认知架构

认知架构指的是一种人类心灵结构的理论,也可以指这种心灵结构理论在人工智能(AI)及计算认知科学领域中的计算实现。[1][2]认知架构的一项主要目标是在全面的计算机模型中,总结认知心理学的各种结果。[来源请求]但是这些结果必须形式化,能够作为计算机程序的基础。[来源请求]这种形式化模型可进一步完善认知理论,并且可更直接地作为商用模型。[来源请求]成功的认知架构包括ACT-R (思想适应性控制-理性)及Soar[来源请求]

创意技术研究所将认知架构定义为:“ 一个产生思维的固定结构假设(无论是在自然系统还是人工系统中),该假设也说明了这些固定结构是如何与架构中所包含的知识和技能协同工作,从而在复杂环境的多样性中,产生智能行为。”[3]

历史

人工智能领域的创始人之一赫伯特·西蒙表示,他的学生爱德华·费根鲍姆于1960年发表的论文EPAM提出了一种可能的“认知架构” [4],因为该论文涵盖了人类思维的多个基本环节如何运作的贡献。(以EPAM为例,包含了人类的记忆学习)。

安德森于1970年代初期开始研究人类记忆,他与戈登·鲍尔在1973年发表的论文为人类联想记忆英语Associative_memory_(psychology)提供了理论依据。[5] 安德森将更多他对长期记忆和思维过程的研究观点,纳入了这项研究,并最终设计了一个称为ACT的认知架构。安德森和他的学生受到艾伦·纽厄尔使用“认知架构”一词的影响,安德森的实验室使用该术语来指代一系列论文和设计所体现的ACT理论(当时还没实现ACT)。

1983年,安德森出版了该领域的开创性著作《认知架构》[6],内容可以分为认知理论和理论实践。认知理论概述了大脑各个部分的结构,也描述了使用规则、联想网络及其他方面。认知架构在电脑上实现了该理论,而用于实现认知架构的软件也是“认知架构”。因此,认知架构也可以表示智能代理的蓝图,它提出了(人工的)计算过程,而这些过程如同某些认知系统,最常见的就是像人一样,或是说在某种定义下表现得较聪明 。认知架构是通用架构代理的一个子集。术语“架构”表示一种方法,该方法不只尝试对行为建模,而且还对建模系统的结构特性进行建模。

区别

认知架构可以是符号的联结主义混合的[7][8][9]某些认知架构或模型是基于一组通用规则,举例来说,可使用信息处理语言(例如,基于统一认知理论Soar,或类似的ACT-R )。在这些架构中,有许多架构是基于“思维就像计算机”的模拟。相反地,子符号处理(联结主义)不事先指定任何此类规则,而是依赖于处理单元(例如节点)的浮现特性。混合架构则结合了两种类型的处理(例如CLARIONLIDA)。进一步的区别是认知架构是集中式还是分布式,也就是有没有将处理器的神经关联置于其核心。分布式的特点在1980年代中期以分布式平行处理(Parallel distributed processing,PDP)和联结主义的名义流行起来 ,神经网络就是一个很好的例子。此外,另一个设计问题是要如何在整体论原子论或更具体的模块化结构之间做出取舍,同样地,这会扩展到知识表征问题。

在传统人工智能中,通常以自上而下的方式撰写智能的程序:“尽管许多传统的AI系统也是为了学习而设计的(比如提高他们玩游戏或解决问题的能力),但程序员是创造者,他们会创造一些东西,并赋予其智能。”另一方面,仿生计算英语Bio-inspired_computing有时会采用自下而上设计、分散(去中心化)的方法。仿生技术通常会指定一组简单的通用规则或一组简单节点的方法,从这些节点的交互效应中浮现出整体行为。我们会希望增加复杂性,直到最终结果的复杂度足够显着为止(请参阅复杂系统)。不过,自上而下设计的系统也可以说是以不同的方式受到生物学启发,虽然这样的系统是基于对人类和其他动物行为的观察,而非基于对大脑机制的观察。

著名示例

姆索诺维奇(Samsonovich)等人在2010年对已实作的认知架构进行全面回顾。[10],并可作为在线存储库使用。[11]以下是一些著名的认知架构,按字母排序:

参见

参考文献

  1. ^ Lieto, Antonio. Cognitive Design for Artificial Minds. London, UK: Routledge, Taylor & Francis. 2021. ISBN 9781138207929. 
  2. ^ Lieto, Antonio; Bhatt, Mehul; Oltramari, Alessandro; Vernon, David. The role of cognitive architectures in general artificial intelligence (PDF). Cognitive Systems Research. May 2018, 48: 1–3. doi:10.1016/j.cogsys.2017.08.003. 
  3. ^ Refer to the ICT website: http://cogarch.ict.usc.edu/页面存档备份,存于互联网档案馆
  4. ^ 存档副本. [2019-10-05]. (原始内容存档于2015-04-02). 
  5. ^ "This Week's Citation Classic: Anderson J R & Bower G H. Human associative memory. Washington页面存档备份,存于互联网档案馆)," in: CC. Nr. 52 Dec 24-31, 1979.
  6. ^ John R. Anderson. The Architecture of Cognition页面存档备份,存于互联网档案馆), 1983/2013.
  7. ^ Vernon, David; Metta, Giorgio; Sandini, Giulio. A Survey of Artificial Cognitive Systems: Implications for the Autonomous Development of Mental Capabilities in Computational Agents. IEEE Transactions on Evolutionary Computation. April 2007, 11 (2): 151–180. doi:10.1109/TEVC.2006.890274. 
  8. ^ Lieto, Antonio; Chella, Antonio; Frixione, Marcello. Conceptual Spaces for Cognitive Architectures: A lingua franca for different levels of representation. Biologically Inspired Cognitive Architectures. January 2017, 19: 1–9. Bibcode:2017arXiv170100464L. arXiv:1701.00464 . doi:10.1016/j.bica.2016.10.005. 
  9. ^ Lieto, Antonio; Lebiere, Christian; Oltramari, Alessandro. The knowledge level in cognitive architectures: Current limitations and possible developments (PDF). Cognitive Systems Research. May 2018, 48: 39–55. doi:10.1016/j.cogsys.2017.05.001. 
  10. ^ Samsonovich, Alexei V. "Toward a Unified Catalog of Implemented Cognitive Architectures." BICA 221 (2010): 195-244.
  11. ^ Comparative Repository of Cognitive Architectures. [2019-10-05]. (原始内容存档于2011-07-24). 

外部链接