Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Когнитивная модель является приближением к животных когнитивных процессов (преимущественно человека) в целях понимания и прогнозирования. Когнитивные модели могут быть разработаны в рамках когнитивной архитектуры или без нее , хотя эти две модели не всегда легко различить.

В отличие от когнитивных архитектур, когнитивные модели, как правило, сосредоточены на одном когнитивном явлении или процессе (например, изучение списков), на том, как взаимодействуют два или более процесса (например, при визуальном поиске bsc1780, принятие решений) или на прогнозировании поведения для конкретной задачи или инструмент (например, как установка нового программного пакета повлияет на производительность). Когнитивные архитектуры, как правило, сосредоточены на структурных свойствах моделируемой системы и помогают сдерживать развитие когнитивных моделей в архитектуре. [1] Аналогичным образом, разработка модели помогает выявить ограничения и недостатки архитектуры. Некоторые из самых популярных архитектур для когнитивного моделирования включают ACT-R , Clarion , LIDA и Soar..

История [ править ]

Когнитивное моделирование исторически развивалось в рамках когнитивной психологии / когнитивной науки (включая человеческий фактор ) и получило вклад в области машинного обучения и искусственного интеллекта, и это лишь некоторые из них. Существует много типов когнитивных моделей, и они могут варьироваться от диаграмм в виде прямоугольников и стрелок до набора уравнений и программ, которые взаимодействуют с теми же инструментами, которые люди используют для выполнения задач (например, компьютерная мышь и клавиатура). [2]

Модели в виде прямоугольников и стрелок [ править ]

Для описания процессов, связанных с восприятием, хранением и воспроизведением речи, используется ряд ключевых терминов. Обычно их используют логопеды при лечении пациента-ребенка. Входной сигнал - это речевой сигнал, который слышит ребенок, обычно предполагается, что он исходит от взрослого говорящего. Выходной сигнал - это произнесенное ребенком высказывание. Невидимые психологические события, которые происходят между поступлением входного сигнала и воспроизведением речи, находятся в центре внимания психолингвистических моделей. События, обрабатывающие входной сигнал, называются процессами ввода, тогда как события, обрабатывающие производство речи, называются процессами вывода. Считается, что некоторые аспекты обработки речи происходят в Интернете, т. Е.они происходят во время фактического восприятия или производства речи и, таким образом, требуют доли ресурсов внимания, выделенных для речевой задачи. Другие процессы, которые, как считается, происходят в автономном режиме, происходят как часть фоновой мыслительной обработки ребенка, а не во время выполнения речевой задачи. В этом смысле онлайн-обработка иногда определяется как происходящая в реальном времени, тогда как автономная обработка называется бессрочной (Hewlett, 1990). В психолингвистических моделях с прямоугольником и стрелкой каждый предполагаемый уровень представления или обработки может быть представлен на диаграмме «прямоугольником», а отношения между ними - «стрелками», отсюда и название. Иногда (как в моделях Smith, 1973 и Menn, 1978, описанных далее в этой статье) стрелки представляют процессы, дополнительные к тем, которые показаны в прямоугольниках.Такие модели делают явными предполагаемые действия по обработке информации, выполняемые определенной когнитивной функцией (например, языком), аналогично компьютерным блок-схемам, которые изображают процессы и решения, выполняемые компьютерной программой. Модели прямоугольников и стрелок сильно различаются по количеству описываемых ими невидимых психологических процессов и, следовательно, по количеству содержащихся в них ящиков. Некоторые имеют только один или два прямоугольника между входными и выходными сигналами (например, Menn, 1978; Smith, 1973), тогда как другие имеют несколько прямоугольников, представляющих сложные отношения между рядом различных событий обработки информации (например, Hewlett, 1990; Hewlett , Гиббон ​​и Коэн-Маккензи, 1998; Стакхаус и Уэллс, 1997). Однако самая важная коробка и источник продолжающихся споров,представляет собой базовое представление (или UR). По сути, базовое представление фиксирует хранящуюся в уме ребенка информацию о слове, которое он знает и использует. Как будет проиллюстрировано нижеследующим описанием нескольких моделей, характер этой информации и, следовательно, тип (ы) представления, присутствующие в базе знаний ребенка, уже некоторое время привлекают внимание исследователей. (Элиз Бейкер и др. Психолингвистические модели развития речи и их применение в клинической практике. Журнал исследований речи, языка и слуха. Июнь 2001 г., стр. 44. 685–702.)природа этой информации и, следовательно, тип (ы) репрезентации, присутствующие в базе знаний ребенка, в течение некоторого времени привлекали внимание исследователей. (Элиз Бейкер и др. Психолингвистические модели развития речи и их применение в клинической практике. Журнал исследований речи, языка и слуха. Июнь 2001 г., стр. 44. 685–702.)природа этой информации и, следовательно, тип (ы) репрезентации, присутствующие в базе знаний ребенка, в течение некоторого времени привлекали внимание исследователей. (Элиз Бейкер и др. Психолингвистические модели развития речи и их применение в клинической практике. Журнал исследований речи, языка и слуха. Июнь 2001 г., стр. 44. 685–702.)

Вычислительные модели [ править ]

Вычислительная модель представляет собой математическую модель вычислительной наукиэто требует обширных вычислительных ресурсов для изучения поведения сложной системы с помощью компьютерного моделирования. Исследуемая система часто представляет собой сложную нелинейную систему, для которой недоступны простые, интуитивно понятные аналитические решения. Вместо получения математического аналитического решения проблемы экспериментирование с моделью проводится путем изменения параметров системы в компьютере и изучения различий в результатах экспериментов. Теории работы модели могут быть получены / выведены из этих вычислительных экспериментов. Примерами общих вычислительных моделей являются модели прогнозирования погоды, модели имитатора Земли, модели имитатора полета, модели сворачивания молекулярных белков и модели нейронных сетей.

Символический [ править ]

. выражается символами, обычно не числовыми, которые требуют перевода, прежде чем их можно будет использовать

Подсимволический [ править ]

субсимволический, если он создается составляющими объектами, которые, в свою очередь, не являются представлениями, например пикселями, звуковыми образами, воспринимаемыми ухом, отсчетами сигналов; подсимвольные единицы в нейронных сетях можно рассматривать как частные случаи этой категории.

Гибрид [ править ]

Гибридные компьютеры - это компьютеры, которые обладают функциями аналоговых и цифровых компьютеров. Цифровой компонент обычно служит контроллером и обеспечивает логические операции, в то время как аналоговый компонент обычно служит средством решения дифференциальных уравнений. Смотрите более подробную информацию в гибридной интеллектуальной системе .

Динамические системы [ править ]

В традиционном вычислительном подходе , представления рассматриваются как статические структуры дискретных символов . Познание происходит путем преобразования статических структур символов дискретными последовательными шагами. Сенсорная информация преобразуется в символьные входы, которые производят символические выходы, которые преобразуются в моторные выходы. Вся система работает в непрерывном цикле.

Чего не хватает в этой традиционной точке зрения, так это того, что человеческое познание происходит непрерывно и в реальном времени. Разделение процессов на дискретные временные шаги может не полностью уловить это поведение. Альтернативный подход состоит в том, чтобы определить систему с (1) состоянием системы в любой момент времени, (2) поведением, определяемым как изменение во времени в общем состоянии, и (3) набором состояний или пространством состояний , представляющим совокупность общих состояний, в которых может находиться система. [3] Система отличается тем, что изменение любого аспекта состояния системы зависит от других аспектов того же или других состояний системы. [4]

Типичная динамическая модель формализована несколькими дифференциальными уравнениями, которые описывают, как состояние системы изменяется во времени. Таким образом, форма пространства возможных траекторий, а также внутренние и внешние силы, которые формируют конкретную траекторию, которая разворачивается во времени, вместо физической природы основных механизмов, которые проявляют эту динамику, несут объясняющую силу. С этой динамической точки зрения параметрические входные данные изменяют внутреннюю динамику системы, а не определяют внутреннее состояние, которое описывает какое-то внешнее состояние дел.

Ранние динамические системы [ править ]

Ассоциативная память [ править ]

Ранние работы по применению динамических систем к познанию можно найти в модели сетей Хопфилда . [5] [6] Эти сети были предложены в качестве модели ассоциативной памяти . Они представляют нейронный уровень памяти , моделируя системы примерно из 30 нейронов, которые могут быть как во включенном, так и в выключенном состоянии. Если позволить сети учиться самостоятельно, естественным образом возникают структура и вычислительные свойства. В отличие от предыдущих моделей, «воспоминания» могут быть сформированы и вызваны путем ввода небольшой части всей памяти. Также можно закодировать временное упорядочение воспоминаний. Поведение системы моделируется векторамикоторые могут изменять значения, представляющие различные состояния системы. Эта ранняя модель была важным шагом на пути к динамическому системному взгляду на человеческое познание, хотя многие детали еще не были добавлены, а другие явления еще не учтены.

Приобретение языка [ править ]

Принимая во внимание эволюционное развитие нервной системы человека и сходство мозга с другими органами, Элман предложил рассматривать язык и познание как динамическую систему, а не как процессор цифровых символов. [7] Нейронные сети типа реализованных Эльмана стали известны как сети Эльмана . Вместо того, чтобы рассматривать язык как набор статических лексических элементов и грамматических правил, которые изучаются и затем используются в соответствии с фиксированными правилами, представление динамических систем определяет лексикон.как области государственного пространства в динамической системе. Грамматика состоит из аттракторов и репеллеров, которые ограничивают движение в пространстве состояний. Это означает, что репрезентации чувствительны к контексту, а ментальные репрезентации рассматриваются как траектории в ментальном пространстве, а не как конструируемые и статичные объекты. Сети Элмана были обучены с помощью простых предложений представлять грамматику как динамическую систему. После изучения базовой грамматики сети могут анализировать сложные предложения, предсказывая, какие слова появятся следующими в соответствии с динамической моделью. [8]

Когнитивное развитие [ править ]

Классическая ошибка развития была исследована в контексте динамических систем: [9] [10] -не-А Б ошибкиПредполагается, что это не явная ошибка, возникающая в определенном возрасте (от 8 до 10 месяцев), а характеристика динамического процесса обучения, который также присутствует у детей старшего возраста. Было обнаружено, что дети в возрасте 2 лет допускают ошибку, аналогичную ошибке A-not-B, при поиске игрушек, спрятанных в песочнице. После наблюдения за спрятанной игрушкой в ​​локации A и неоднократного поиска ее там, двухлетним детям показали игрушку, спрятанную в новом локации B. Когда они искали игрушку, они искали в местах, которые были смещены в сторону местоположения A. Это говорит о том, что существует постоянное представление о местонахождении игрушки, которое меняется с течением времени. Прошлое поведение ребенка влияет на его модель расположения песочницы, поэтому при описании поведения и обучения необходимо учитывать, как система песочницы и ребенок 'Прошлые действия меняются со временем.[10]

Передвижение [ править ]

Один из предложенных механизмов динамической системы основан на анализе рекуррентных нейронных сетей с непрерывным временем (CTRNN). Сосредоточившись на выходе нейронных сетей, а не на их состояниях, и исследуя полностью взаимосвязанные сети, трехнейронный центральный генератор паттернов (CPG) можно использовать для представления таких систем, как движения ног во время ходьбы. [11] Этот CPG содержит три двигательных нейрона, которые управляют эффекторами стопы, махом назад и махом вперед ноги. Выходные данные сети показывают, находится ли стопа вверх или вниз, и какая сила прилагается для создания крутящего момента в суставе ноги. Одной из особенностей этого шаблона является то, что выходы нейронов либо выключены, либо включеныбольшую часть времени. Другая особенность состоит в том, что состояния являются квазистабильными, что означает, что они в конечном итоге переходят в другие состояния. Такая простая схема генератора шаблонов предлагается в качестве строительного блока для динамической системы. Наборы нейронов, которые одновременно переходят из одного квазистабильного состояния в другое, определяются как динамический модуль. Теоретически эти модули можно комбинировать для создания более крупных схем, составляющих полную динамическую систему. Однако детали того, как эта комбинация могла возникнуть, полностью не проработаны.

Современные динамические системы [ править ]

Поведенческая динамика [ править ]

Современные формализации динамических систем, применяемые для изучения познания, разнообразны. Одна такая формализация, называемая «поведенческой динамикой» [12], рассматривает агента и окружающую среду как пару связанных динамических систем на основе классической теории динамических систем. В этой формализации информация из среды сообщает о поведении агента, а действия агента изменяют среду. В конкретном случае циклов восприятие-действие связь среды и агента формализуется двумя функциями.. Первый преобразует представление о действии агентов в конкретные модели мышечной активации, которые, в свою очередь, создают силы в окружающей среде. Вторая функция преобразует информацию из окружающей среды (т. Е. Образцы стимуляции рецепторов агента, которые отражают текущее состояние окружающей среды) в представление, которое полезно для управления действиями агентов. Были предложены другие аналогичные динамические системы (хотя и не были развиты в формальную структуру), в которых нервная система агента, тело агента и окружающая среда связаны вместе [13] [14]

Адаптивное поведение [ править ]

Поведенческая динамика была применена к локомотивному поведению. [12] [15] [16] Моделирование передвижения с помощью поведенческой динамики демонстрирует, что адаптивное поведение может возникать в результате взаимодействия агента и окружающей среды. Согласно этой схеме, адаптивное поведение может быть зафиксировано с помощью двух уровней анализа. На первом уровне восприятия и действия агент и среда могут быть концептуализированы как пара динамических систем, связанных вместе силами, которые агент применяет к среде, и структурированной информацией, предоставляемой средой. Таким образом, поведенческая динамика возникает из взаимодействия агента и среды. На втором уровне временной эволюции поведение может быть выражено как динамическая система, представленная в виде векторного поля. В этом векторном поле аттракторы отражают устойчивые поведенческие решения, тогда как бифуркации отражают изменения в поведении.В отличие от предыдущей работы по генераторам центральных паттернов, эта структура предполагает, что стабильные поведенческие паттерны являются возникающим, самоорганизующимся свойством системы агент-среда, а не детерминированными структурой агента или окружающей среды.

Открытые динамические системы [ править ]

В продолжении классической теории динамических систем , [17]Вместо того, чтобы связывать динамические системы среды и агента друг с другом, «открытая динамическая система» определяет «общую систему», «систему агента» и механизм для связи этих двух систем. Полная система - это динамическая система, которая моделирует агента в среде, тогда как система агента - это динамическая система, которая моделирует внутреннюю динамику агента (то есть динамику агента в отсутствие среды). Важно отметить, что механизм отношений не связывает две системы вместе, а, скорее, непрерывно модифицирует всю систему в целостную систему независимого агента. Различая общую и агентную системы, можно исследовать поведение агента, когда он изолирован от среды и когда он встроен в среду.Эту формализацию можно рассматривать как обобщение классической формализации, в соответствии с которой система агентов может рассматриваться как система агентов в открытой динамической системе, а агент, связанный с окружающей средой, и окружение можно рассматривать как всю систему в открытой динамической системе. динамическая система.

Воплощенное познание [ править ]

В контексте динамических систем и воплощенного познания репрезентации можно концептуализировать как индикаторы или посредники. В представлении индикатора внутренние состояния несут информацию о существовании объекта в среде, где состояние системы во время воздействия на объект является представлением этого объекта. С точки зрения посредника, внутренние состояния несут информацию об окружающей среде, которая используется системой для достижения своих целей. В этом более сложном представлении состояния системы несут информацию, которая является посредником между информацией, которую агент получает из окружающей среды, и силой, оказываемой на среду поведением агентов. Применение открытых динамических систем обсуждалось на четырех типах классических примеров воплощенного познания: [18]

  1. Случаи, когда среда и агент должны работать вместе для достижения цели, называются «близостью». Классический пример близости - это поведение простых агентов, работающих для достижения цели (например, насекомых, пересекающих окружающую среду). Успешное достижение цели полностью зависит от связи агента с окружающей средой. [19]
  2. Экземпляры, в которых использование внешних артефактов улучшает производительность задач по сравнению с производительностью без этих артефактов. Этот процесс называется «разгрузкой». Классическим примером разгрузки является поведение игроков в Scrabble ; люди могут создавать больше слов во время игры в Scrabble, если перед ними лежат плитки и им разрешено физически изменять их расположение. В этом примере плитки Scrabble позволяют агенту переносить требования к рабочей памяти на сами плитки. [20]
  3. Экземпляры, в которых функционально эквивалентный внешний артефакт заменяет функции, которые обычно выполняются внутренне агентом, что является особым случаем разгрузки. Одним из известных примеров является навигация человека (в частности, агентов Отто и Инги) в сложной среде с помощью артефакта или без него. [21]
  4. Экземпляры, в которых нет ни одного агента. Отдельный агент является частью более крупной системы, содержащей несколько агентов и множество артефактов. Один известный пример, сформулированный Эдом Хатчинсом в его книге « Познание в дикой природе» , - это управление военным кораблем. [22]

Интерпретация этих примеров основана на следующей логике : (1) вся система отражает воплощение; (2) одна или несколько систем агентов фиксируют внутреннюю динамику отдельных агентов; (3) полное поведение агента можно понимать как изменение внутренней динамики агента по отношению к его ситуации в окружающей среде; и (4) пути открытой динамической системы можно интерпретировать как репрезентативные процессы. Эти воплощенные примеры познания показывают важность изучения возникающей динамики систем агент-среда, а также внутренней динамики агентных систем. Вместо того чтобы противоречить традиционным подходам когнитивной науки, динамические системы являются естественным продолжением этих методов, и их следует изучать параллельно, а не на соревнованиях.

См. Также [ править ]

  • Вычислительное познание
  • Вычислительные модели овладения языком
  • Вычислительно-репрезентативное понимание разума
  • MindModeling @ Дом
  • Фреймворк прогнозирования памяти
  • Картографирование космоса

Ссылки [ править ]

  1. ^ Lieto, Антонио (2021). Когнитивный дизайн для искусственного разума . Лондон, Великобритания: Рутледж, Тейлор и Фрэнсис. ISBN 9781138207929.
  2. Перейти ↑ Sun, R. (ed.), (2008). Кембриджский справочник по компьютерной психологии. Нью-Йорк: Издательство Кембриджского университета.
  3. ^ ван Гельдер, Т. (1998). Динамическая гипотеза в когнитивной науке. Архивировано 1 июля 2018 г. в Wayback Machine . Поведенческие науки и науки о мозге, 21, 615-665.
  4. Перейти ↑ van Gelder, T. & Port, RF (1995). Пора: обзор динамического подхода к познанию. Архивировано 17 ноября 2017 г. в Wayback Machine . В РФ Порт и Т. ван Гельдер (ред.), Разум как движение: исследования динамики познания. (стр. 1-43). Кембридж, Массачусетс: MIT Press.
  5. ^ Хопфилда, JJ (1982). Нейронные сети и физические системы с новыми коллективными вычислительными возможностями . PNAS, 79, 2554-2558.
  6. ^ Хопфилда, JJ (1984). Нейроны с градуированной реакцией обладают коллективными вычислительными свойствами, как у нейронов с двумя состояниями . PNAS, 81, 3088-3092.
  7. Перейти ↑ Elman, JL (1995). Язык как динамическая система . В РФ Порт и Т. ван Гельдер (ред.), Разум как движение: исследования динамики познания. (стр. 195-223). Кембридж, Массачусетс: MIT Press.
  8. Перейти ↑ Elman, JL (1991). Распределенные представления, простые рекуррентные сети и грамматическая структура . Машинное обучение, 7, 195-225.
  9. Перейти ↑ Spencer, JP, Smith, LB, & Thelen, E. (2001). Тесты динамических систем учитывают ошибку A-not-B: влияние предшествующего опыта на способности пространственной памяти двухлетних детей. Развитие ребенка, 72 (5), 1327-1346.
  10. ^ a b Телен Э., Шонер, Г., Шайер, К., Смит, LB (2001). Динамика воплощения: полевая теория консерванта для младенцев, поступающая в архив. Архивировано 1 июля 2018 г. в Wayback Machine . Поведенческие и мозговые науки, 24, 1-86.
  11. ^ Chiel, HJ, пиво, RD, & Gallagher, JC (1999). Эволюция и анализ модельных ЦПГ для ходьбы. Журнал вычислительной нейробиологии, 7, 99-118.
  12. ^ a b Уоррен, WH (2006). Динамика восприятия и действий. Архивировано 18 сентября 2017 года на Wayback Machine . Психологический обзор, 113 (2), 359-389. DOI: 10.1037 / 0033-295X.113.2.358
  13. Перейти ↑ Beer, RD (2000). Динамические подходы к когнитивной науке. Тенденции в когнитивных науках, 4 (3), 91-99.
  14. Перейти ↑ Beer, RD (2003). Динамика активного категориального восприятия у развитого модельного агента . Адаптивное поведение, 11 (4), 209-243. DOI: 10.1177 / 1059712303114001
  15. ^ Fajen, Б. Р., & Warren, WH (2003). Поведенческая динамика рулевого управления, объезда препятствий и выбора маршрута . Журнал экспериментальной психологии: человеческое восприятие и производительность, 29, 343-362.
  16. ^ Fajen, BR, Уоррен, WH, Temizer, S., & Kaelbling, LP (2003). Динамическая модель визуально управляемого рулевого управления, предотвращения препятствий и выбора маршрута . Международный журнал компьютерного зрения, 54, 15-34.
  17. ^ Отон, S., & Йоший, J. (2010). Динамика воплощенного познания. Международный журнал бифуркации и хаоса, 20 (4), 943-972. DOI : 10,1142 / S0218127410026241
  18. ^ Отон, S., & Йоший, J. (2011). Распространение теории динамических систем на модели воплощенного познания . Когнитивная наука, 35, 444-479. DOI: 10.1111 / j.1551-6709.2010.01151.x
  19. ^ Haugeland, J. (1996). Воплощенный и встроенный разум . В J. Haugeland (Ed.), Размышляя: Очерки метафизики разума (стр. 207-237). Кембридж, Массачусетс: Издательство Гарвардского университета.
  20. ^ Маглио, П., Мэтлок, Т., Raphaely Д., Chernickym Б., и Кирш, D. (1999). Интерактивный навык игры в скрэббл . В M. Hahn & SC Stoness (Eds.), Proceedings двадцать первой ежегодной конференции Общества когнитивных наук (стр. 326–330). Махва, Нью-Джерси: Лоуренс Эрлбаум Ассошиэйтс.
  21. Перейти ↑ Clark, A., & Chalmers, D. (1998). Расширенный разум . Анализ, 58 (1), 7-19.
  22. Перейти ↑ Hutchins, E., (1995). Познание в дикой природе . Кембридж, Массачусетс: MIT Press.

Внешние ссылки [ править ]

  • Когнитивное моделирование в CMU
  • Когнитивное моделирование в RPI (HCI)
  • Когнитивное моделирование в RPI (CLARION)
  • Когнитивное моделирование в Университете Мемфиса (LIDA)
  • Когнитивное моделирование в UMich