跳转到内容

LIDA (认知架构)

维基百科,自由的百科全书

LIDA学习型智能分配代理认知架构是一个整合的人工认知系统 ,试图对生物系统中“广效的认知”进行建模,范围涵盖低等的知觉动作到高等的推理。 LIDA架构以认知科学认知神经科学为经验基础,主要开发者为孟菲斯大学的斯坦·富兰克林(Stan Franklin)与其同事。除了提供假设来指导进一步的研究之外,该架构也支援软件代理与机器人的控制结构。 LIDA概念模型为许多认知过程提供了合理的解释,同时也是思考心智如何运作的工具。

LIDA架构及其对应的概念模型有两个假设:

  1. 人类的许多认知功能借着“认知循环”,即在意识内容、各种记忆系统和动作选择之间频繁迭代(~ 10hz)的交互作用所实现。
  2. 这些认知循环就像认知的“原子”,构成了更高等的认知历程。

综述

[编辑]

LIDA既不是符号方法,也不是严格的联结主义,而是一种混合架构,采用了多种计算机制,而这些计算机制是根据其心理合理性而选择的。LIDA认知循环是由采用这些机制的模块和历程所组成。

计算机制

[编辑]

LIDA架构采用了数个从“ New AI”中提取计算机制并进行设计的模块,这些模块包括各种Copycat架构[1][2] 稀疏分布式记忆[3][4]基模机制、[5][6] 行为网络, [7][8]包容式架构[9]

心理学和神经生物学基础

[编辑]

作为一种综合性的概念计算认知架构,LIDA架构打算为人类大部分的认知功能建模。 [10][11]LIDA架构由各式各样的认知模组和历程所组成,试图实现和具体化一些心理学和神经心理学理论,包括全局工作空间理论[12] 情境认知[13]知觉符号系统、[14] 工作记忆[15]能供性的记忆、[16][17]长期工作记忆[16]和H-CogAff架构。 [18]

LIDA的认知循环

[编辑]

LIDA认知循环可分为三个阶段:“理解阶段”、“注意(意识)阶段”以及“动作选择和学习阶段”。首先是从“理解阶段”开始,输入的刺激会激活感觉记忆中的低级特征检测器,输出则涉及到知觉联想记忆,使得更加抽象的实体被输入到其高级特征检测器,如目标、类别、动作、事件等。由此产生的知觉会被移至工作空间,并在那里插入暂态的情节记忆和陈述性记忆以产生局部关联,而这些局部关联会与知觉相结合,生成当前的情境模型,这也就是代理对当前所发生事情的理解。“注意阶段”始于当前情境模型中最显着部分之结合,这样的结合会去竞争一个当前意识内容中的“注意力”。接着,这些有意识的内容会被全域广播,并进入“学习和动作选择阶段”。当有意识的广播到达各种形式的记忆(知觉、情节和程序)时,新实体、新关联以及对旧实体、关联的强化就会出现。在进行这些学习以及使用意识内容的同时,合适的动作基模会从程序记忆中被实例化,并发送到动作选择中,并在那里竞相追求成为这个认知循环所选择的行为。而所选定的行为会触发感觉-运动记忆,以产生适合其执行的算法,从而完成认知循环。

历史

[编辑]

Virtual Mattie(V-Mattie)是一个软件代理[19] ,可以从从研讨会组织者那里收集资讯,并撰写下周研讨会的公告,每周还会定期将其邮寄到持续更新的列表中,而无需人工监督。 [20] V-Mattie使用了多项前述的计算机制。

巴尔斯(Baars)的全局工作空间理论 (GWT)启发了V-Mattie,使其演变成Conscious Mattie。Conscious Mattie有着一样的领域和任务,在架构上纳入了GWT的意识机制。 Conscious Mattie是第一个在功能上(尽管不是很明显)具有意识的软件代理。Conscious Mattie后来催生了IDA。

IDA(智能分配代理)由美国海军 [21][22][23]所开发,用于完成被称为“人事调配军官”的人力资源任务。在每个水手的任务结束时,将会被分配到一个新的营舍。此分配过程称为分发。海军雇佣了近300名全职的人事调配军官来执行这些新任务。 IDA的任务是透过对人事调配军官的角色的自动化来促进此过程。 IDA经过前人事调配军官的测试,并被海军接受。各种海军机构为IDA项目提供了大约150万美元的资助。

LIDA(学习型IDA)架构最初是透过添加几种学习风格和模式[24][25][10]从IDA衍生而来的,但此后已发展成为一个更大、更通用的软件框架。 [26][27]

脚注

[编辑]
  1. ^ Hofstadter, D. (1995). Fluid Concepts and Creative Analogies: Computer Models of the Fundamental Mechanisms of Thought. New York: Basic Books.
  2. ^ Marshall, J. (2002). Metacat: A self-watching cognitive architecture for analogy-making页面存档备份,存于互联网档案馆). In W. D. Gray & C. D. Schunn (eds.), Proceedings of the 24th Annual Conference of the Cognitive Science Society, pp. 631-636. Mahwah, NJ: Lawrence Erlbaum Associates
  3. ^ Kanerva, P. (1988). Sparse Distributed Memory页面存档备份,存于互联网档案馆). Cambridge MA: The MIT Press
  4. ^ Rao, R. P. N., & Fuentes, O. (1998). Hierarchical Learning of Navigational Behaviors in an Autonomous Robot using a Predictive Sparse Distributed Memory页面存档备份,存于互联网档案馆). Machine Learning, 31, 87-113
  5. ^ Drescher, G.L. (1991). Made-up minds: A Constructivist Approach to Artificial Intelligence
  6. ^ Chaput, H. H., Kuipers, B., & Miikkulainen, R. (2003). Constructivist Learning: A Neural Implementation of the Schema Mechanism页面存档备份,存于互联网档案馆). Paper presented at the Proceedings of WSOM '03: Workshop for Self-Organizing Maps, Kitakyushu, Japan
  7. ^ Maes, P. 1989. How to do the right thing. Connection Science 1:291-323
  8. ^ Tyrrell, T. (1994). An Evaluation of Maes's Bottom-Up Mechanism for Behavior Selection页面存档备份,存于互联网档案馆). Adaptive Behavior, 2, 307-348
  9. ^ Brooks, R.A. Intelligence without Representation. Artificial intelligence, 1991. Elsevier
  10. ^ 10.0 10.1 Franklin, S., & Patterson, F. G. J. (2006). The LIDA Architecture: Adding New Modes of Learning to an Intelligent, Autonomous, Software Agent页面存档备份,存于互联网档案馆) IDPT-2006 Proceedings (Integrated Design and Process Technology): Society for Design and Process Science
  11. ^ Franklin, S., Ramamurthy, U., D'Mello, S., McCauley, L., Negatu, A., Silva R., & Datla, V. (2007). LIDA: A computational model of global workspace theory and developmental learning页面存档备份,存于互联网档案馆). In AAAI Fall Symposium on AI and Consciousness: Theoretical Foundations and Current Approaches. Arlington, VA: AAAI
  12. ^ Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge: Cambridge University Press
  13. ^ Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind. Cambridge, Massachusetts: MIT Press
  14. ^ Barsalou, L. W. 1999. Perceptual symbol systems. Behavioral and Brain Sciences 22:577–609. MA: The MIT Press
  15. ^ Baddeley, A. D., & Hitch, G. J. (1974). Working memory. In G. A. Bower (Ed.), The Psychology of Learning and Motivation (pp. 47–89). New York: Academic Press
  16. ^ 16.0 16.1 Ericsson, K. A., and W. Kintsch. 1995. Long-term working memory. Psychological Review 102:21–245
  17. ^ Glenberg, A. M. 1997. What memory is for. Behavioral and Brain Sciences 20:1–19
  18. ^ Sloman, A. 1999. What Sort of Architecture is Required for a Human-like Agent?页面存档备份,存于互联网档案馆) In Foundations of Rational Agency, ed. M. Wooldridge, and A. Rao. Dordrecht, Netherlands: Kluwer Academic Publishers
  19. ^ Franklin, S., & Graesser, A., 1997. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents页面存档备份,存于互联网档案馆). Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, published as Intelligent Agents III, Springer-Verlag, 1997, 21-35
  20. ^ Franklin, S., Graesser, A., Olde, B., Song, H., & Negatu, A. (1996, Nov). Virtual Mattie—an Intelligent Clerical Agent. Paper presented at the Symposium on Embodied Cognition and Action: AAAI, Cambridge, Massachusetts.
  21. ^ Franklin, S., Kelemen, A., & McCauley, L. (1998). IDA: A Cognitive Agent Architecture IEEE Conf on Systems, Man and Cybernetics (pp. 2646–2651 ): IEEE Press
  22. ^ Franklin, S. (2003). IDA: A Conscious Artifact?页面存档备份,存于互联网档案馆) Journal of Consciousness Studies, 10, 47–66
  23. ^ Franklin, S., & McCauley, L. (2003). Interacting with IDA. In H. Hexmoor, C. Castelfranchi & R. Falcone (Eds.), Agent Autonomy (pp. 159–186 ). Dordrecht: Kluwer
  24. ^ D'Mello, Sidney K., Ramamurthy, U., Negatu, A., & Franklin, S. (2006). A Procedural Learning Mechanism for Novel Skill Acquisition页面存档备份,存于互联网档案馆). In T. Kovacs & James A. R. Marshall (Eds.), Proceeding of Adaptation in Artificial and Biological Systems, AISB'06 (Vol. 1, pp. 184–185). Bristol, England: Society for the Study of Artificial Intelligence and the Simulation of Behaviour
  25. ^ Franklin, S. (2005, March 21–23, 2005). Perceptual Memory and Learning: Recognizing, Categorizing, and Relating页面存档备份,存于互联网档案馆). Paper presented at the Symposium on Developmental Robotics: American Association for Artificial Intelligence (AAAI), Stanford University, Palo Alto CA, USA
  26. ^ Franklin, S., & McCauley, L. (2004). Feelings and Emotions as Motivators and Learning Facilitators页面存档备份,存于互联网档案馆) Architectures for Modeling Emotion: Cross-Disciplinary Foundations, AAAI 2004 Spring Symposium Series (Vol. Technical Report SS-04-02 pp. 48–51). Stanford University, Palo Alto, California, USA: American Association for Artificial Intelligence
  27. ^ Negatu, A., D'Mello, Sidney K., & Franklin, S. (2007). Cognitively Inspired Anticipation and Anticipatory Learning Mechanisms for Autonomous Agents页面存档备份,存于互联网档案馆). In M. V. Butz, O. Sigaud, G. Pezzulo & G. O. Baldassarre (Eds.), Proceedings of the Third Workshop on Anticipatory Behavior in Adaptive Learning Systems (ABiALS 2006) (pp. 108-127). Rome, Italy: Springer Verlag

外部链接

[编辑]