CLARION (认知架构)
 |
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和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显性历程之分，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。
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。 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
- 水
- 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，也可以用自下而上和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.