FORR (For the Right Reasons) — это когнитивная архитектура для обучения и решения проблем , вдохновленная идеями Герберта А. Саймона об ограниченной рациональности и удовлетворении . Впервые он был разработан в начале 1990-х годов в Городском университете Нью-Йорка . Он использовался в играх , поиске пути роботов, проектировании парков отдыха, голосовых диалоговых системах и решении NP-жестких задач удовлетворения ограничений и является достаточно общим для многих приложений для решения проблем.
FORR не обладает идеальными знаниями о том, как решить проблему, а вместо этого учится на собственном опыте. Интеллектуальные агенты не оптимальны, они принимают решения, основываясь только на подмножестве всех возможных веских причин и информативных данных. Эти агенты все же можно считать рациональными. Эта идея ограниченной рациональности была представлена Гербертом А. Саймоном [ 1] , который вместе с Алленом Ньюэллом разработал ранние основы изучения когнитивных архитектур, а также вдохновил ранние архитектуры, такие как Soar и ACT-R .
FORR зависит от идеи о том, что существует множество причин или обоснований для выполнения действий при решении проблемы. Эти причины могут быть всегда правильными (в шахматах всегда правильно сделать ход, который поставит противнику мат) или только иногда правильными. Всегда правильных причин меньшинство. Иногда правильные причины могут дополнять друг друга: например, в игре одной хорошей причиной может быть захват фигур, а другой может быть контроль над какой-то областью доски. В FORR эти конкурирующие причины называются советниками.
Система многоуровневого советника является достаточно общей, чтобы можно было реализовать любую потенциальную вескую причину, такую как вероятностная , дедуктивная или перцептивная , если она дает совет относительно предпочтения одного действия другому.
Из-за своей зависимости от набора независимых агентов (консультантов) FORR можно рассматривать как коннекционистскую архитектуру .
Архитектура FORR состоит из трех компонентов: набора дескрипторов , описывающих состояние проблемы, многоуровневого набора советников , с которыми консультируются, чтобы решить, какое действие выполнить, и поведенческого сценария , который опрашивает советников и выполняет действие, которое они предлагать. [2]