ACT-R - ACT-R

ACT-R
Orijinal yazar (lar) John Robert Anderson
Kararlı sürüm
7.21.6- <3099: 2020-12-21> / 21 Aralık 2020 ; 4 ay önce  ( 2020-12-21 )
Yazılmış Ortak Lisp
Tür Bilişsel mimari
Lisans GNU LGPL v2.1
İnternet sitesi act-r .psy .cmu .edu

ACT-R (telaffuz / ˌækt ˈɑr /; " Düşüncenin Uyarlanabilir Kontrolü - Rasyonel " kısaltması ), esas olarak Carnegie Mellon Üniversitesi'nden John Robert Anderson ve Christian Lebiere tarafından geliştirilen bilişsel bir mimaridir . Herhangi bir bilişsel mimari gibi, ACT-R, insan zihnini etkinleştiren temel ve indirgenemez bilişsel ve algısal işlemleri tanımlamayı amaçlamaktadır. Teoride, insanların gerçekleştirebileceği her görev bu ayrı işlemlerden oluşmalıdır.

ACT-R'nin temel varsayımlarının çoğu aynı zamanda bilişsel sinirbilimin ilerlemesinden de esinlenmiştir ve ACT-R, beynin kendisinin bireysel işlem modüllerinin biliş üretmesini sağlayacak şekilde nasıl organize edildiğini belirlemenin bir yolu olarak görülebilir ve tanımlanabilir.

İlham

ACT-R, Allen Newell'in çalışmasından ve özellikle bilişin temellerini gerçekten ortaya çıkarmanın tek yolu olarak birleşik teoriler fikrini ömür boyu savunmasından ilham almıştır . Aslında, Anderson genellikle Newell'i kendi teorisi üzerindeki ana etki kaynağı olarak kabul eder.

ACT-R neye benziyor

Diğer etkili bilişsel mimariler gibi ( Soar , CLARION ve EPIC dahil), ACT-R teorisinin özel bir kodlama dilinin yorumlayıcısı olarak hesaplamalı bir uygulaması vardır. Yorumlayıcının kendisi Common Lisp'de yazılmıştır ve herhangi bir Common Lisp dil ​​dağıtımına yüklenebilir.

Bu, herhangi bir araştırmacının ACT-R kodunu ACT-R web sitesinden indirebileceği, bir Common Lisp dağıtımına yükleyebileceği ve ACT-R yorumlayıcısı biçiminde teoriye tam erişim sağlayabileceği anlamına gelir.

Ayrıca, bu, araştırmacıların ACT-R dilinde bir yazı biçiminde insan biliş modellerini belirlemelerine olanak tanır. Dil ilkelleri ve veri türleri, insan bilişi hakkındaki teorik varsayımları yansıtacak şekilde tasarlanmıştır. Bu varsayımlar, bilişsel psikoloji ve beyin görüntüleme deneylerinden elde edilen çok sayıda gerçeğe dayanmaktadır .

Bir programlama dili gibi , ACT-R bir çerçevedir: farklı görevler için (örneğin, Hanoi Kulesi, metin için bellek veya kelime listesi, dili anlama, iletişim, uçak kontrolü), araştırmacılar "modeller" (yani programlar) oluşturur ACT-R'de. Bu modeller, modelleyicilerin ACT-R biliş bakış açısı içindeki görevle ilgili varsayımlarını yansıtır. Model daha sonra çalıştırılabilir.

Bir modelin çalıştırılması, her bir bireysel bilişsel işlemi (yani bellek kodlama ve geri alma, görsel ve işitsel kodlama, motor programlama ve yürütme, zihinsel imgeleme manipülasyonu) belirleyen, insan davranışının otomatik olarak adım adım bir simülasyonunu üretir. Her adım, gecikmelerin ve doğrulukların nicel tahminleriyle ilişkilidir. Model, sonuçları davranış deneylerinde toplanan verilerle karşılaştırılarak test edilebilir.

Son yıllarda, ACT-R, fMRI ile yapılan deneylerde tespit edildiği üzere, beyindeki aktivasyon modellerinin nicel tahminlerini yapmak için genişletildi . Özellikle, motor korteksteki el ve ağız alanları , sol prefrontal korteks , ön singulat korteks ve bazal dahil olmak üzere çeşitli beyin bölgelerinin BOLD yanıtının şeklini ve zaman sürecini tahmin etmek için ACT-R güçlendirilmiştir. ganglia .

Kısa anahat

ACT-R'nin en önemli varsayımı, insan bilgisinin iki indirgenemez temsil türüne ayrılabileceğidir: bildirimsel ve prosedürel .

ACT-R kodu içinde, bildirimsel bilgi parçalar şeklinde temsil edilir , yani her biri etiketli bir aralıktan erişilebilen ayrı özelliklerin vektör temsilleri.

Parçalar, modüllerin , yani özelleşmiş ve büyük ölçüde bağımsız beyin yapılarının ön ucu olan tamponlar aracılığıyla tutulur ve erişilebilir hale getirilir .

İki tür modül vardır:

  • Gerçek dünya ile arayüz (yani gerçek dünyanın simülasyonu ile) ilgilenen algısal motor modülleri . ACT-R'de en iyi geliştirilmiş algısal motor modülleri görsel ve manuel modüllerdir.
  • Bellek modülleri . ACT-R'de iki tür bellek modülü vardır:
    • Washington, DC'nin Amerika Birleşik Devletleri'nin başkenti olması , Fransa'nın Avrupa'da bir ülke olması veya 2 + 3 = 5 gibi gerçeklerden oluşan bildirici hafıza
    • Prodüksiyonlardan oluşan işlemsel hafıza . Yapımlar, işleri nasıl yaptığımızla ilgili bilgileri temsil eder: örneğin, klavyede "Q" harfinin nasıl yazılacağı, nasıl sürüleceği veya nasıl ekleneceği hakkında bilgi.

Tüm modüllere sadece tamponlarından erişilebilir. Belirli bir andaki tamponların içeriği o andaki ACT-R durumunu temsil eder. Bu kuralın tek istisnası, prosedürel bilgiyi depolayan ve uygulayan prosedür modülüdür. Erişilebilir bir tamponu yoktur ve aslında diğer modülün içeriğine erişmek için kullanılır.

Prosedür bilgisi, üretimler şeklinde temsil edilir . "Üretim" terimi, ACT-R'nin bir üretim sistemi olarak gerçek uygulamasını yansıtır , ancak aslında bir üretim, kortikal alanlardan (yani tamponlardan) bazal gangliyonlara ve geriye doğru bilgi akışını belirtmek için esas olarak resmi bir gösterimdir. kortekse.

Her an, dahili bir kalıp eşleştirici, tamponların mevcut durumuyla eşleşen bir üretim arar. Belirli bir anda böyle bir üretim gerçekleştirilebilir. Bu üretim yürütüldüğünde arabellekleri değiştirebilir ve böylece sistemin durumunu değiştirebilir. Böylece, ACT-R'de, biliş, bir dizi üretim ateşlemesi olarak ortaya çıkar.

Bağlantıcıya karşı sembolik tartışma

Gelen bilişsel bilimler , farklı teoriler genellikle "ya atfedilen sembolik " veya " ilişkisel bilişi" yaklaşımı. ACT-R açıkça "sembolik" alana aittir ve standart ders kitaplarında ve koleksiyonlarda olduğu gibi sınıflandırılmıştır. Varlıkları (parçalar ve üretimler) ayrıktır ve işlemleri sözdizimseldir, yani temsillerin anlamsal içeriğine değil, yalnızca hesaplamalara katılmaya uygun olduklarını düşünen özelliklerine atıfta bulunur. Bu, her ikisi de standart sembolik değişkenler olarak işlev gören, yığın yuvalarında ve üretimlerde arabellek eşleştirmesinin özelliklerinde açıkça görülmektedir.

Geliştiricileri de dahil olmak üzere ACT-R topluluğunun üyeleri, ACT-R'yi beynin nasıl organize edildiğini ve organizasyonunun algılananı (ve bilişsel psikolojide araştırılan) nasıl doğurduğunu belirleyen genel bir çerçeve olarak düşünmeyi tercih eder. zihin olarak, geleneksel sembolik / bağlantısal tartışmanın ötesine geçiyor. Bunların hiçbiri, doğal olarak, ACT-R'nin sembolik sistem olarak sınıflandırılmasına karşı çıkmaz, çünkü bilişe yönelik tüm sembolik yaklaşımlar, zihni, bu amaca ulaşmak için belirli bir varlık ve sistem sınıfını kullanarak, beyin işlevinin bir ürünü olarak tanımlamayı amaçlamaktadır.

Yaygın bir yanlış anlama, ACT-R'nin beyin işlevini karakterize etmeye çalıştığı için sembolik bir sistem olmayabileceğini düşündürmektedir. Bu iki açıdan yanlıştır: Birincisi, sembolik veya başka türlü, bilişin hesaplamalı modellemesine yönelik tüm yaklaşımlar, bir açıdan beyin işlevini karakterize etmelidir, çünkü zihin beyin işlevidir. Ve ikincisi, bağlantısal yaklaşımlar da dahil olmak üzere bu tür yaklaşımların tümü, zihni nöral düzeyde değil, bilişsel bir tanımlama düzeyinde karakterize etmeye çalışır, çünkü bu, yalnızca önemli genellemelerin tutulabildiği bilişsel düzeydedir.

Birbirlerine aktivasyonu yayan parçalar veya seçimleriyle ilgili niceliksel özellikler taşıyan parçalar ve üretimler gibi belirli ACT-R özelliklerinin birleştirici karakteri nedeniyle daha fazla yanlış anlamalar ortaya çıkar. Bu özelliklerin hiçbiri, birim seçimindeki ve nihayetinde hesaplamadaki rollerine bakılmaksızın, bu varlıkların temel doğasına sembolik olarak karşı çıkmaz.

Teoriye karşı uygulama ve Vanilya ACT-R

Teorinin kendisi ve uygulaması arasında ayrım yapmanın önemi genellikle ACT-R geliştiricileri tarafından vurgulanmaktadır.

Aslında, uygulamanın çoğu teoriyi yansıtmamaktadır. Örneğin, gerçek uygulama, yalnızca tamamen hesaplama nedenleriyle var olan ve beyindeki herhangi bir şeyi yansıtmaması gereken ek 'modülleri' kullanır (örneğin, bir hesaplama modülü, gürültülü parametreler üretmek için kullanılan sözde rasgele sayı üretecini içerir, bir diğeri ise değişken isimleriyle erişilebilen veri yapıları oluşturmak için adlandırma rutinlerini tutar).

Ayrıca, gerçek uygulama, araştırmacıların, örneğin standart parametreleri değiştirerek veya yeni modüller oluşturarak veya mevcut olanların davranışını kısmen değiştirerek teoriyi değiştirmelerini sağlamak için tasarlanmıştır.

Son olarak, Anderson'un CMU'daki laboratuvarı resmi ACT-R kodunu korurken ve yayınlarken, teorinin diğer alternatif uygulamaları da kullanıma sunulmuştur. Bu alternatif uygulamalar arasında jACT-R ( Deniz Araştırma Laboratuvarı'nda Anthony M. Harrison tarafından Java ile yazılmıştır ) ve Python ACT-R ( Python'da Terrence C. Stewart ve Robert L. West tarafından Carleton Üniversitesi , Kanada'da yazılmıştır ) bulunmaktadır.

Benzer şekilde, ACT-RN (artık üretilmiyor) teorinin 1993 versiyonunun tam teşekküllü bir nöral uygulamasıydı. Tüm bu sürümler tamamen işlevseldi ve modeller hepsiyle yazılmış ve çalıştırılmıştır.

Bu uygulama serbestlik dereceleri nedeniyle, ACT-R topluluğu teorinin "resmi", Lisp tabanlı versiyonuna, orijinal formunda benimsendiğinde ve değiştirilmeden bırakıldığında "Vanilla ACT-R" olarak atıfta bulunur .

Başvurular

Yıllar boyunca, ACT-R modelleri 700'den fazla farklı bilimsel yayında kullanılmış ve çok daha fazlasında alıntılanmıştır.

Hafıza, dikkat ve yönetici kontrolü

ACT-R bildirimsel bellek sistemi, başlangıcından bu yana insan belleğini modellemek için kullanılmıştır . Yıllar içinde, çok sayıda bilinen etkiyi başarılı bir şekilde modellemek benimsenmiştir. İlişkili bilgiler için girişimin fan etkisini, liste belleği için öncelik ve yenilik efektlerini ve seri geri çağırmayı içerirler .

ACT-R, bir dizi bilişsel paradigmada dikkatli ve kontrol süreçlerini modellemek için kullanılmıştır. Bunlara Stroop görevi , görev değiştirme , psikolojik refrakter dönem ve çoklu görev dahildir.

Doğal lisan

Bazı araştırmacılar, doğal dil anlayışı ve üretiminin çeşitli yönlerini modellemek için ACT-R kullanıyor . Sözdizimsel ayrıştırma, dil anlama, dil edinimi ve metafor anlama modellerini içerir.

Karmaşık görevler

ACT-R, insanların Hanoi Kulesi gibi karmaşık sorunları nasıl çözdüğünü veya insanların cebirsel denklemleri nasıl çözdüğünü yakalamak için kullanılmıştır. Ayrıca sürüş ve uçmada insan davranışını modellemek için de kullanılmıştır.

Algısal motor yeteneklerinin entegrasyonu ile ACT-R, insan faktörlerinde ve insan-bilgisayar etkileşiminde bir modelleme aracı olarak giderek daha popüler hale geldi. Bu alanda, farklı koşullar altında sürüş davranışını modellemek, menü seçimi ve bilgisayar uygulamasında görsel arama ve web navigasyonu benimsenmiştir.

Bilişsel sinirbilim

Daha yakın zamanlarda, ACT-R, görüntüleme deneyleri sırasında beyin aktivasyon modellerini tahmin etmek için kullanılmıştır. Bu alanda, ACT-R modelleri, bellek geri kazanmada prefrontal ve paryetal aktiviteyi, kontrol işlemleri için ön singulat aktivitesini ve beyin aktivitesindeki uygulama ile ilgili değişiklikleri tahmin etmek için başarıyla kullanılmıştır.

Eğitim

ACT-R, genellikle bilişsel öğretmenlerin temeli olarak benimsenmiştir . Bu sistemler, bir öğrencinin davranışını taklit etmek ve talimatlarını ve müfredatını kişiselleştirmek için dahili bir ACT-R modeli kullanır, öğrencilerin sahip olabileceği zorlukları "tahmin etmeye" ve odaklanmış yardım sağlamaya çalışır.

Bu tür "Bilişsel Eğitmenler", Pittsburgh Bilim Öğrenme Merkezi'nin bir parçası olarak öğrenme ve bilişsel modelleme üzerine araştırma için bir platform olarak kullanılmaktadır. Cognitive Tutor for Mathematics gibi en başarılı uygulamalardan bazıları, Amerika Birleşik Devletleri'ndeki binlerce okulda kullanılmaktadır.

Kısa tarih

İlk yıllar: 1973–1990

ACT-R, John R. Anderson tarafından geliştirilen, giderek hassaslaşan bir dizi insan biliş modelinin nihai halefidir .

Kökleri, John R. Anderson ve Gordon Bower tarafından 1973'te açıklanan orijinal HAM (İnsan İlişkilendirmeli Bellek) bellek modeline geri götürülebilir. HAM modeli daha sonra ACT teorisinin ilk versiyonuna genişletildi. Bu, prosedürel belleğin orijinal bildirimsel bellek sistemine ilk eklendiği zamandı ve daha sonra insan beyninde tuttuğu kanıtlanan bir hesaplama ikilemi ortaya çıkardı. Teori daha sonra insan bilişinin ACT * modeline genişletildi.

Rasyonel analizle entegrasyon: 1990–1998

Seksenlerin sonlarında Anderson, Rasyonel analiz adını verdiği biliş için matematiksel bir yaklaşımı keşfetmeye ve ana hatlarını çizmeye adadı . Rasyonel Analizin temel varsayımı, bilişin optimal olarak uyarlanabilir olmasıdır ve bilişsel işlevlerin kesin tahminleri, çevrenin istatistiksel özelliklerini yansıtır. Daha sonra, temel hesaplamalar için birleştirici bir çerçeve olarak Rasyonel Analizi kullanarak ACT teorisinin geliştirilmesine geri döndü. Mimarinin şekillendirilmesinde yeni yaklaşımın önemini vurgulamak için, adı ACT-R olarak değiştirildi ve "R" "Rational" anlamına geliyor.

Anderson , 1993 yılında, çoğunlukla Scott Fahlman ile Cascade Correlation öğrenme algoritmasını geliştirmesiyle ünlü , bağlantısal modellerde araştırmacı olan Christian Lebiere ile bir araya geldi . Ortak çalışmaları ACT-R 4.0'ın piyasaya sürülmesiyle sonuçlandı. Mike Byrne sayesinde (şimdi Rice Üniversitesi'nde ), sürüm 4.0, çoğunlukla teorinin olası uygulamalarını büyük ölçüde genişleten EPIC mimarisinden esinlenen isteğe bağlı algısal ve motor yetenekleri de içeriyordu.

Beyin Görüntüleme ve Modüler Yapı: 1998–2015

ACT-R 4.0'ın piyasaya sürülmesinden sonra John Anderson , yaşam boyu teorisinin altında yatan nöral olasılıkla gittikçe daha fazla ilgilenmeye başladı ve insan zihninin hesaplama temellerini anlama amacını gerçekleştirmek için beyin görüntüleme tekniklerini kullanmaya başladı.

Beyin lokalizasyonunu hesaba katmanın gerekliliği, teorinin büyük bir revizyonunu zorladı. ACT-R 5.0, modüller kavramını, bilinen beyin sistemlerine eşlenebilecek özel prosedür ve bildirimsel temsil kümelerini tanıttı. Ek olarak, prosedürel ve bildirimsel bilgi arasındaki etkileşime, yeni eklenen tamponlar, geçici olarak aktif bilgileri tutmak için özel yapılar aracılık ediyordu (yukarıdaki bölüme bakın). Tamponların kortikal aktiviteyi yansıttığı düşünüldü ve daha sonra yapılan bir dizi çalışma, kortikal bölgelerdeki aktivasyonların tamponlar üzerinden hesaplama işlemleriyle başarılı bir şekilde ilişkilendirilebileceğini doğruladı.

Kodun tamamen yeniden yazılmış yeni bir versiyonu 2005 yılında ACT-R 6.0 olarak sunuldu. Ayrıca ACT-R kodlama dilinde önemli gelişmeler içeriyordu. Bu, ACT-R üretim spesifikasyonunda dinamik desen eşleştirme adı verilen yeni bir mekanizma içeriyordu. Bir üretim tarafından eşleştirilen modelin arabelleklerdeki bilgiler için belirli yuvaları içermesini gerektiren önceki sürümlerin aksine, dinamik model eşleştirme, yuvaların eşleştirilmesine ve ara bellek içerikleri tarafından da belirlenmesine olanak tanır. ACT-R 6.0 için bir açıklama ve motivasyon Anderson (2007) 'de verilmiştir.

ACT-R 7.0: 2015-Günümüz

2015 çalıştayında, yazılım değişikliklerinin ACT-R 7.0'a model numaralandırmasında bir artış gerektirdiği tartışıldı. Önemli bir yazılım değişikliği, parçaların önceden tanımlanmış yığın türlerine göre belirlenmesi gerekliliğinin kaldırılmasıydı. Yığın tipi mekanizma kaldırılmadı, ancak mimarinin gerekli bir yapısı olmaktan çıkıp yazılımda isteğe bağlı bir sözdizimsel mekanizma olarak değiştirildi. Bu, yeni bilgilerin öğrenilmesini gerektiren modelleme görevleri için bilgi temsilinde daha fazla esneklik sağladı ve dinamik model eşleştirme yoluyla sağlanan işlevselliği genişletti ve artık modellerin yeni "türler" yığınlar oluşturmasına izin verdi. Bu aynı zamanda bir üretimdeki eylemleri belirtmek için gereken sözdiziminin basitleştirilmesine de yol açar, çünkü tüm eylemler artık aynı sözdizimsel biçime sahiptir. ACT-R yazılımı da sonradan JSON RPC 1.0'a dayalı bir uzak arabirim içerecek şekilde güncellendi. Bu arayüz, modeller için görevler oluşturmayı ve Lisp dışındaki dillerden ACT-R ile çalışmayı kolaylaştırmak için eklendi ve yazılımla birlikte verilen eğitim, eğitim modelleri tarafından gerçekleştirilen tüm örnek görevler için Python uygulamaları sağlamak üzere güncellendi. .

Ayrılıklar

ACT-R teorisinin uzun gelişimi, belirli sayıda paralel ve ilgili projelerin ortaya çıkmasına neden oldu.

En önemlileri, Anderson'ın teorisinin ilk uygulaması olan ve daha sonra terk edilen PUPS üretim sistemidir; ve Christian Lebiere tarafından geliştirilen teorinin bir sinir ağı uygulaması olan ACT-RN.

Lynne M. Reder ayrıca, Carnegie Mellon Üniversitesi'nde Doksanlı yılların başlarında geliştirilen, SAC , belleğin kavramsal ve algısal yönlerinin maketini yapan ACT-R çekirdek bildirim sistemi ile birçok ortak özellikleri, bazı varsayımlar bakımından farklılık olsa.

Notlar

Referanslar

  • Anderson, JR (2007). İnsan zihni fiziksel evrende nasıl meydana gelebilir? New York, NY: Oxford University Press. ISBN   0-19-532425-0 .
  • Anderson, JR, Bothell, D., Byrne, MD, Douglass, S., Lebiere, C. ve Qin, Y. (2004). Bütünleşik bir zihin teorisi. Psikolojik İnceleme , 1036–1060.

Dış bağlantılar