Войти
| Автор (ы) | Джон Роберт Андерсон |
|---|---|
| Стабильная версия | 6.0 -1,5 [r1577] / 13 июня 2014 г.; 6 лет назад (13.06.2014) |
| Написано на | Common Lisp |
| Тип | Когнитивная архитектура |
| Лицензия | GNU LGPL v2.1 |
| Веб-сайт | act- r |
ACT-R(произносится / ˌækt ˈɑr /; сокращение от «Адаптивное управление мыслью - рациональное») когнитивная архитектура, в основном разработанная Джоном Робертом Андерсоном и Кристианом Лебьера в Университете Карнеги-Меллона. Как и любая когнитивная архитектура, ACT-R нацелена на определение основных и несводимых когнитивных и перцептивных операций, которые задействуют человеческий разум. 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, и ACT-R можно рассматривать и описывать как способ определения того, как устроен сам мозг. таким образом, чтобы отдельные модули обработки данных могли производить познание.
ACT-R был вдохновлен работами Аллена Ньюэлла, и особенно его пожизненным отстаиванием идея объединенных теорий как единственный способ по-настоящему раскрыть основы познания. Фактически, Джон Андерсон обычно считает Аллена Ньюэлла главным источником влияния на его собственную теорию.
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 ходе экспериментов в когнитивной психологии и визуализации мозга.
Как и язык программирования, ACT-R представляет собой основу: для различных задач ( например, Ханойская башня, память на текст или список 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, манипулирование мысленными образами). Каждый шаг связан с количественным прогнозом задержек и точности. Модель можно проверить, сравнив ее результаты с данными, собранными в поведенческих экспериментах.
В последние годы ACT-R также был расширен для количественного прогнозирования паттернов активации в мозге, обнаруженных в экспериментах с фМРТ. В частности, ACT-R был расширен для прогнозирования формы и динамики жирного шрифта ответа нескольких областей мозга, включая области рук и рта в моторной коре, слева префронтальной коры, передней поясной коры и базальных ганглиев.
Наиболее важным предположением ACT-R является то, что человеческие знания могут 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 они доступны 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:
Все модули доступны 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 продукции. Термин «производство» отражает фактическую реализацию ACT-R как производственную систему, но, на самом деле, производство - это, в основном, формальное обозначение, определяющее поток информации из областей коры (т. Е. Буферов) в базальные ганглии и обратно в кору.
В каждый момент внутренний сопоставитель шаблонов ищет продукцию, которая соответствует текущему состоянию буферов. Одновременно может быть выполнено только одно такое производство. Это производство при выполнении может изменять буферы и, таким образом, изменять состояние системы. Таким образом, в ACT-R познание разворачивается как последовательность производственных выстрелов.
В когнитивных науках разные теории обычно приписываются либо «символическому », либо «коннекционист "подход к познанию. ACT-R явно принадлежит к «символической» области и классифицируется как таковая в стандартных учебниках и сборниках. Его сущности (блоки и продукция) 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, определяющую, как устроен мозг, и как его организация порождает то, что воспринимается (и, в когнитивной психологии, исследовано) 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, поскольку 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 итоге, в вычислениях.
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 путем изменения стандартных параметров или создания новых модулей или частичного изменения поведения существующих.
Наконец, хотя 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 автором Терренс С. Стюарт и Роберт Л. Уэст из Карлтонского университета, Канада).
Аналогичным образом, ACT-RN (ныне прекращенный) был полноценной нейронной реализацией версии 1993 г. теория. Все эти версии были полностью функциональными, и модели были написаны и запускались со всеми ними.
Из-за этих степеней свободы реализации сообщество ACT-R обычно ссылается на «официальную», Lisp версию теории, если она принята в ее первоначальной форме и оставлена в неизмененном виде, как «Ванильный ACT-R».
На протяжении многих лет модели ACT-R использовались в более чем 700 различных научных публикациях и цитировались во многих других.
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 веером для связанной информации, эффекты первичность и недавность для памяти списка и последовательный вызов.
ACT-R использовался для моделирования внимательного и процессы управления в ряде когнитивных парадигм. К ним относятся задача Струпа, переключение задач, психологический рефрактерный период и многозадачность.
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.
ACT-R использовался для описания того, 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 перцепционно-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 компьютерных приложениях и веб-навигации.
Совсем недавно ACT-R стал 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 операций управления и связанных с практикой изменений мозговой активности.
ACT-R часто использовался в качестве основы для когнитивных наставников. 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 научного центра обучения. Некоторые из самых успешных приложений, такие как Cognitive Tutor for Mathematics, используются в тысячах школ по всей территории Соединенных Штатов.
ACT-R - окончательный преемник серии все более точных моделей человеческого познания, разработанных Джоном Р.. Андерсон.
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 модели. версия 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 *.
В конце восьмидесятых Андерсон посвятил себя изучению и изложению математического подхода. познанию, которое он назвал Рациональный анализ. 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 основных 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 Лебьером, исследователем коннекционистских моделей, наиболее известным благодаря разработке алгоритма обучения с Скоттом Фалманом. Их совместная работа завершилась выпуском ACT-R 4.0. Благодаря Майку Бирну (сейчас он работает в Университете Райса ), версия 4.0 также включала в себя дополнительные возможности восприятия и моторики, в основном вдохновленные архитектурой EPIC, которая значительно расширила возможные применения теории.
После выпуска ACT-R 4.0 Джон Андерсон все больше и больше интересовался лежащей в основе нейронной правдоподобностью его теории времени жизни, и начал использовать методы визуализации мозга, преследуя свою 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 новыми буферами, специализированными структурами для хранения временно активной информации (см. Раздел выше). Считалось, что буферы отражают корковую активность, и последующая серия исследований позже подтвердила, что активация в корковых областях может быть успешно связана 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 с шаблоном позволяет согласовывать слоты, чтобы также указывать содержимое буфера. Описание и мотивация для ACT-R 6.0 даны в Anderson (2007).
На семинаре 2015 года утверждалось, что требуется изменение программного обеспечения приращение нумерации моделей до ACT-R 7.0. Основным изменением в программном обеспечении было снятие требования о том, что блоки должны указываться 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, что теперь позволяет моделям создавать новые «типы» блоков. Это также привело к упрощению синтаксиса, необходимого для определения действий в производстве, поскольку 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 построение 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..
Длительное развитие теории ACT-R породило определенное количество параллельных и связанных проектов.
Самыми важными из них являются производственная система PUPS, первоначальная реализация теории Андерсона, от которой позже отказались; и ACT-RN, нейросетевое воплощение теории, разработанной Кристианом Лебьером.
, также в Университете Карнеги-Меллона, разработал в начале девяностых SAC, модель концептуальных и перцептивных аспектов памяти, которая имеет много общих черт с ACT-R основная декларативная система, хотя и отличается некоторыми предположениями.
