Information-theoretic decomposition of embodied and situated systems

دیدگاه مفهومی و مفهوم شناختی، اهمیت همبستگی بدنی واقعی و غیرخطی با محیط را برای توسعه مفاهیم و ساخت دانش، تأکید می کند. در این مقاله، جمعیت روبات هایی که توسط یک شبکه عصبی مصنوعی کنترل می شوند، از طریق تکامل مصنوعی، یک وظیفه زیر دیوار را یاد می گیرند. در پایان روند تکاملی، سریهای زمانی از نورونهای درسی و حرکتی ربات های انتخاب شده ثبت می شوند. اقدامات نظری اطلاعات بر روی جفت متغیرها برای نشان دادن تعاملات غیر خطی که ساختار محیط محیط عامل را تشریح می کنند برآورد می شود. به طور خاص، اطلاعات متقابل برای تعیین میزان وابستگی و انتروپی انتقال برای تشخیص جهت جریان اطلاعات استفاده می شود. علاوه بر این، سیستم با روش محلی از چنین اقداماتی تجزیه و تحلیل می شود و بنابراین پویایی اطلاعات را در بر می گیرد. نتایج نشان می دهد که ابعاد مختلف وابسته و مکمل یکدیگر در ابعاد کشف روابط با محیط زیست و نیز ویژگی های ساختار عاملی عملکردی هستند. بنابراین، مجموعه ای از اقدامات نظری اطلاعات، تجزیه سیستم را تشکیل می دهد و پیچیدگی روابط غیر خطی را که رفتار روبات ها و دینامیک های عصبی را مشخص می کند، درک می کند.