跳转到内容

CLARION (认知架构)

维基百科,自由的百科全书

CLARION是一种计算认知架构,为适应性规则在线归纳的联结主义学习(Connectionist Learning with Adaptive Rule Induction On-line)的缩写。CLARION已被用来模拟多个认知心理学社会心理学中的领域和任务,并且在人工智能应用方面实现智能系统。 一个CLARION的重要特点是有着隐性历程和历程之分,并着重于捕获这两种类型的历程之间的交互作用。该系统由Ron Sun领导的研究小组创建。

CLARION框架

综述

[编辑]

CLARION是由多个不同的子系统所构成的综合架构,所有子系统都有双重表征结构(隐性表征与显性表征) (Sun et al., 2005)。 该架构的子系统包含“动作中心子系统”、“非动作中心子系统”、“动机子系统”和“元认知子系统”。

动作中心子系统

[编辑]

以动作为中心的子系统的作用是控制外在和内在动作英语Action (philosophy)。 隐性层由称为动作神经网络的神经网络所组成,而显性层由动作规则组成。 这两层之间可能会有协同作用,例如,当代理必须为手边的程序制定明确的规则时,就可以加速学习一项技能,这就有人主张单靠隐性层无法像显性层和隐性层结合那样,实现最佳化。

非动作中心子系统

[编辑]

非动作中心子系统的作用是为了维护一般性知识。 隐性层是由联想神经网络组成,而底层是关联规则。 知识又分为语义性和情节性,其中语义性是概括性知识,而情节性是适用于更特定情况的知识。 另外需要注意的是,由于存在隐性层,所以并非所有陈述性知识都必须是显性知识。

动机子系统

[编辑]

动机子系统的作用是为知觉、动作和认知提供潜在的动机。 CLARION中的动机系统由底层驱动器所组成,每个驱动器的强弱不一。 有低级驱动器,也有旨在保持代理的持续性、目的性、专注性和适应性高级驱动器。 动机系统的显性层是由目标组成。使用显性目标是因为显性目标比隐性的激励状态来得稳定。 CLARION框架认为,人的激励历程是非常复杂的,不能仅仅透过显性表征来表示。

一些低级驱动器的例子包括:

  • 食物
  • 繁殖
  • 避免令人不快的刺激(不是与其他低级驱动器互斥,而是为了更具体的刺激而分开)

一些高级驱动器的例子包括:

  • 隶属关系与归属感
  • 认可与成就
  • 主导与权力
  • 公正性

派生驱动器(通常来自尝试满足主驱动器)也有可能透过条件作用或透过外部指令创建。每个所需的驱动器将有个相称的强度,机会也会被考虑在内。

元认知子系统

[编辑]

元认知子系统的作用是监视、指导和修改所有其他子系统的操作。元认知子系统中的动作包括:设定动作中心子系统的目标,设定动作子系统和非动作子系统的参数,改变动作子系统和非动作子系统所正在进行的历程。

学习

[编辑]

学习可以分别以显性知识和隐性知识来表征,也可以用自下而上自上而下的学习来表征。隐性知识的学习透过“Q-learning”来表征,而显性知识的学习则透过假设检验等“一次性学习”来表征。自下而上的学习 (Sun et al., 2001)是透过规则提取-细化算法 (Rule-Extraction-Refinement algorithm ,RER)由神经网络向上传播到显性层来表征,而自上而下的学习则可以透过多种方式表征。

与其他认知架构的比较

[编辑]
  • ACT-R区分了程序性记忆和陈述性记忆,这有点类似于CLARION在动作中心子系统和非动作中心子系统之间的区别。 然而,ACT-R在隐性历程和显性历程之间没有明确的区别(基于历程或基于表征),而这在CLARION理论中是个基本假设。
  • Soar在隐性认知与显性认知之间、或是在程序性记忆和陈述性记忆之间,对于“基于表征或基于历程”并没有清楚的区别。Soar是基于问题空间、状态和算子的思想。当目标堆叠上有一个突出的目标时,不同的产出会提出用于实现目标的各种算子和优选算子。
  • EPIC采用了类似于ACT-R的产出系统。然而,EPIC不包含在CLARION中必不可少的“历程显隐性的二分法”

理论应用

[编辑]

目前已将CLARION用于解释各种心理资料(Sun,2002,2016),如序列反应时间任务、人造语法学习任务、历程控制任务、分类推理任务、字母算术任务和河内塔任务。 序列反应时间和历程控制任务是典型的隐性学习任务(主要涉及隐式反应的例行程序),而“河内塔”和字母算术则是高级认知技能习得任务(大量存在显性历程)。 另外,错综复杂的布雷区的导航任务会涉及到复杂、有次序的决策,而在此任务上已经进行了大量的工作。 关于组织决策任务、其他社会模拟任务(例如Naveh和Sun,2006)还有元认知任务的工作也已经开始进行。

认知架构的其他应用包括创造力模拟(Helie和Sun,2010)和意识(或人工意识)的计算基础处理(Coward和Sun,2004)。

参考文献

[编辑]

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.

外部链接

[编辑]