Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Formal models of mind and action

Informacje ogólne

Kod przedmiotu: 2401-CS-FMoMA-s2
Kod Erasmus / ISCED: (brak danych) / (0223) Filozofia i etyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Formal models of mind and action
Jednostka: Katedra Kognitywistyki
Grupy: Cognitive Science s2 - I i II rok przedmioty do wyboru
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Całkowity nakład pracy studenta:

Contact hours with teacher:

- participation in lectures - 30 hrs

- consultations- 5 hrs

Self-study hours:

- preparation for lectures - 10 hrs

- writing essays/ papers/ projects- 20 hrs

- reading literature- 20 hrs

- preparation for test/ examination- 20 hrs

Altogether: 105 hrs (4 ECTS)
Efekty uczenia się - wiedza:

Student:

W1: has advanced knowledge of the formalization tools – K_W06

W2: knows theories of mind and action K_W01
Efekty uczenia się - umiejętności:

Student:

U1: is able to build cognitive models - K_U06

U2: is capable of use of formal tools- K_U06

U3: can apply logic to the construction of the formal cognitive models K_U6
Efekty uczenia się - kompetencje społeczne:

Student:

K1: understands the importance of mind modelling K_K01

K2: is open to other opinions – K_K05
Metody dydaktyczne:

Lecture

presentation
Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny
- wykład problemowy
Skrócony opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics

Meeting dates: 9.10.; 23.10.; 20.11.; 27.11; 11.12., 18.12 (online), 8.01; 22.01.

Time: 15:00-18:15
Pełny opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics. Bayesian Logic is used as a tool of formalisation of Predictive Processing in the explanation of the mind, particularly, how representations modify, enrich and change the mind’s content. Non-monotonic logics (NML) shows how to rationalize the behaviour of an organism and how does an organism learn. NML are already used in the architecture of artificial minds, i.e. in software engineering of bots, chat bots and robots, namely there, where it is needed to predict behaviour and to program the appropriate reactions.
Literatura:

1. Chan, L.W., Hexel, R., Wen, L. (2012), Integrating Non-Monotonic Reasoning into High Level Component-Based Modelling Using Behavior Trees, New Trends in Software Methodologies, Tools and Techniques, H. Fujita and R. Revetria (Eds.), IOS Press.

2. Friston K.J., Daunizeau J., Kiebel S.J. (2009) Reinforcement Learning or Active Inference? PLoS ONE 4(7): e6421. https://doi.org/10.1371/journal.pone.0006421

3. Fodor, J.A. (1994), The Elm and the Experts: Mentalese and Its Sematics, MIT Press.
Metody i kryteria oceniania:

Assessment methods:

- test

criteria:

fail- less than 50%

satisfactory- 50-55%

satisfactory plus- 55-65%

good – 65-75%

good plus- 75-85%

very good- 85-100%

Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 30 godzin więcej informacji
Koordynatorzy: Anita Pacholik-Żuromska
Prowadzący grup: Anita Pacholik-Żuromska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
Skrócony opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics
Pełny opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics. Bayesian Logic is used as a tool of formalisation of Predictive Processing in the explanation of the mind, particularly, how representations modify, enrich and change the mind’s content. Non-monotonic logics (NML) shows how to rationalize the behaviour of an organism and how does an organism learn. NML are already used in the architecture of artificial minds, i.e. in software engineering of bots, chat bots and robots, namely there, where it is needed to predict behaviour and to program the appropriate reactions.
Literatura:

1. Chan, L.W., Hexel, R., Wen, L. (2012), Integrating Non-Monotonic Reasoning into High Level Component-Based Modelling Using Behavior Trees, New Trends in Software Methodologies, Tools and Techniques, H. Fujita and R. Revetria (Eds.), IOS Press.

2. Friston K.J., Daunizeau J., Kiebel S.J. (2009) Reinforcement Learning or Active Inference? PLoS ONE 4(7): e6421. https://doi.org/10.1371/journal.pone.0006421

3. Fodor, J.A. (1994), The Elm and the Experts: Mentalese and Its Sematics, MIT Press.
Uwagi: (tylko po angielsku)

Meeting dates: 10.10; 24.10; 7.11, 21.11. 5.12, 19.12, 16.01, 31.01.

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 30 godzin więcej informacji
Koordynatorzy: Anita Pacholik-Żuromska
Prowadzący grup: Anita Pacholik-Żuromska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
Skrócony opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics

Meeting dates: 9.10.; 23.10.; 20.11.; 27.11; 11.12., 18.12 (online), 8.01; 22.01.

Time: 15:00-18:15
Pełny opis:

During the lecture students will gain the knowledge about the use of formal tools in the modelling of mind and action, such as Bayesian Logics and Non-monotonic Logics. Bayesian Logic is used as a tool of formalisation of Predictive Processing in the explanation of the mind, particularly, how representations modify, enrich and change the mind’s content. Non-monotonic logics (NML) shows how to rationalize the behaviour of an organism and how does an organism learn. NML are already used in the architecture of artificial minds, i.e. in software engineering of bots, chat bots and robots, namely there, where it is needed to predict behaviour and to program the appropriate reactions.
Literatura:

1. Chan, L.W., Hexel, R., Wen, L. (2012), Integrating Non-Monotonic Reasoning into High Level Component-Based Modelling Using Behavior Trees, New Trends in Software Methodologies, Tools and Techniques, H. Fujita and R. Revetria (Eds.), IOS Press.

2. Friston K.J., Daunizeau J., Kiebel S.J. (2009) Reinforcement Learning or Active Inference? PLoS ONE 4(7): e6421. https://doi.org/10.1371/journal.pone.0006421

3. Fodor, J.A. (1994), The Elm and the Experts: Mentalese and Its Sematics, MIT Press.
Uwagi: (tylko po angielsku)

Meeting dates: 9.10.; 23.10.; 20.11.; 27.11; 11.12., 18.12 (online), 8.01; 22.01.

Time: 15:00-18:15
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)