ACT-R - ACT-R

ACT-R
Автор (ы) оригинала Джон Роберт Андерсон
Стабильный выпуск
7.21.6- <3099: 2020-12-21> / 21 декабря 2020 г . ; 4 месяца назад  ( 2020-12-21 )
Написано в Common Lisp
Тип Когнитивная архитектура
Лицензия GNU LGPL v2.1
Веб-сайт act-r .psy .cmu .edu

ACT-R (произносится / ˌækt ˈɑr /; сокращение от « Адаптивное управление мышлением - рациональное ») - это когнитивная архитектура, в основном разработанная Джоном Робертом Андерсоном и Кристианом Лебиером из Университета Карнеги-Меллона . Как и любая когнитивная архитектура, ACT-R направлена ​​на определение основных и несводимых когнитивных и перцептивных операций, которые задействованы в человеческом разуме. Теоретически каждая задача, которую может выполнить человек, должна состоять из серии этих дискретных операций.

Большинство базовых предположений ACT-R также основаны на прогрессе когнитивной нейробиологии , а ACT-R можно рассматривать и описывать как способ определения того, как сам мозг организован таким образом, чтобы отдельные модули обработки данных могли производить познание.

Вдохновение

ACT-R был вдохновлен работами Аллена Ньюэлла , и особенно его пожизненным отстаиванием идеи объединенных теорий как единственного способа по-настоящему раскрыть основы познания. Фактически, Андерсон обычно считает Ньюэлла основным источником влияния на его собственную теорию.

Как выглядит ACT-R

Как и другие влиятельные когнитивные архитектуры (включая Soar , CLARION и EPIC), теория ACT-R имеет вычислительную реализацию в виде интерпретатора специального языка программирования. Сам интерпретатор написан на Common Lisp и может быть загружен в любой из дистрибутивов языка Common Lisp.

Это означает, что любой исследователь может загрузить код ACT-R с веб-сайта ACT-R, загрузить его в дистрибутив Common Lisp и получить полный доступ к теории в форме интерпретатора ACT-R.

Кроме того, это позволяет исследователям определять модели человеческого познания в форме сценария на языке ACT-R. Языковые примитивы и типы данных предназначены для отражения теоретических предположений о человеческом познании. Эти предположения основаны на многочисленных фактах, полученных в результате экспериментов в области когнитивной психологии и визуализации мозга .

Подобно языку программирования , ACT-R представляет собой основу: для различных задач (например, Ханойская башня, память для текста или списка слов, понимание языка, общение, управление самолетом) исследователи создают «модели» (то есть программы) в ACT-R. Эти модели отражают предположения разработчиков моделей о задаче в рамках представления познания ACT-R. Затем модель может быть запущена.

Запуск модели автоматически производит пошаговое моделирование человеческого поведения, которое определяет каждую отдельную когнитивную операцию (например, кодирование и извлечение памяти, визуальное и слуховое кодирование, моторное программирование и выполнение, манипуляции с мысленными образами). Каждый шаг связан с количественным прогнозом задержек и точности. Модель можно протестировать, сравнив ее результаты с данными, собранными в поведенческих экспериментах.

В последние годы ACT-R также был расширен для количественного прогнозирования паттернов активации в головном мозге, обнаруженных в экспериментах с фМРТ . В частности, ACT-R был расширен для прогнозирования формы и динамики BOLD- ответа нескольких областей мозга, включая области рук и рта в моторной коре , левой префронтальной коре , передней поясной извилине и базальной части коры головного мозга. ганглии .

Краткое описание

Наиболее важное предположение ACT-R состоит в том, что человеческое знание можно разделить на два несводимых вида представлений: декларативное и процедурное .

В коде ACT-R декларативные знания представлены в виде блоков , то есть векторных представлений отдельных свойств, каждое из которых доступно из помеченного слота.

Чанки хранятся и становятся доступными через буферы , которые являются интерфейсом модулей , то есть специализированных и в значительной степени независимых структур мозга.

Есть два типа модулей:

  • Перцепционно-моторные модули , которые заботятся об интерфейсе с реальным миром (т. Е. С симуляцией реального мира). Наиболее развитыми перцептивно-моторными модулями в ACT-R являются визуальный и ручной модули.
  • Модули памяти . В ACT-R есть два типа модулей памяти:
    • Декларативная память , состоящая из таких фактов, как Вашингтон, округ Колумбия, - столица США , Франция - страна в Европе , или 2 + 3 = 5.
    • Процессуальная память , составленная из постановок. Продукция представляет собой знания о том, как мы что-то делаем: например, знания о том, как набирать букву «Q» на клавиатуре, о том, как водить машину или о том, как выполнять сложение.

Доступ ко всем модулям возможен только через их буферы. Содержимое буферов в данный момент времени представляет состояние ACT-R в этот момент. Единственным исключением из этого правила является процедурный модуль, который хранит и применяет процедурные знания. Он не имеет доступного буфера и фактически используется для доступа к содержимому другого модуля.

Процедурные знания представлены в виде постановок . Термин «производство» отражает фактическую реализацию ACT-R в качестве производственной системы , но на самом деле производство - это, в основном, формальное обозначение, определяющее поток информации от областей коры (то есть буферов) к базальным ганглиям и обратно. к коре.

В каждый момент внутренний сопоставитель шаблонов ищет продукцию, которая соответствует текущему состоянию буферов. Одновременно может быть выполнено только одно такое производство. Это производство, когда оно выполняется, может изменять буферы и, таким образом, изменять состояние системы. Таким образом, в ACT-R познание разворачивается как последовательность производственных выстрелов.

Символические дебаты против коннекционистов

В когнитивных науках различные теории обычно приписываются либо « символическому », либо « коннекционистскому » подходу к познанию. ACT-R явно принадлежит к «символической» области и классифицируется как таковая в стандартных учебниках и сборниках. Его сущности (блоки и продукты) дискретны, а его операции синтаксичны, то есть не относятся к семантическому содержанию представлений, а только к их свойствам, которые считают их подходящими для участия в вычислении (ах). Это ясно видно в слотах фрагментов и в свойствах сопоставления буферов в продуктах, которые функционируют как стандартные символьные переменные.

Члены сообщества ACT-R, включая его разработчиков, предпочитают рассматривать ACT-R как общую структуру, которая определяет, как устроен мозг и как его организация порождает то, что воспринимается (и, в когнитивной психологии, исследуется). как разум, выходя за рамки традиционных символических / коннекционистских дебатов. Ничто из этого, естественно, не противоречит классификации ACT-R как символической системы, потому что все символические подходы к познанию направлены на описание разума как продукта функции мозга с использованием определенного класса сущностей и систем для достижения этой цели.

Распространенное заблуждение предполагает, что ACT-R не может быть символической системой, потому что он пытается охарактеризовать функцию мозга. Это неверно по двум причинам: во-первых, все подходы к компьютерному моделированию познания, символические или иные, должны в некотором отношении характеризовать функцию мозга, потому что разум - это функция мозга. Во-вторых, все такие подходы, включая коннекционистские подходы, пытаются охарактеризовать сознание на когнитивном уровне описания, а не на нейронном уровне, потому что только на когнитивном уровне могут быть сохранены важные обобщения.

Дальнейшие недопонимания возникают из-за ассоциативного характера определенных свойств ACT-R, таких как блоки, распространяющие активацию друг на друга, или блоки и продукты, несущие количественные свойства, относящиеся к их выбору. Ни одно из этих свойств не противоречит фундаментальной природе этих сущностей как символических, независимо от их роли в выборе единиц и, в конечном счете, в вычислениях.

Теория против реализации и ванильный ACT-R

Разработчики ACT-R обычно подчеркивают важность различия между самой теорией и ее реализацией.

Фактически, большая часть реализации не отражает теории. Например, фактическая реализация использует дополнительные `` модули '', которые существуют только для чисто вычислительных целей и не должны отражать что-либо в мозгу (например, один вычислительный модуль содержит генератор псевдослучайных чисел, используемый для создания зашумленных параметров, в то время как другой содержит процедуры именования для создания структур данных, доступных через имена переменных).

Кроме того, фактическая реализация предназначена для того, чтобы исследователи могли модифицировать теорию, например, изменяя стандартные параметры, или создавая новые модули, или частично изменяя поведение существующих.

Наконец, в то время как лаборатория Андерсона в CMU поддерживает и выпускает официальный код ACT-R, стали доступны другие альтернативные реализации теории. Эти альтернативные реализации включают jACT-R (написанный на Java Энтони М. Харрисоном из Военно-морской исследовательской лаборатории ) и Python ACT-R (написанный на Python Терренсом С. Стюартом и Робертом Л. Уэстом из Карлтонского университета , Канада).

Точно так же ACT-RN (ныне прекращенная) была полноценной нейронной реализацией версии теории 1993 года. Все эти версии были полностью функциональными, и модели были написаны и работали со всеми ними.

Из-за этих степеней свободы реализации сообщество ACT-R обычно называет "официальную" версию теории на основе Lisp , если она принята в ее первоначальной форме и остается неизменной, как "Vanilla ACT-R".

Приложения

На протяжении многих лет модели ACT-R использовались в более чем 700 различных научных публикациях и цитировались во многих других.

Память, внимание и исполнительный контроль

Система декларативной памяти ACT-R использовалась для моделирования человеческой памяти с момента ее создания. В течение многих лет он был принят для успешного моделирования большого количества известных эффектов. Они включают в себя эффект интерференции для связанной информации, эффекты первичности и новизны для памяти списков и последовательный вызов.

ACT-R использовался для моделирования процессов внимания и управления в ряде когнитивных парадигм. К ним относятся задача Струпа , переключение задач , психологический рефрактерный период и многозадачность.

Естественный язык

Ряд исследователей использовали ACT-R для моделирования некоторых аспектов понимания и производства естественного языка . Они включают модели синтаксического анализа, понимания языка, усвоения языка и понимания метафор.

Сложные задачи

ACT-R использовался, чтобы запечатлеть, как люди решают сложные проблемы, такие как Ханойская башня, или как люди решают алгебраические уравнения. Он также использовался для моделирования поведения человека при вождении и полете.

Благодаря интеграции перцептивно-моторных возможностей ACT-R становится все более популярным в качестве инструмента моделирования человеческого фактора и взаимодействия человека с компьютером. В этой области он был принят для моделирования поведения при вождении в различных условиях, выбора меню и визуального поиска в компьютерном приложении, а также веб-навигации.

Когнитивная нейробиология

Совсем недавно ACT-R использовался для прогнозирования паттернов активации мозга во время экспериментов по визуализации. В этой области модели ACT-R успешно использовались для прогнозирования префронтальной и теменной активности при восстановлении памяти, активности передней поясной извилины для управляющих операций и связанных с практикой изменений мозговой активности.

Образование

ACT-R часто используется в качестве основы для учителей познавательной деятельности . Эти системы используют внутреннюю модель ACT-R, чтобы имитировать поведение ученика и персонализировать его / ее инструкции и учебный план, пытаясь «угадать» трудности, с которыми могут столкнуться ученики, и оказать целенаправленную помощь.

Такие «когнитивные наставники» используются в качестве платформы для исследований по обучению и когнитивному моделированию в рамках Питтсбургского центра науки об обучении. Некоторые из самых успешных приложений, такие как Cognitive Tutor for Mathematics, используются в тысячах школ по всей территории Соединенных Штатов.

Краткая история

Ранние годы: 1973–1990 гг.

ACT-R является окончательным преемником серии все более точных моделей человеческого познания, разработанных Джоном Р. Андерсоном .

Его корни можно проследить до исходной модели памяти HAM (ассоциативная память человека), описанной Джоном Р. Андерсоном и Гордоном Бауэром в 1973 году. Модель HAM позже была расширена до первой версии теории ACT. Это был первый раз, когда процедурная память была добавлена ​​к исходной системе декларативной памяти, введя вычислительную дихотомию, которая, как позже было доказано, сохраняется в человеческом мозгу. Затем теория была расширена до модели человеческого познания ACT *.

Интеграция с рациональным анализом: 1990–1998 гг.

В конце восьмидесятых годов Андерсон посвятил себя исследованию и изложению математического подхода к познанию, который он назвал рациональным анализом . Основное предположение рационального анализа состоит в том, что познание является оптимально адаптивным, а точные оценки когнитивных функций отражают статистические свойства окружающей среды. Позже он вернулся к развитию теории ACT, используя рациональный анализ в качестве объединяющей основы для лежащих в основе вычислений. Чтобы подчеркнуть важность нового подхода к формированию архитектуры, его название было изменено на ACT-R, где «R» означает «Rational».

В 1993 году Андерсон встретился с Кристианом Lebiere, исследователь в коннекционистских моделей в основном известных для разработки с Фалман в Корреляция Cascade алгоритм обучения. Их совместная работа завершилась выпуском ACT-R 4.0. Благодаря Майку Бирну (сейчас он работает в Университете Райса ), версия 4.0 также включала дополнительные возможности восприятия и моторики, в основном вдохновленные архитектурой EPIC, которая значительно расширила возможные приложения теории.

Визуализация мозга и модульная структура: 1998–2015 гг.

После выпуска ACT-R 4.0 Джон Андерсон все больше и больше интересовался нейронной правдоподобностью своей теории времени жизни и начал использовать методы визуализации мозга, преследуя свою собственную цель - понять вычислительные основы человеческого разума.

Необходимость учета локализации мозга подтолкнула к серьезному пересмотру теории. ACT-R 5.0 представил концепцию модулей, специализированных наборов процедурных и декларативных представлений, которые могут быть сопоставлены с известными системами мозга. Кроме того, взаимодействие между процедурными и декларативными знаниями было опосредовано недавно введенными буферами, специализированными структурами для хранения временно активной информации (см. Раздел выше). Считалось, что буферы отражают корковую активность, и последующая серия исследований позже подтвердила, что активации в корковых областях могут быть успешно связаны с вычислительными операциями над буферами.

Новая версия кода, полностью переписанная, была представлена ​​в 2005 году как ACT-R 6.0. Он также включал значительные улучшения в язык кодирования ACT-R. Это включало новый механизм в производственную спецификацию ACT-R, называемый динамическим сопоставлением с образцом. В отличие от предыдущих версий, которые требовали, чтобы шаблон, согласованный с производством, включал определенные слоты для информации в буферах, динамическое сопоставление шаблонов позволяет согласовывать слоты, чтобы также указывать содержимое буфера. Описание и мотивация ACT-R 6.0 даны в Anderson (2007).

ACT-R 7.0: 2015-настоящее время

На семинаре 2015 года утверждалось, что изменения программного обеспечения требуют увеличения нумерации моделей до ACT-R 7.0. Основным изменением программного обеспечения было снятие требования о том, что блоки должны быть указаны на основе предопределенных типов блоков. Механизм блокового типа не был удален, но был изменен с обязательной конструкции архитектуры на необязательный синтаксический механизм в программном обеспечении. Это обеспечило большую гибкость в представлении знаний для задач моделирования, требующих изучения новой информации, и расширило функциональные возможности, предоставляемые за счет динамического сопоставления с образцом, теперь позволяя моделям создавать новые «типы» блоков. Это также привело к упрощению синтаксиса, необходимого для определения действий в производстве, потому что теперь все действия имеют одинаковую синтаксическую форму. Программное обеспечение ACT-R также было впоследствии обновлено и теперь включает удаленный интерфейс на основе JSON RPC 1.0. Этот интерфейс был добавлен, чтобы упростить создание задач для моделей и работу с ACT-R на языках, отличных от Lisp, а учебное пособие, включенное в программное обеспечение, было обновлено, чтобы обеспечить реализации Python для всех примеров задач, выполняемых учебными моделями. .

Спин-оффы

Длительное развитие теории ACT-R породило определенное количество параллельных и связанных проектов.

Наиболее важными из них являются производственная система PUPS, первоначальная реализация теории Андерсона, от которой позже отказались; и ACT-RN, нейросетевая реализация теории, разработанной Кристианом Лебьером.

Линн М. Редер , также из Университета Карнеги-Меллона , разработала в начале 90-х годов SAC модель концептуальных и перцептивных аспектов памяти, которая имеет много общих черт с основной декларативной системой ACT-R, хотя и отличается некоторыми предположениями.

Заметки

Рекомендации

  • Андерсон, младший (2007). Как человеческий разум может появиться в физической вселенной? Нью-Йорк, Нью-Йорк: Издательство Оксфордского университета. ISBN   0-19-532425-0 .
  • Андерсон, Д. Р., Ботелл, Д., Бирн, М. Д., Дуглас, С., Лебьер, К., и Цинь, Ю. (2004). Комплексная теория разума. Психологическое обозрение , 1036–1060.

Внешние ссылки