stringtranslate.com

Когнитивная архитектура

Когнитивная архитектура относится как к теории структуры человеческого разума , так и к вычислительной реализации такой теории, используемой в области искусственного интеллекта (ИИ) и вычислительной когнитивной науки . [1] Формализованные модели можно использовать для дальнейшего совершенствования комплексной теории познания , а также в качестве полезной программы искусственного интеллекта. Успешные когнитивные архитектуры включают ACT-R (Адаптивное управление мышлением – Rational) и SOAR . Исследование когнитивных архитектур как программного воплощения когнитивных теорий было инициировано Алленом Ньюэллом в 1990 году . [2]

Институт креативных технологий определяет когнитивную архитектуру как « гипотезу о фиксированных структурах, обеспечивающих разум, будь то в естественных или искусственных системах, и о том, как они работают вместе – в сочетании со знаниями и навыками, воплощенными в архитектуре – для достижения разумного поведения в разнообразие сложных сред». [3]

История

Герберт А. Саймон , один из основоположников области искусственного интеллекта, заявил, что диссертация его ученика Эда Фейгенбаума 1960 года « EPAM» предоставила возможную «архитектуру познания» [4] , поскольку она включала некоторые обязательства относительно того, как более чем один фундаментальный сработал аспект человеческого разума (в случае EPAM — человеческая память и человеческое обучение ).

Джон Р. Андерсон начал исследования человеческой памяти в начале 1970-х годов, и его диссертация 1973 года вместе с Гордоном Х. Бауэром представила теорию человеческой ассоциативной памяти. [5] Он включил в это исследование дополнительные аспекты своих исследований долговременной памяти и процессов мышления и в конечном итоге разработал когнитивную архитектуру, которую впоследствии назвал ACT . На него и его учеников повлияло использование Алленом Ньюэллом термина «когнитивная архитектура». Лаборатория Андерсона использовала этот термин для обозначения теории ACT, воплощенной в сборнике статей и проектов (в то время не было полной реализации ACT).

В 1983 году Джон Р. Андерсон опубликовал основополагающую работу в этой области под названием « Архитектура познания». [6] Можно различать теорию познания и реализацию теории. Теория познания обрисовала структуру различных частей разума и обязалась использовать правила, ассоциативные сети и другие аспекты. Когнитивная архитектура реализует теорию на компьютерах. Программное обеспечение, используемое для реализации когнитивных архитектур, также было «когнитивными архитектурами». Таким образом, когнитивная архитектура также может относиться к проекту интеллектуальных агентов . Он предлагает (искусственные) вычислительные процессы, которые действуют как определенные когнитивные системы, чаще всего как человек, или действуют разумно по какому-то определению. Когнитивные архитектуры образуют подмножество общих архитектур агентов . Термин «архитектура» подразумевает подход, который пытается моделировать не только поведение, но и структурные свойства моделируемой системы.

Отличия

Когнитивная архитектура может быть символической , коннекционистской или гибридной . [7] Некоторые когнитивные архитектуры или модели основаны на наборе общих правил , как, например, язык обработки информации (например, Soar на основе единой теории познания или аналогично ACT-R ). Многие из этих архитектур основаны на аналогии «разум подобен компьютеру». Напротив, субсимволическая обработка априори не определяет таких правил и полагается на возникающие свойства блоков обработки (например, узлов). Гибридные архитектуры сочетают в себе оба типа обработки (например, CLARION ). Еще одно различие заключается в том, является ли архитектура централизованной с нейронным коррелятом процессора в ее ядре или децентрализованной (распределенной). Децентрализованный вариант стал популярным под названием параллельной распределенной обработки в середине 1980-х годов и коннекционизма , ярким примером которого являются нейронные сети . Еще одной проблемой проектирования является выбор между целостной и атомистической или (более конкретно) модульной структурой.

В традиционном ИИ интеллект часто программируется сверху: программист является творцом, создает что-то и наполняет это своим интеллектом, хотя многие традиционные системы ИИ также были созданы для обучения (например, улучшения своей компетентности в играх или решении проблем) . . С другой стороны, биологические вычисления иногда используют более восходящий , децентрализованный подход; биоинспирированные методы часто включают в себя метод определения набора простых общих правил или набора простых узлов, из взаимодействия которых вытекает общее поведение. Предполагается, что сложность будет нарастать до тех пор, пока конечный результат не станет чем-то заметно сложным (см. сложные системы). Однако можно также утверждать, что системы, разработанные сверху вниз на основе наблюдений за тем, что могут делать люди и другие животные, а не на наблюдениях за механизмами мозга, также являются биологически вдохновленными, хотя и другим способом.

Яркие примеры

Некоторые известные когнитивные архитектуры в алфавитном порядке:

Смотрите также

Рекомендации

  1. ^ Лието, Антонио (2021). Когнитивный дизайн для искусственного разума . Лондон, Великобритания: Рутледж, Тейлор и Фрэнсис. ISBN 9781138207929.
  2. ^ Ньюэлл, Аллен. 1990. Единые теории познания. Издательство Гарвардского университета, Кембридж, Массачусетс.
  3. ^ См. веб-сайт ИКТ: http://cogarch.ict.usc.edu/.
  4. ^ «Заметки - очень ранний семинар EPAM».
  5. ^ «Классика цитирования на этой неделе: Андерсон Дж. Р. и Бауэр Г. Х. Ассоциативная память человека. Вашингтон», в: CC. № 52 24–31 декабря 1979 г.
  6. ^ Джон Р. Андерсон . Архитектура познания, 1983/2013.
  7. ^ Вернон, Дэвид; Метта, Джорджио; Сандини, Джулио (апрель 2007 г.). «Обзор искусственных когнитивных систем: значение для автономного развития умственных способностей вычислительных агентов». Транзакции IEEE в эволюционных вычислениях . 11 (2): 151–180. дои : 10.1109/TEVC.2006.890274. S2CID  9709702.
  8. ^ Дуглас Уитни Гейдж (2004). Мобильные роботы XVII: 26–28 октября 2004 г., Филадельфия, Пенсильвания, США . Общество инженеров фотооптического приборостроения. стр. 35.
  9. ^ Новианто, Рони (2014). Гибкая когнитивная архитектура, основанная на внимании, для роботов (PDF) (Диссертация).
  10. ^ Альбус, Джеймс С. (август 1979 г.). «Механизмы планирования и решения проблем в мозге». Математические биологические науки . 45 (3–4): 247–293. дои : 10.1016/0025-5564(79)90063-4.
  11. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглу, Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2013). «Игра в Atari с глубоким обучением с подкреплением». arXiv : 1312.5602 [cs.LG].
  12. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглу, Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2014). «Нейронные машины Тьюринга». arXiv : 1410.5401 [cs.NE].
  13. ^ Мних, Владимир; Кавукчуоглу, Корай; Сильвер, Дэвид; Русу, Андрей А.; Венесс, Джоэл; Бельмар, Марк Г.; Грейвс, Алекс; Ридмиллер, Мартин; Фиджеланд, Андреас К.; Островский, Георг; Петерсен, Стиг; Битти, Чарльз; Садик, Амир; Антоноглу, Иоаннис; Король, Хелен; Кумаран, Дхаршан; Виерстра, Даан; Легг, Шейн; Хассабис, Демис (25 февраля 2015 г.). «Контроль на человеческом уровне посредством глубокого обучения с подкреплением». Природа . 518 (7540): 529–533. Бибкод : 2015Natur.518..529M. дои : 10.1038/nature14236. PMID  25719670. S2CID  205242740.
  14. ^ "Доклад DeepMind о природе и более ранние связанные с ним работы" .
  15. ^ Шмидхубер, Юрген; Кавукчуоглу, Корай; Сильвер, Дэвид; Грейвс, Алекс; Антоноглу, Иоаннис; Виерстра, Даан; Ридмиллер, Мартин (2015). «Глубокое обучение в нейронных сетях: обзор». Нейронные сети . 61 : 85–117. arXiv : 1404.7828 . doi :10.1016/j.neunet.2014.09.003. PMID  25462637. S2CID  11715509.
  16. ^ Элиасмит, К.; Стюарт, ТК; Чу, Х.; Беколай, Т.; ДеВольф, Т.; Тан, Ю.; Расмуссен, Д. (29 ноября 2012 г.). «Крупномасштабная модель функционирующего мозга». Наука . 338 (6111): 1202–1205. Бибкод : 2012Sci...338.1202E. дои : 10.1126/science.1225266. PMID  23197532. S2CID  1673514.
  17. ^ Деннинг, Питер Дж. «Разреженная распределенная память». (1989). URL: https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/19920002425.pdf.

Внешние ссылки