跳至內容

LIDA (認知架構)

維基百科,自由的百科全書

LIDA學習型智能分配代理認知架構是一個整合的人工認知系統 ,試圖對生物系統中「廣效的認知」進行建模,範圍涵蓋低等的知覺動作到高等的推理。 LIDA架構以認知科學認知神經科學為經驗基礎,主要開發者為孟菲斯大學的斯坦·富蘭克林(Stan Franklin)與其同事。除了提供假設來指導進一步的研究之外,該架構也支援軟體代理與機器人的控制結構。 LIDA概念模型為許多認知過程提供了合理的解釋,同時也是思考心智如何運作的工具。

LIDA架構及其對應的概念模型有兩個假設:

  1. 人類的許多認知功能藉著「認知循環」,即在意識內容、各種記憶系統和動作選擇之間頻繁迭代(~ 10hz)的交互作用所實現。
  2. 這些認知循環就像認知的「原子」,構成了更高等的認知歷程。

綜述

[編輯]

LIDA既不是符號方法,也不是嚴格的聯結主義,而是一種混合架構,採用了多種計算機制,而這些計算機制是根據其心理合理性而選擇的。LIDA認知循環是由採用這些機制的模塊和歷程所組成。

計算機制

[編輯]

LIDA架構採用了數個從「 New AI」中提取計算機制並進行設計的模塊,這些模塊包括各種Copycat架構[1][2] 稀疏分布式記憶[3][4]基模機制、[5][6] 行為網路, [7][8]包容式架構[9]

心理學和神經生物學基礎

[編輯]

作為一種綜合性的概念計算認知架構,LIDA架構打算為人類大部分的認知功能建模。 [10][11]LIDA架構由各式各樣的認知模組和歷程所組成,試圖實現和具體化一些心理學和神經心理學理論,包括全局工作空間理論[12] 情境認知[13]知覺符號系統、[14] 工作記憶[15]能供性的記憶、[16][17]長期工作記憶[16]和H-CogAff架構。 [18]

LIDA的認知循環

[編輯]

LIDA認知循環可分為三個階段:「理解階段」、「注意(意識)階段」以及「動作選擇和學習階段」。首先是從「理解階段」開始,輸入的刺激會激活感覺記憶中的低級特徵檢測器,輸出則涉及到知覺聯想記憶,使得更加抽象的實體被輸入到其高級特徵檢測器,如目標、類別、動作、事件等。由此產生的知覺會被移至工作空間,並在那裡插入暫態的情節記憶和陳述性記憶以產生局部關聯,而這些局部關聯會與知覺相結合,生成當前的情境模型,這也就是代理對當前所發生事情的理解。「注意階段」始於當前情境模型中最顯著部分之結合,這樣的結合會去競爭一個當前意識內容中的「注意力」。接著,這些有意識的內容會被全域廣播,並進入「學習和動作選擇階段」。當有意識的廣播到達各種形式的記憶(知覺、情節和程序)時,新實體、新關聯以及對舊實體、關聯的強化就會出現。在進行這些學習以及使用意識內容的同時,合適的動作基模會從程序記憶中被實例化,並發送到動作選擇中,並在那裡競相追求成為這個認知循環所選擇的行為。而所選定的行為會觸發感覺-運動記憶,以產生適合其執行的演算法,從而完成認知循環。

歷史

[編輯]

Virtual Mattie(V-Mattie)是一個軟體代理[19] ,可以從從研討會組織者那裡收集資訊,並撰寫下週研討會的公告,每週還會定期將其郵寄到持續更新的列表中,而無需人工監督。 [20] V-Mattie使用了多項前述的計算機制。

巴爾斯(Baars)的全局工作空間理論 (GWT)啟發了V-Mattie,使其演變成Conscious Mattie。Conscious Mattie有著一樣的領域和任務,在架構上納入了GWT的意識機制。 Conscious Mattie是第一個在功能上(儘管不是很明顯)具有意識的軟體代理。Conscious Mattie後來催生了IDA。

IDA(智能分配代理)由美國海軍 [21][22][23]所開發,用於完成被稱為「人事調配軍官」的人力資源任務。在每個水手的任務結束時,將會被分配到一個新的營舍。此分配過程稱為分發。海軍僱傭了近300名全職的人事調配軍官來執行這些新任務。 IDA的任務是透過對人事調配軍官的角色的自動化來促進此過程。 IDA經過前人事調配軍官的測試,並被海軍接受。各種海軍機構為IDA項目提供了大約150萬美元的資助。

LIDA(學習型IDA)架構最初是透過添加幾種學習風格和模式[24][25][10]從IDA衍生而來的,但此後已發展成為一個更大、更通用的軟體框架。 [26][27]

腳註

[編輯]
  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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館) 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頁面存檔備份,存於網際網路檔案館). 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?頁面存檔備份,存於網際網路檔案館) 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頁面存檔備份,存於網際網路檔案館). 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?頁面存檔備份,存於網際網路檔案館) 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館). 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頁面存檔備份,存於網際網路檔案館) 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頁面存檔備份,存於網際網路檔案館). 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

外部連結

[編輯]