跳至內容

CLARION (認知架構)

維基百科,自由的百科全書

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。

CLARION框架

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英語Action (philosophy)。 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
  • 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.

外部連結

[編輯]