Sichtweise: Equilibria unter Einschluß der Umgebungsdynamik

Der oben beschriebene Fokusbeweger verfolgt das Ziel, auf einem bestimmten Teil der Pixelebene zur Ruhe zu kommen. Betrachtet man die Kombination aus Steuernetzwerk, gesteuertem Fokus und Pixelebene selbst als ein einziges Gesamtsystem, so ergibt sich eine interessante Perspektive: Man könnte in Analogie zu Equilibriumsnetzwerken (Hopfield-Netze, Boltzmann-Maschine) von einem dynamischen Equilibrium sprechen, welches die Umgebungsdynamik mit einbezieht. Teile der Pixelebene, die dem zu findenden Objekt ähneln, definieren Attraktoren oder lokale Minima in einer durch das Gesamtsystem definierten `Energielandschaft'. Diese ist nicht mehr nur von der internen, sondern auch von der externen Rückkopplung abhängig. Ändert sich die Umgebung, so ändert sich auch das Energiegebirge. Eine schwierige, bislang unbeantwortete Frage erhebt sich: Für welche Art von Fokuskonstruktionen und für welche visuellen Szenen stellen welche zu entdeckenden Ziele tatsächlich Attraktoren und vielleicht gar globale Minima dar?

Related links in English: Recurrent neural networks - Subgoal learning - Reinforcement learning and POMDPs - Reinforcement learning economies - Selective attention
Deutsche Heimseite