CLARION (認知架構)
 |
CLARION是一種計算認知架構，為適應性規則在線歸納的聯結主義學習(Connectionist Learning with Adaptive Rule Induction On-line)的縮寫。CLARION已被用來模擬多個認知心理學和社會心理學中的領域和任務，並且在人工智能應用方面實現智能系統。 一個CLARION的重要特點是有着隱性歷程和顯性歷程之分，並着重於捕獲這兩種類型的歷程之間的交互作用。該系統由Ron Sun領導的研究小組創建。
綜述
[編輯]CLARION是由多個不同的子系統所構成的綜合架構，所有子系統都有雙重表徵結構（隱性表徵與顯性表徵) (Sun et al., 2005）。 該架構的子系統包含「動作中心子系統」、「非動作中心子系統」、「動機子系統」和「元認知子系統」。
動作中心子系統
[編輯]以動作為中心的子系統的作用是控制外在和內在動作。 隱性層由稱為動作神經網絡的神經網絡所組成，而顯性層由動作規則組成。 這兩層之間可能會有協同作用，例如，當代理必須為手邊的程序制定明確的規則時，就可以加速學習一項技能，這就有人主張單靠隱性層無法像顯性層和隱性層結合那樣，實現最佳化。
非動作中心子系統
[編輯]非動作中心子系統的作用是為了維護一般性知識。 隱性層是由聯想神經網絡組成，而底層是關聯規則。 知識又分為語義性和情節性，其中語義性是概括性知識，而情節性是適用於更特定情況的知識。 另外需要注意的是，由於存在隱性層，所以並非所有陳述性知識都必須是顯性知識。
動機子系統
[編輯]動機子系統的作用是為知覺、動作和認知提供潛在的動機。 CLARION中的動機系統由底層驅動器所組成，每個驅動器的強弱不一。 有低級驅動器，也有旨在保持代理的持續性、目的性、專注性和適應性高級驅動器。 動機系統的顯性層是由目標組成。使用顯性目標是因為顯性目標比隱性的激勵狀態來得穩定。 CLARION框架認為，人的激勵歷程是非常複雜的，不能僅僅透過顯性表徵來表示。
一些低級驅動器的例子包括：
- 食物
- 水
- 繁殖
- 避免令人不快的刺激（不是與其他低級驅動器互斥，而是為了更具體的刺激而分開）
一些高級驅動器的例子包括：
- 隸屬關係與歸屬感
- 認可與成就
- 主導與權力
- 公正性
派生驅動器(通常來自嘗試滿足主驅動器)也有可能透過條件作用或透過外部指令創建。每個所需的驅動器將有個相稱的強度，機會也會被考慮在內。
元認知子系統
[編輯]元認知子系統的作用是監視、指導和修改所有其他子系統的操作。元認知子系統中的動作包括：設定動作中心子系統的目標，設定動作子系統和非動作子系統的參數，改變動作子系統和非動作子系統所正在進行的歷程。
學習
[編輯]學習可以分別以顯性知識和隱性知識來表徵，也可以用自下而上和自上而下的學習來表徵。隱性知識的學習透過「Q-learning」來表徵，而顯性知識的學習則透過假設檢驗等「一次性學習」來表徵。自下而上的學習 (Sun et al.， 2001）是透過規則提取-細化演算法 (Rule-Extraction-Refinement algorithm ，RER）由神經網絡向上傳播到顯性層來表徵，而自上而下的學習則可以透過多種方式表徵。
與其他認知架構的比較
[編輯]- ACT-R區分了程序性記憶和陳述性記憶，這有點類似於CLARION在動作中心子系統和非動作中心子系統之間的區別。 然而，ACT-R在隱性歷程和顯性歷程之間沒有明確的區別（基於歷程或基於表徵），而這在CLARION理論中是個基本假設。
- Soar在隱性認知與顯性認知之間、或是在程序性記憶和陳述性記憶之間，對於「基於表徵或基於歷程」並沒有清楚的區別。Soar是基於問題空間、狀態和運算元的思想。當目標堆疊上有一個突出的目標時，不同的產出會提出用於實現目標的各種運算元和優選運算元。
- EPIC採用了類似於ACT-R的產出系統。然而，EPIC不包含在CLARION中必不可少的「歷程顯隱性的二分法」
理論應用
[編輯]目前已將CLARION用於解釋各種心理資料（Sun，2002，2016），如序列反應時間任務、人造語法學習任務、歷程控制任務、分類推理任務、字母算術任務和河內塔任務。 序列反應時間和歷程控制任務是典型的隱性學習任務（主要涉及隱式反應的例行程序），而「河內塔」和字母算術則是高級認知技能習得任務（大量存在顯性歷程）。 另外，錯綜復雜的布雷區的導航任務會涉及到複雜、有次序的決策，而在此任務上已經進行了大量的工作。 關於組織決策任務、其他社會模擬任務（例如Naveh和Sun，2006）還有元認知任務的工作也已經開始進行。
認知架構的其他應用包括創造力模擬（Helie和Sun，2010）和意識（或人工意識）的計算基礎處理（Coward和Sun，2004）。
參考文獻
[編輯]Coward, L.A. & Sun, R. (2004). Criteria for an effective theory of consciousness and some preliminary attempts. Consciousness and Cognition, 13, 268-301.
Helie, H. and Sun, R. (2010). Incubation, insight, and creative problem solving: A unified theory and a connectionist model. Psychological Review, 117, 994-1024.
Naveh, I. & Sun, R. (2006). A cognitively based simulation of academic science. Computational and Mathematical Organization Theory, 12, 313-337.
Sun, R. (2002). Duality of the Mind: A Bottom-up Approach Toward Cognition. Mahwah, NJ: Lawrence Erlbaum Associates.
Sun, R. (2016). Anatomy of the Mind: Exploring Psychological Mechanisms and Processes with the Clarion Cognitive Architecture. Oxford University Press, New York.
Sun, R. (2003). A Tutorial on CLARION 5.0. Technical Report, Cognitive Science Department, Rensselaer Polytechnic Institute.
Sun, R., Merrill, E., & Peterson, T. (2001). From implicit skills to explicit knowledge: A bottom-up model of skill learning. Cognitive Science, 25, 203-244. https://web.archive.org/web/20191218033659/http://www.cogsci.rpi.edu/~rsun/
Sun, R., Slusarz, P., & Terry, C. (2005). The interaction of the explicit and the implicit in skill learning: A dual-process approach. Psychological Review, 112, 159-192. https://web.archive.org/web/20191218033659/http://www.cogsci.rpi.edu/~rsun/
Sun, R. & Zhang, X. (2006). Accounting for a variety of reasoning data within a cognitive architecture. Journal of Experimental and Theoretical Artificial Intelligence, 18, 169-191.