(45-4) 10 * << * >> * Русский * English * Содержание * Все выпуски

Моделирование квантово-подобных когнитивных феноменов методом голографии Фурье: задача выбора альтернатив
А.В. Павлов 1

Университет ИТМО, Россия, 197101, Санкт-Петербург, Кронверкский пр., д.49, литер А

 PDF, 953 kB

DOI: 10.18287/2412-6179-CO-830

Страницы: 551-561.

Аннотация:
Статья посвящена поиску биологически мотивированного механизма когнитивного феномена нарушения классической формулы полной вероятности для дизъюнкции несовместных событий, относимого рядом исследователей к категории квантово-подобных. Показан классический механизм, не требующий обращения к квантовой механике ни по физической сути, ни на уровне формализма и реализуемый 6f - схемой голографии Фурье резонансной архитектуры. Рассмотрение проведено в рамках задачи принятия решения как оценки альтернатив на примере некооперативной игры «Дилемма заключенного». Подход к проблеме основан на поиске механизма формирования условной оценки при условии, противоречащем правилу монотонной логики принятия решения. Показано, что эта оценка, в отличие от безусловной и условной при непротиворечащем условии, формируется логикой с исключением. Кольцевая архитектура голографической схемы соответствует биологически обоснованной нейросетевой концепции кольца возбуждения и реализует когнитивный диссонанс на логике с исключением. Аналитически определены условия и границы диапазона нарушения классической формулы полной вероятности в зависимости от радиуса корреляции эталонного образа, записанного на голограмме, хранящей правило вывода монотонной логики. Аналитическая модель подтверждена количественным совпадением результатов численного моделирования с опубликованными результатами натурных экспериментов.

Ключевые слова:
голография Фурье, принятие решения, выбор альтернатив, квадратичная мера, оценка, квантовая вероятность, некооперативные игры, логика с исключением, когнитивный диссонанс, динамическая система, радиус корреляции, параметр порядка.

Благодарности
Работа выполнена при финансовой поддержке РФФИ, грант 18-01-00676-а.

Цитирование:
Павлов, А.В. Моделирование квантово-подобных когнитивных феноменов методом голографии Фурье: задача выбора альтернатив / А.В. Павлов // Компьютерная оптика. – 2021. – Т. 45, № 4. – С. 551-561. – DOI: 10.18287/2412-6179-CO-830.

Citation:
Pavlov AV. Modeling of quantum-like cognitive phenomena by the Fourier-holography technique under the choice of alternatives. Computer Optics 2021; 45(4): 551-561. DOI: 10.18287/2412-6179-CO-830.

Литература:

  1. Slussarenko, S. Photonic quantum information processing: A concise review / S. Slussarenko, G.J. Pryde // Applied Physics Reviews. – 2019. – Vol. 6. – 041303. – DOI: 10.1063/1.5115814.
  2. Павельев, А.В. Исследование немарковской динамики двух взаимодействующих кубитов на основе численного решения нелинейного стохастического уравнения Шрёдингера / А.В. Павельев, В.В. Семин // Компьютерная оптика. – 2019. – Т. 43, № 2. – С. 168-173. – DOI: 10.18287/2412-6179-2019-43-2-168-173.
  3. Khrennikov, A. A quantum-like model of information processing in the brain / A. Khrennikov, M. Asano // Applied Science. –  2020. – Vol. 10, Issue 2. – 707. – DOI: 10.3390/app10020707.
  4. Human-like computing: Report of a Workshop held on 17 & 18 February 2016, Bristol, UK [Electronical Resource]. – URL: https://epsrc.ukri.org/newsevents/pubs/humanlikecomputing/ (request date 23.06.2020).
  5. Lake, B.M. Building machines that learn and think like people / B.M. Lake, T.D. Ullman, T.B. Tenenbaum, S.J. Gershman // Behavioral and Brain Sciences. – 2017. – Vol. 40. – e253. – DOI: 10.1017/S0140525X16001837.
  6. Gorbatsevich, V.S. FaceDetectNet: Face detection via fully convolutional network / V.S. Gorbatsevich, A.S. Moiseenko, Y.V. Vizilter // Computer Optics. – 2019. – Vol. 43(1). – P. 63-71. – DOI: 10.18287/2412-6179-2019-43-1-63-71.
  7. Wang, W. Development of convolutional neural network and its application in image classification: a survey / W. Wang, Y. Yang, X. Wang, W. Wang, J. Li // Optical Engineering. – 2019. – Vol. 58, Issue 4. – 040901. – DOI: 10.1117/1.OE.58.4.040901.
  8. Брагин, А.Д. Распознавание моторных образов на электроэнцефалограммах с помощью свёрточных нейронных сетей / А.Д. Брагин, В.Г. Спицын // Компьютерная оптика. – 2020. – Т. 44, № 3. – С. 482-487. – DOI: 10.18287/2412-6179-CO-669.
  9. Агафонова, Ю.Д. Эффективность алгоритмов машинного обучения и свёрточной нейронной сети для обнаружения патологических изменений на магнитнорезонансных томограммах головного мозга / Ю.Д. Агафонова, А.В. Гайдель, П.М. Зельтер, А.В. Капишников // Компьютерная оптика. – 2020. – Т. 44, № 2. – С. 266-273. – DOI: 10.18287/2412-6179-CO-671.
  10. Пашина, Т.А. Сравнение алгоритмов выделения области интереса на компьютерных томограммах лёгких / Т.А. Пашина, А.В. Гайдель, П.М. Зельтер, А.В. Капишников, А.В. Никоноров // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 74-81. – DOI: 10.18287/2412-6179-CO-659.
  11. Васильченко, В.А. Алгоритмизация процесса распознавания состояний физиологических объектов на основе специальных рентгеновских изображений / В.А. Васильченко, В.Л. Бурковский, А.Д. Данилов // Компьютерная оптика. – 2019. – Т. 43, № 2. – С. 296-303. – DOI: 10.18287/2412-6179-2019-43-2-296-303.
  12. Горбачёв, В.А. Семантическая сегментация спутниковых снимков аэропортов с помощью свёрточных нейронных сетей / В.А. Горбачёв, И.А. Криворотов, А.О. Маркелов, Е.В. Котлярова // Компьютерная оптика. – 2020. – Т. 44, № 4. – С. 636-645. – DOI: 10.18287/2412-6179-CO-636.
  13. Dash, T. Adversarial neural networks for playing hide-and-search board game Scotland Yard / T. Dash, S.N. Dambekodi, P.N. Reddy, A. Abraham // Neural Computing and Applications. – 2020. – Vol. 32. – P. 3149-3164. – DOI: 10.1007/s00521-018-3701-0.
  14. Богуш, Р.П. Алгоритм сопровождения людей на видеопоследовательностях с использованием свёрточных нейронных сетей для видеонаблюдения внутри помещений / Р.П. Богуш, И.Ю. Захарова // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 109-116. – DOI: 10.18287/2412-6179-CO-565.
  15. Сарин, К.С. Метод баггинга и отбор признаков в построении нечётких классификаторов для распознавания рукописной подписи / К.С. Сарин, И.А. Ходашинский // Компьютерная оптика. – 2019. – Т. 43, № 5. – С. 833-845. – DOI: 10.18287/2412-6179-2019- 43-5-833-845.
  16. Рахманенко, И.А. Автоматическая верификация диктора по произвольной фразе с применением свёрточных глубоких сетей доверия / И.А. Рахманенко, А.А. Шелупанов, Е.Ю. Костюченко // Компьютерная оптика. – 2020. – Т. 44, № 4. – С. 596-605. – DOI: 10.18287/2412-6179-CO-621.
  17. Tversky, A. Judgment under uncertainty: heuristics and biases / A. Tversky, D. Kahneman // Science. – 1974. – Vol. 185. – P. 1124-1131. – DOI: 10.1126/science.185.4157.1124.
  18. Tversky, A. The framing of decisions and the psychology of choice / A. Tversky, D. Kahneman // Science. – 1981. – Vol. 211. – P. 453-458. – DOI: 10.1126/science.7455683.
  19. Tversky, A. Rational choice and the framing of decisions / A. Tversky, D. Kahneman // Business. – 1986. – Vol. 59. –P. 251-278. – DOI: 10.1086/296365.
  20. Kahneman, D. Judgment under uncertainty: Heuristics and biases / D. Kahneman, P. Slovic, A. Tversky. – Cambridge, UK: Cambridge University Press, 1982.
  21. Kahneman, D. Prospect theory – an analysis of decision under risk / D. Kahneman, A. Tversky // Economics. – 1979. – Vol. 47. – P. 263-292. – DOI: 10.2307/1914185.
  22. Tversky, A. Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment / A. Tversky, D. Kahneman // Psychological Review. – 1983. – Vol. 90, Issue 4. – P. 293-315. – DOI: 10.1037/0033-295X.90.4.293.
  23. Tversky, A. The disjunction effect in choice under uncertainty / A. Tversky, E. Shafir. // Psychological Science. – 1992. – Vol. 3, Issue 5. – P. 305-309. – DOI: 10.1111/j.1467-9280.1992.tb00678.x.
  24. Crosson, R. The disjunction effect and reason-based choice in games / R. Crosson // Organizational Behavior and Human Decision Processes. – 1999. – Vol. 80. – P. 118-133. – DOI: 10.1006/obhd.1999.2846.
  25. Li, S. Examining whether there is a disjunction effect in Prisoner’s Dilemma games / S. Li, J. Taplin // Chinese Journal of Psychology. – 2002. – Vol. 44, Issue 1. – P. 25-46.
  26. Busemeyer, J.R. Quantum game theory explanation of disjunction effects / J.R. Busemeyer, М. Matthew, Z.A. Wang // Proceedings of the 28th Annual Conference of the Cognition Science Society. – 2006. – P. 131-135.
  27. Hristova, E. Disjunction effect in prisoner’s dilemma: evidences from an eye-tracking study / E. Hristova, M. Grinberg // Proceedings of the 30th Annual Conference of the Cognition Science Society. – 2008. – P. 1225-1230.
  28. Adams, B. Quantum effects in the brain: A review. / B.  Adams, F. Petruccione // AVS Quantum Science. – 2020. – Vol. 2. – 022901. – DOI: 10.1116/1.5135170.
  29. Менский, М.Б. Концепция сознания в контексте квантовой механики / М.Б. Менский // Успехи физических наук. – 2005. – Т. 175, № 4. – С. 413-435. – DOI: 10.3367/UFNr.0175.200504c.0413.
  30. Trueblood, JS. Quantum probability theory as a common framework for reasoning and similarity / J.S. Trueblood, E.M. Pothos, J.R. Busemeyer // Frontiers in Psychology. – 2014. – Vol. 5. – 322. – DOI: 10.3389/fpsyg.2014.00322.
  31. Pothos, E.M. A quantum probability explanation for violations of 'rational' decision theory / E.M. Pothos, J.R. Busemeyer // Proceedings of the Royal Society B: Biological Sciences. – 2009. – Vol. 279. – P. 2171-2178. – DOI: 10.1098/rspb.2009.0121.
  32. Busemeyer, J.R. A quantum theoretical explanation for probability judgment “errors” / J.R. Busemeyer, E.M. Pothos, R. Franco, J.S. Trueblood // Psychological Review. – 2011. – Vol. 118, Issue 2. – P. 193-218. – DOI: 10.1037/a0022542.
  33. Broekaert, JB. The Disjunction Effect in two-stage simulated gambles. An experimental study and comparison of a heuristic logistic, Markov and quantum-like model / J.B. Broekaert, J.R. Busemeyer, E.M. Pothos // Cognitive Psychology. – 2020. – Vol. 117. – 101262. – DOI: 10.1016/j.cogpsych.2019.101262.
  34. Bagarello, F. Quantum like modeling of decision making: Quantifying uncertainty with the aid of Heisenberg–Robertson inequality / F. Bagarello, I. Basieva, E.M. Pothos, A. Khrennikov // Journal of Mathematical Psychology. – 2018. – Vol. 84. – P. 49-56. – DOI: 10.1016/j.jmp.2018.03.004.
  35. He, Z. An evidential dynamical model to predict the interference effect of categorization on decision making results / Z. He, W. Jiang // Knowledge-Based Systems. – 2018. – Vol. 150. – P. 139-149. – DOI: 10.1016/j.knosys.2018.03.014.
  36. Жёлтиков, А.М. Критика квантового разума: измерение, сознание, отложенный выбор и утраченная когерентность / А.М. Жёлтиков // Успехи физических наук. – 2018. – Т. 188, № 10. – С. 1119-1128. – DOI: 10.3367/UFNr.2017.06.038155.
  37. Павлов, А.В. Моделирование механизмов квантовой логики методом наложенных голограмм Фурье, основанным на нелинейности экспозиционных характеристик голографических регистрирующих сред / А.В. Павлов, В.В. Орлов // Квантовая электроника. – 2019. – Т. 49, № 3. – С. 246-252. – DOI: 10.1070/qe16996.
  38. Павлов, А.В. Моделирование квантовой логики при линейной записи наложенных голограмм Фурье: феномен "Линда" / А.В. Павлов // Квантовая электроника. – 2019. – Т. 49, № 8. – С. 777-778. – DOI: 10.1070/qe17094.
  39. PavlovA.V. Neural networks mechanisms for the quantum-like phenomenon “Linda” / A.V. Pavlov. – In: Neural networks and neurotechnologies / ed. by Yu. Shelepin, E. Ogorodnikova, N. Solovyev, E. Yakimova. – Saint-Peterburg: VVM, 2019. – Chap. 20. – P. 145-163.
  40. Нормальная физиология / Р.С. Орлов. – М.: ГЭОТАР-медиа, 2010. – 832 с. – ISBN: 978-5-9704-1662-4.
  41. Edelman, G.M. The remembered present. A biologocal theory of consciousness / G.M. Edelman. – New York: Basics Books, 1989. – 346 p.
  42. Иваницкий, А.М. Мозговая основа субъективных переживаний: гипотеза информационного синтеза / А.М. Иваницкий // Журнал высшей нервной деятельности. – 1996.– Т. 46, № 2. – с. 241-252.
  43. Ivanitskii, A.M. Information synthesis in key parts of the cerebral cortex as the basis of subjective experience / A.M. Ivanitskii // Neuroscience and Behavioral Physiology. – 1997. – Vol. 27. – p. 414-426. – DOI: 10.1007/BF02462943.
  44. Ногин, В.Д. Принятие решений в многокритериальной среде: количественный подход / В.Д. Ногин. – М.: Физматлит, 2002. – 144 с. – ISBN: 5-9221-0274-5.
  45. Nash, J.F. Non-cooperative games / J.F. Nash // Annals of Mathematics. – 1951. – Vol. 54, Issue 2. – P. 286-295. – DOI: 10.2307/1969529.
  46. Фейнман, P. Фейнмановские лекции по физике. Вып. 8 / Р. Фейнман, Р. Лейтон, М. Сэндс : пер. с англ. – М.: Мир, 1966. – 260 с.
  47. Павлов, А.В. Голографическая память с пополнением противоречивой информацией: влияние ослабления низких частот на устойчивость отклика / А.В. Павлов // Компьютерная оптика. – 2020. – Т. 44, № 5. – С. 728-736. – DOI: 10.18287/2412-6179-CO-668.
  48. Павлов, А.В. Логика с исключением на алгебре фурье-дуальных операций: нейросетевой механизм редуцирования когнитивного диссонанса / А.В. Павлов // Научно-технический вестник информационных технологий, механики и оптики. – 2014. – Т. 89, № 1. – С. 17-25.
  49. Reiter, R. A logic for default reasoning / R. Reiter // Artificial Intelligence. – 1980. – Vol. 13, Issues 1-2. – P. 81-132. – DOI: 10.1016/0004-3702(80)90014-4.
  50. Глезер, В.Д. Согласованная фильтрация в зрительной системе / В.Д. Глезер // Оптический журнал. – 1999. – Т. 66, № 10. – С. 10-14.
  51. Алексеенко, С.В. Архитектура связей в зрительной коре и зрительное опознавание / С.В. Алексеенко // Оптический журнал. – 1999. – Т. 66, № 10. – С. 52-54.
  52. Krasilnikov, N.N. Matched spatial filtering object images in the human visual system / N.N. Krasilnikov, O.I. Krasilnikova // Proceedings of the 2019 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). – 2019. – P. 1-4. – DOI: 10.1109/WECONF.2019.8840630.
  53. Павлов, А.В. Алгебра фурье-дуальных операций: логика с исключением / А.В. Павлов // Искусственный интеллект и принятие решений. – 2012. – № 3. – С. 26-38.
  54. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде // Математика. Новое в зарубежной науке. – М.: Мир, 1976. – Вып. 3. – 167 с.
  55. Борисюк, Г.Н. Модели динамики нейронной активности при обработке информации мозгом – итоги десятилетия / Г.Н. Борисюк, Р.М. Борисюк, Я.Б. Казанович, Г.Р. Иваницкий // Успехи физических наук. – 2002. – Т. 172, № 10. – С. 1189-1214. – DOI: 10.3367/UFNr.0172.200210d.1189.
  56. Шубников, Е.И. Отношение сигнал/помеха при корреляционном сравнении изображений / Е.И. Шубников // Оптика и спектроскопия. – 1987. – Т. 62, № 2. – С. 450-456.
  57. Павлов, А.В. Об алгебраических основаниях фурье-голографии / А.В. Павлов // Оптика и спектроскопия. – 2001. – Т. 90, № 3. – С. 515-520.
  58. Хренников, А.Ю. Формула полной вероятности с интерференционным членом / А.Ю. Хренников // Теория вероятностей и её применения. – 2006. – Т. 51, № 3. – С. 518-536. – DOI: 10.4213/tvp37.
  59. Cervantes, S. Toward ethical cognitive architectures for the development of artificial moral agents / S. Cervantes, S. Lopez, L.-A. Cervantes // Cognitive Systems Research. – 2020. – Vol. 64. – P. 117-125. – DOI: 10.1016/j.cogsys.2020.08.010.
  60. Qu, C. Neurocomputational mechanisms underlying immoral decisions benefiting self or others / C. Qu, Y. Hu, Z. Tang, E. Derrington, J.-C. Dreher // Social Cognitive and Affective Neuroscience. – 2020. – Vol. 15, Issue 2. – P. 135-149. – DOI: 10.1093/scan/nsaa029.
  61. Tarraf, D.C. The Department of Defense Posture for Artificial Intelligence: Assessment and recommendations / D.C. Tarraf, W. Shelton, E. Parker [et al.]. – Santa Monica, CA: RAND Corporation, 2019. – DOI: 10.7249/RR4229.
  62. Sayler, K.M. Artificial intelligence and national security [Electronical Resource] / K.M. Sayler // Congressional Research Service. R45178. 10 Nov. 2020. – URL: https://fas.org/sgp/crs/natsec/R45178.pdf (request date 02.02.2021).
  63. Du, J. Army integrated combat model for synthetic force based on information cognition / J. Du, J. Xia, H. Li // Journal of Physics: Conference Series. – 2020. – Vol. 1533, Issue 2. – 022125. – DOI: 10.1088/1742-6596/1533/2/022125.
  64. Botros, H. I-Guided reasoning-based operator support system for the nuclear power plant management / H. Botros, C.S. Tran, D. Nam // Annals of Nuclear Energy. – 2021. – Vol. 154. – 108079. – DOI: 10.1016/j.anucene.2020.108079.
  65. Tanveer, A. Artificial intelligence in sustainable energy industry: Status Quo, challenges and opportunities / A. Tanveer, Z. Dongdong, H. Chao [et al.] // Journal of Cleaner Production. – 2021. – Vol. 289. – 125834. – DOI: 10.1016/j.jclepro.2021.125834.
  66. Suman, S. Artificial intelligence in nuclear industry: Chimera or solution? / S. Suman // Journal of Cleaner Production. – 2021. – Vol. 278. – 124022. – DOI: 10.1016/j.jclepro.2020.124022.
  67. Davydenko, L. Neural networks application for power consumption planning of the water supply facilities / L. Davydenko, N. Davydenko, V. Davydenko // 2020 IEEE Open Conference of Electrical, Electronic and Information Sciences (eStream). – 2020. – P. 1-4. – DOI: 10.1109/eStream50540.2020.9108856.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20