【ACT—R模型最大的不足在于缺乏意向性與形式化的有機(jī)結(jié)合,這也是AI的瓶頸之一】
哈耶克在默知識(shí)的基礎(chǔ)上發(fā)展出了一整套體系,他說(shuō):“因?yàn)槟R(shí)不可表達(dá),所以不可記錄,所以不可集中,所以計(jì)劃經(jīng)濟(jì)不可行?!币簿褪钦f(shuō),哈耶克從哲學(xué)上、從認(rèn)識(shí)論上證明了計(jì)劃經(jīng)濟(jì)根本就是不可行的。 實(shí)際上,人的認(rèn)知之所以難以準(zhǔn)確預(yù)測(cè)也與此相關(guān):隱性的知識(shí)和干擾也常常令描述和程序難以成行。這些暗知識(shí)不止是個(gè)體間的小行為中,還有組織、系統(tǒng)、體系間的大行動(dòng)。 簡(jiǎn)單地講,現(xiàn)在許多人因此認(rèn)為:智能并不僅是算法的問(wèn)題,算法是實(shí)現(xiàn)層面的,但理論上都沒(méi)跑通,直接開(kāi)發(fā)只是盲目地碰運(yùn)氣調(diào)參。簡(jiǎn)單地說(shuō),即是沒(méi)有認(rèn)識(shí)論就直接談方法論! 然而,目前的人工智能卻在反其道而行之:沒(méi)有公理,照樣傲嬌+不懂力學(xué),照樣進(jìn)球!
未來(lái)的區(qū)塊鏈、飛機(jī)、電網(wǎng)等將是人機(jī)融合的系統(tǒng),安德森的ACT-R認(rèn)知框架模型正在嘗試這種融合,其優(yōu)點(diǎn)如下所述(這里不在贅述),其缺點(diǎn)仍然沒(méi)有解決波蘭尼的默會(huì)知識(shí)與程序性/描述性知識(shí)銜接問(wèn)題。
1、引言
提起百年老字號(hào)這個(gè)詞大家的第一反應(yīng)或許是同仁堂、全聚德等有歷史底蘊(yùn)、文化傳承的傳統(tǒng)行業(yè),很難使其與互聯(lián)網(wǎng)聯(lián)系在一起,但在智能行業(yè)里面也有百年老字號(hào),它就是藍(lán)色巨人——IBM(International Business Machines Corporation),出生于1911年的IBM沒(méi)有像我們?nèi)祟惸菢影装l(fā)蒼蒼滿臉皺紋,反而越活越年輕,之所以這樣說(shuō)是因?yàn)樗偸钦驹跁r(shí)代的前列,引領(lǐng)一個(gè)時(shí)代的到來(lái),它是智能行業(yè)里經(jīng)驗(yàn)豐富的“老船長(zhǎng)”在復(fù)雜的人工智能海洋里位我們指引前進(jìn)的方向。在由中國(guó)人工智能學(xué)會(huì)發(fā)起主辦、CSDN承辦的2015中國(guó)人工智能大會(huì)(CCAI 2015)上IBM中國(guó)研究院大數(shù)據(jù)及認(rèn)知計(jì)算研究總監(jiān)蘇中發(fā)表了題為《從WATSON到認(rèn)知計(jì)算》的主題報(bào)告,報(bào)告介紹了IBM在認(rèn)知計(jì)算領(lǐng)域所做的工作和取得的成果;2016年1月7日IBM宣布,將轉(zhuǎn)型成“CognitiveSolution &Cloud Platform Company”(認(rèn)知解決方案和云平臺(tái)公司),相信IBM的這次轉(zhuǎn)型也是這位“老船長(zhǎng)”為互聯(lián)網(wǎng)“航?!毙袠I(yè)的又一次迷津指點(diǎn)。
作為人工智能的一個(gè)重要領(lǐng)域——認(rèn)知計(jì)算,已經(jīng)有國(guó)內(nèi)外諸多學(xué)者在這個(gè)領(lǐng)域耕耘努力,今天為大家介紹的是卡耐基梅隆大學(xué)心理學(xué)和計(jì)算機(jī)科學(xué)教授約翰·羅伯特·安德森(John RobertAnderson),安德森教授在2016年1月16獲得了美國(guó)國(guó)家科學(xué)院(National Academy of Sciences)獎(jiǎng)以表彰其在研究我們學(xué)習(xí)規(guī)律上的革命化的成就,安德森的代表性的研究成果是理性思維的自適應(yīng)控制系統(tǒng)ACT-R(AdaptiveControl of Thought—Rational)。下面我們將以安德森的ACT-R認(rèn)知框架為基礎(chǔ)探討認(rèn)知智能。
2、ACT-R
ACT-R模型是一個(gè)人類認(rèn)知理論,由美國(guó)人工智能專家和心理學(xué)家安德森(JohnR.Anderson)等人建立。該理論試圖理解人類如何獲得和組織知識(shí)以及如何產(chǎn)生智力活動(dòng)。其研究進(jìn)展基于神經(jīng)生物學(xué)研究成果并從中得以驗(yàn)證。ACT-R已成功地為許多不同認(rèn)知現(xiàn)象建立起合理的模型,包括感覺(jué)和注意、學(xué)習(xí)和記憶、問(wèn)題解決和制定決策、語(yǔ)言加工、智力動(dòng)因(intelligentagents)、智力教師系統(tǒng)(intelligenttutor systems)和人機(jī)交互等。
2.1 發(fā)展歷程
ACT-R理論起源于人類聯(lián)想記憶模型理論(human associative memory HAM)。起初該理論只涉及陳述性知識(shí)的表征以及這些表征如何影響行為,并沒(méi)有討論程序性知識(shí)。而后,安德森提出了陳述性知識(shí)和程序性知識(shí)的區(qū)別。通過(guò)借鑒紐厄爾(Newell)的思想,他提出程序性知識(shí)由產(chǎn)生式規(guī)則實(shí)現(xiàn)。于是體現(xiàn)程序性和陳述性結(jié)合理論的產(chǎn)生式系統(tǒng)模型ACTE問(wèn)世了。經(jīng)過(guò)7年的發(fā)展,他們建立起了一個(gè)稱為ACT的理論,該理論包含一系列關(guān)于該系統(tǒng)在神經(jīng)學(xué)上如何實(shí)施的假設(shè),以及產(chǎn)生式規(guī)則如何獲得的物理學(xué)上的假設(shè)。這個(gè)認(rèn)知系統(tǒng)持續(xù)了10年時(shí)間,直到安德森提出了一個(gè)新系統(tǒng)ACT-R。該系統(tǒng)反映了過(guò)去十年技術(shù)上的發(fā)展,現(xiàn)在作為一小部分研究團(tuán)體的計(jì)算機(jī)模擬工具。該版本系統(tǒng)的關(guān)鍵想法是,在環(huán)境的統(tǒng)計(jì)學(xué)結(jié)構(gòu)下,系統(tǒng)為了給出適應(yīng)性的表現(xiàn),知識(shí)的獲得和調(diào)用過(guò)程會(huì)隨環(huán)境而發(fā)生改變。
ACT-R已經(jīng)經(jīng)歷了好幾次版本的升級(jí)。1998年,《思維的微小組成》(Theatomic components of thought)一書的出版標(biāo)志著ACT-R4.0的推出。以安德森和Lebiere的觀點(diǎn),ACT-R4.0是ACT-R多個(gè)版本中第一個(gè)真正實(shí)現(xiàn)紐厄爾關(guān)于認(rèn)知統(tǒng)一化理論夢(mèng)想的版本。在ACT-R4.0中,ACT-R為紐厄爾確定的統(tǒng)一認(rèn)知領(lǐng)域(即問(wèn)題解決,決策制定,常規(guī)行動(dòng)、記憶、學(xué)習(xí)和技能)中的前兩個(gè)領(lǐng)域的認(rèn)知現(xiàn)象建立了成功的模型。而在隨后的ACT-R5.0版本中建立起了知覺(jué)——?jiǎng)恿ο到y(tǒng)ACT-R/PM,后又成功地為第三組領(lǐng)域(知覺(jué)和動(dòng)力行為)建立了模型。最近,ACT-R6.0版本也已經(jīng)發(fā)布。
2.2 理論基礎(chǔ)
作為一種認(rèn)知理論,ACT-R主要建立在兩個(gè)假設(shè)之上:一是對(duì)人類認(rèn)知的理性分析;二是陳述性知識(shí)和程序性知識(shí)的區(qū)分。從后面的介紹中我們可以看到,關(guān)于ACT-R理論的論述主要基于理性分析和三個(gè)簡(jiǎn)單的二分法。
2.2.1 理性分析
所謂理性原則(rationalprincipal),就是指認(rèn)知系統(tǒng)在其運(yùn)算限制的前提下,其每個(gè)成分都盡可能使來(lái)自環(huán)境中的要求達(dá)到最佳的滿足。如果我們想知道認(rèn)知結(jié)構(gòu)某個(gè)特定方面如何運(yùn)轉(zhuǎn),我們首先需要考慮這個(gè)方面如何運(yùn)轉(zhuǎn)才能盡可能地在環(huán)境中達(dá)到最優(yōu)化。無(wú)論選擇使用什么策略或選擇提取什么記憶元素,ACT-R會(huì)選擇有著最高期望獲得值的一個(gè),也就是有著最低期望代價(jià)同時(shí)有著最高期望成功概率的一個(gè)。
2.2.2 三個(gè)二分法
ACR-R理論建立的另一基礎(chǔ)是如下三個(gè)簡(jiǎn)單的二分法:
(1)兩類知識(shí):關(guān)于事實(shí)的陳述性知識(shí)(declarativeknowledge)和關(guān)于如何完成各種認(rèn)知活動(dòng)的程序性知識(shí)(procedural knowledge);
(2)兩個(gè)假設(shè):關(guān)于ACT-R如何運(yùn)用已有知識(shí)去解決問(wèn)題的操作假設(shè)(performanceassumptions)和關(guān)于如何獲得新知識(shí)的學(xué)習(xí)假設(shè)(learning assumptions);
(3)兩個(gè)水平:有關(guān)離散知識(shí)結(jié)構(gòu)的符號(hào)水平(symboliclevel)和有關(guān)神經(jīng)系統(tǒng)激活過(guò)程的亞符號(hào)水平(sub-symboliclevel),這一水平?jīng)Q定符號(hào)結(jié)構(gòu)的可用狀態(tài)。
2.2 理論架構(gòu)
ACT-R系統(tǒng)是一個(gè)混合型認(rèn)知體系結(jié)構(gòu),由symbolic系統(tǒng)和sub-symbolic系統(tǒng)兩部分組成。因?yàn)閟ubsymbolic系統(tǒng)構(gòu)成的是模塊內(nèi)部的工作方式,所以無(wú)法顯式地在圖中表達(dá)。從圖 1中可以看到ACT-R的symbolic系統(tǒng)內(nèi)部結(jié)構(gòu),整個(gè)系統(tǒng)由若干不同模塊組成,其中最重要的過(guò)程性模塊通過(guò)緩沖塊將其他所有模塊連接成一個(gè)整體。symbolic系統(tǒng)本身可以看作由一個(gè)產(chǎn)生式系統(tǒng)驅(qū)動(dòng)的模型,通過(guò)過(guò)程性模塊中的產(chǎn)生式規(guī)則來(lái)對(duì)不同模塊的緩沖塊進(jìn)行操作。運(yùn)行在外部結(jié)構(gòu)后臺(tái)的sub-symbolic 系統(tǒng)通過(guò)一系列的數(shù)學(xué)方法對(duì)symbolic系統(tǒng)中模塊內(nèi)部的操作進(jìn)行控制。
3、應(yīng)用與思考
3.1 ACT-R認(rèn)知框架應(yīng)用
圖2ACT-R認(rèn)知框架應(yīng)用示意圖
3.1.1在教育、學(xué)習(xí)方面的應(yīng)用
Anderson及其團(tuán)隊(duì)多年來(lái)致力于有關(guān)學(xué)習(xí)、記憶與大腦神經(jīng)的研究,才在長(zhǎng)時(shí)間的探索中孕育出了ACT-R理論體系。因此,該理論在有關(guān)教育、學(xué)習(xí)的領(lǐng)域得到廣泛的關(guān)注與應(yīng)用。其中,又以學(xué)習(xí)遷移為該理論與應(yīng)用主要的契合點(diǎn)。遷移是一種長(zhǎng)期受到人們關(guān)注的心理現(xiàn)象,它的基本含義是:在先前的學(xué)習(xí)(或訓(xùn)練)中獲得的知識(shí)和技能,對(duì)學(xué)習(xí)新知識(shí)、新技能或解決新問(wèn)題所產(chǎn)生的影響,Singley和Anderson曾指出“學(xué)習(xí)遷移的研究是對(duì)所有的綜合性認(rèn)知學(xué)習(xí)理論的一個(gè)嚴(yán)格的也是必要的檢驗(yàn)”。關(guān)于遷移,安德森等人提出了“共同要素理論”。這一理論實(shí)質(zhì)上是桑代克的相同要素理論在信息加工心理學(xué)中的新版本,它的特點(diǎn)是以產(chǎn)生式規(guī)則取代了相同要素。理解知識(shí)如何在領(lǐng)域間遷移關(guān)鍵取決于認(rèn)知任務(wù)分析(檢查一個(gè)領(lǐng)域中已獲得的知識(shí)結(jié)構(gòu),并評(píng)估對(duì)另一領(lǐng)域的應(yīng)用性)。按照“共同要素理論”,兩種技能之間發(fā)生遷移的條件是,它們之間必須共用相同的程序性知識(shí),并且,兩種技能之間的遷移量,可以通過(guò)計(jì)算它們共用的程序性知識(shí)的數(shù)量來(lái)作出估計(jì):(1)如果兩種技能共用較多的程序性知識(shí),它們之間將產(chǎn)生顯著的遷移;(2)如果兩種技能共用較少的程序知識(shí),即使它們共用相同的陳述性知識(shí),它們之間也將產(chǎn)生很少的遷移或者沒(méi)有遷移。第一個(gè)假設(shè)得到了有力的實(shí)驗(yàn)支持。例如,在使用不同編輯器進(jìn)行文字編輯的技能和用不同計(jì)算機(jī)語(yǔ)言進(jìn)行編程的技能的實(shí)驗(yàn)研究中,都發(fā)現(xiàn)共用程序性知識(shí)的數(shù)量與遷移的有規(guī)律的關(guān)系,即共用產(chǎn)生式的數(shù)量越多,遷移量越大。對(duì)于第二個(gè)假設(shè),在幾何證明和計(jì)算機(jī)編程等領(lǐng)域的研究中,也有一些實(shí)驗(yàn)證據(jù)。例如,在一項(xiàng)研究中,Neves和Anderson發(fā)現(xiàn),被試花了10天時(shí)間進(jìn)行“解釋幾何證明”的訓(xùn)練后,并沒(méi)有對(duì)解決需要相同知識(shí)的幾何證明題產(chǎn)生遷移。在另一項(xiàng)研究中,McKendree和Anderson首先讓被試完成150個(gè)LISP程序的評(píng)價(jià)任務(wù),然后完成16個(gè)LISP程序的編寫任務(wù);接著,又讓這些被試完成450個(gè)LISP程序的評(píng)價(jià)任務(wù),然后再完成16個(gè)LISP程序的編寫任務(wù)。他們發(fā)現(xiàn),被試第二次完成LISP程序的編寫任務(wù)的成績(jī)并沒(méi)有提高。
然而,以上實(shí)驗(yàn)結(jié)果受到一些研究結(jié)果的挑戰(zhàn)。例如Kersney的研究表明,在編寫LISP程序和調(diào)試LISP兩種技能之間,存在著顯著的遷移。Pennington等也在“編寫LISP程序”和“評(píng)價(jià)LISP程序”之間發(fā)現(xiàn)了顯著的遷移。在對(duì)這些實(shí)驗(yàn)結(jié)果進(jìn)行討論時(shí),Pennington認(rèn)為,“編寫LISP程序”和“評(píng)價(jià)LISP程序”之間的遷移不是一種“程序性遷移”(procedural transfer),而是一種“陳述性遷移”(declarative transfer)。也就是說(shuō),在對(duì)其中一種子技能進(jìn)行訓(xùn)練的過(guò)程中,被試對(duì)訓(xùn)練前獲得的陳述性知識(shí)進(jìn)行了精細(xì)加工,從而使得在完成另一種技能的任務(wù)時(shí),能夠更快地將陳述性知識(shí)轉(zhuǎn)化為程序性知識(shí),并減少了錯(cuò)誤。對(duì)于片面強(qiáng)調(diào)程序性知識(shí)的作用的“共同要素理論”來(lái)說(shuō),這一觀點(diǎn)是一個(gè)重要的補(bǔ)充。
我國(guó)有學(xué)者在“共同要素理論”的基礎(chǔ)上提出了遷移的四因素理論,認(rèn)為兩種技能之間的遷移,受程序性知識(shí)之間的關(guān)系、對(duì)陳述性知識(shí)的精細(xì)加工、對(duì)程序性知識(shí)的精細(xì)加工、被試的先前認(rèn)知能力四個(gè)因素的綜合影響。近年來(lái),問(wèn)題解決中的遷移成為認(rèn)知心理學(xué)的關(guān)注熱點(diǎn)。有大量的證據(jù)表明,被試的早期問(wèn)題解決技能深受與相似例子的類比的影響。問(wèn)題解決中的類比策略表現(xiàn)了學(xué)習(xí)遷移在問(wèn)題解決中的作用。顯然,樣例在問(wèn)題解決和遷移中起著重要的作用,因此,樣例學(xué)習(xí)研究的價(jià)值和重要性就不言而喻了.大量的研究都證實(shí)了樣例學(xué)習(xí)的諸多優(yōu)點(diǎn),但也有一些研究表明,樣例學(xué)習(xí)有許多弊端。如何設(shè)計(jì)樣例結(jié)構(gòu)或創(chuàng)設(shè)樣例學(xué)習(xí)系統(tǒng)減少負(fù)面影響,更好地發(fā)揮樣例的作用是值得我們研究的課題。
3.1.2ACT-R駕駛認(rèn)知行為建模應(yīng)用
駕駛認(rèn)知的描述主要有3個(gè)組成部分:駕駛?cè)蝿?wù)中具體化的駕駛認(rèn)知(embodied cognition)、駕駛執(zhí)行的任務(wù)(task)以及完成駕駛?cè)蝿?wù)駕駛員所使用的操作部件(artifact),把它們簡(jiǎn)稱為ETA。
駕駛建模的目標(biāo)是對(duì)ETA 部分嚴(yán)格意義上的描述, 即使模型能夠處理盡可能多的駕駛相關(guān)任務(wù),同時(shí)融入實(shí)時(shí)控制及車輛動(dòng)力學(xué), 通過(guò)實(shí)時(shí)感知與運(yùn)動(dòng)過(guò)程交互的認(rèn)知過(guò)程執(zhí)行駕駛?cè)蝿?wù)。已有的多數(shù)成功的駕駛行為模型證實(shí):嚴(yán)格意義建模無(wú)論對(duì)于駕駛員行為的理解還是模型理論本身在實(shí)際系統(tǒng)開(kāi)發(fā)中的實(shí)踐應(yīng)用都是非常重要的。
基于前面對(duì)ACT-R 體系以及駕駛ETA 的描述, 可以想象ACT-R 認(rèn)知體系上的駕駛行為模型必須是一個(gè)產(chǎn)生規(guī)則的執(zhí)行系統(tǒng), 同時(shí)能夠處理外部輸入并產(chǎn)生輸出,在特定約束下執(zhí)行諸如控制、監(jiān)測(cè)和決策的駕駛?cè)蝿?wù)。
為了突出認(rèn)知行為建模,必須把精力集中在認(rèn)知體系上;重點(diǎn)強(qiáng)調(diào)認(rèn)知體系的駕駛模型的開(kāi)發(fā)。認(rèn)知體系是人類認(rèn)知能力針對(duì)特定計(jì)算行為模型的通用框架。模型把人作為系統(tǒng)所具有的行為能力和受限制具體化。人的行為能力是指記憶、回憶、學(xué)習(xí)、感知以及完成動(dòng)作等能力;人受到的限制如記憶力的減退、視網(wǎng)膜對(duì)周圍信息編碼的錯(cuò)覺(jué)以及運(yùn)動(dòng)能力的限制等。認(rèn)知體系必須保證基于其開(kāi)發(fā)的認(rèn)知模型是嚴(yán)密的并且在心理學(xué)上沒(méi)有歧義, 因此體系應(yīng)完全遵循人作為一個(gè)有機(jī)體時(shí)所滿足的所有限制。選擇ACT-R 認(rèn)知行為體系作為駕駛模型框架, 是因?yàn)樗前芍R(shí)單元組成的說(shuō)明性知識(shí)庫(kù)、作用于知識(shí)單元的條件響應(yīng)產(chǎn)生規(guī)則構(gòu)成的產(chǎn)生系統(tǒng)。
前面提到ETA 是駕駛最重要的組成部分, 事實(shí)上,基于ACT-R 的駕駛認(rèn)知行為的開(kāi)發(fā)特別適合對(duì)ETA 所有3 個(gè)組成部分的表述。ACT-R 具備從基本的實(shí)驗(yàn)室工作到復(fù)雜動(dòng)態(tài)任務(wù)中的高層認(rèn)知和決策、適用范圍較廣的建模能力, 可以完全或幾乎完全模擬人與其所處真實(shí)的環(huán)境交互。因此, 基于ACT-R體系的模型必須遵守與人真實(shí)認(rèn)知同樣的輸入/輸出限制和真實(shí)環(huán)境所具有的動(dòng)態(tài)性。為了做到這點(diǎn), 模型通過(guò)感知過(guò)程和運(yùn)動(dòng)行為來(lái)同時(shí)表達(dá)或描述人認(rèn)知的內(nèi)在工作和感知的外部表現(xiàn)這兩個(gè)方面。顯然, 這些特征使認(rèn)知體系特別適合于對(duì)駕駛員許多重要方面的行為進(jìn)行模擬。
3.2 關(guān)于認(rèn)知智能的思考
認(rèn)知計(jì)算,我們指的是自然語(yǔ)言處理、分析學(xué)、機(jī)器學(xué)習(xí)及其他的混合體。大數(shù)據(jù)分析離不開(kāi)認(rèn)知計(jì)算,所以構(gòu)建認(rèn)知計(jì)算框架對(duì)大數(shù)據(jù)分析很重要。ACT-R作為一種對(duì)人的認(rèn)知理性分析的認(rèn)知計(jì)算框架,建立在前面敘述的一些假設(shè)上面,對(duì)真實(shí)的人的認(rèn)知行為進(jìn)行了簡(jiǎn)化假設(shè)。人的認(rèn)知過(guò)程中還涉及到人的情感因素、創(chuàng)造因素,現(xiàn)在人工智能領(lǐng)域研究的認(rèn)知計(jì)算均未涉及到人的情感和創(chuàng)造兩個(gè)因素,就連人工智能航?!按L(zhǎng)”——IBM雖然宣稱轉(zhuǎn)型做認(rèn)知解決方案,但是其認(rèn)知解決方案代言人Watson也沒(méi)有涉及到這兩個(gè)因素,我們認(rèn)為這或許可以作為認(rèn)知計(jì)算的一個(gè)切入點(diǎn)突破點(diǎn)。
-
IBM
+關(guān)注
關(guān)注
3文章
1760瀏覽量
74764 -
神經(jīng)系統(tǒng)
+關(guān)注
關(guān)注
0文章
84瀏覽量
13001 -
大數(shù)據(jù)
+關(guān)注
關(guān)注
64文章
8900瀏覽量
137585
原文標(biāo)題:從ACT-R探討認(rèn)知智能
文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論