Artificial Psychology: Psychological Modeling and Testing of AI Systems

این کتاب به بررسی موضوع روانشناسی مصنوعی می پردازد و اینکه چگونه این رشته باید تکنیک های تست عصبی-روانی انسانی را برای ارائه تست شناختی کافی از سیستم های هوش مصنوعی پیشرفته تطبیق دهد. این نشان می‌دهد که چگونه روش‌های آزمون کلاسیک چیزی در مورد ماهیت شناختی سیستم‌ها و اینکه آیا آنها به درستی یاد می‌گیرند، استدلال می‌کنند و تکامل می‌یابند، آشکار نمی‌کنند. برای این سیستم‌ها، نویسندگان توضیح می‌دهند که چگونه تکنیک‌های آزمایشی مشابه/اقتباس‌شده از تست روان‌شناختی انسانی باید اتخاذ شود، به‌ویژه در درک نحوه واکنش سیستم به شکست یا یادگیری مجدد چیزی که به‌درستی یاد گرفته یا به‌طور نادرست استنباط کرده است. نویسندگان بینشی در مورد معماری/قابلیت‌های آینده که سیستم‌های شناختی مصنوعی خواهند داشت و اینکه چگونه می‌توانیم عملکرد آنها را ارزیابی کنیم، ارائه می‌کنند. این کتاب به طور مفصل مفهوم ارتباط و همکاری انسان/هوش مصنوعی را مورد بحث قرار می‌دهد و موضوعاتی مانند توسعه دانش، مدل‌سازی دانش و مدیریت ابهام، شناخت مصنوعی و خود تکاملی یادگیری، اجزای مغز مصنوعی و معماری شناختی، و مدل‌سازی روان‌شناختی مصنوعی را بررسی می‌کند. >

This book explores the subject of artificial psychology and how the field must adapt human neuro-psychological testing techniques to provide adequate cognitive testing of advanced artificial intelligence systems. It shows how classical testing methods will reveal nothing about the cognitive nature of the systems and whether they are learning, reasoning, and evolving correctly; for these systems, the authors outline how testing techniques similar to/adapted from human psychological testing must be adopted, particularly in understanding how the system reacts to failure or relearning something it has learned incorrectly or inferred incorrectly. The authors provide insights into future architectures/capabilities that artificial cognitive systems will possess and how we can evaluate how well they are functioning. It discusses at length the notion of human/AI communication and collaboration and explores such topics as knowledge development, knowledge modeling and ambiguity management, artificial cognition and self-evolution of learning, artificial brain components and cognitive architecture, and artificial psychological modeling.

• Explores the concepts of Artificial Psychology and Artificial Neuroscience as applied to advanced artificially cognitive systems;
• Provides insight into the world of cognitive architectures and biologically-based computing designs which will mimic human brain functionality in artificial intelligent systems of the future;
• Provides description and design of artificial psychological modeling to provide insight into how advanced artificial intelligent systems are learning and evolving;
• Explores artificial reasoning and inference architectures and the types of modeling and testing that will be required to "trust" an autonomous artificial intelligent systems.