanze cognitive associate ad emozioni. In tal modo, Artificial Cognition può produrre attività emozionali e cognizioni artificiali, nonché acquisire conoscenza dell’ambiente circostante. Il modello ottenuto mediante l’addestramento può essere impiegato come modello di apprendimento per risolvere task generici, nonché essere utilizzato come base di conoscenza per effettuare analisi, dal punto di vista emozionale, dell’ambiente esterno in tempo reale (ad esempio, quando impiegato su un robot sociale).