CLARION 是一种计算認知架構 ,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已被用来模拟多個认知心理学 和社会心理学 中的领域和任务,並且在人工智能 应用方面实现智能系统。 一个CLARION的重要特點是有著隐性 歷程和显 性 歷程之分,并着重于捕获这两种类型的歷程之间的交互作用。该系统由Ron Sun 领导的研究小组创建。
CLARION框架
綜述
CLARION是由多個不同的子系统所構成的綜合架構,所有子系统都有双重表徵结构(隐性表徵与显性表徵) (Sun et al., 2005)。 該架構的子系统包含「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
以动作为中心的子系统的作用是控制外在和内在動作 。 隐性层由称为动作神經網路的神經網路所组成,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,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。
非动作中心子系统
非动作中心子系统的作用是為了维护一般性知識。 隐性层是由聯想神經網路组成,而底层是關聯規則。 知识又分为語義性和情节性,其中語義性是概括性知识,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,所以并非所有陳述性知识都必须是显性知識。
动机子系统
动机子系统的作用是为知覺、動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,每个驱动器的強弱不一。 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。使用顯性目标是因為顯性目標比隱性的激励状态來得稳定。 CLARION框架认为,人的激励歷程是非常复杂的,不能仅仅透過顯性表徵来表示。
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:
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。
元认知子系统
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参數,改變動作子系統和非動作子系統所正在進行的歷程。
学习
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 和自上而下 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)由神經網路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种方式表徵。
与其他认知架构的比较
ACT-R 區分了程序性記憶和陳述性記憶,這有點類似于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在隐性歷程和显性歷程之间没有明确的区别(基于歷程或基於表徵),而这在CLARION理论中是個基本假设。
Soar 在隱性认知与顯性认知之间、或是在程序性記憶和陳述性記憶之间,對於「基于表徵或基於歷程」並沒有清楚的區別。Soar是基于问题空间、状态和運算元的思想。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种運算元和優選運算元。
EPIC采用了类似于ACT-R的產出系统。然而,EPIC不包含在CLARION中必不可少的「歷程顯隐性的二分法」
理论应用
目前已將CLARION用于解释各种心理資料(Sun,2002,2016),如序列反应时间任务、人造語法学习任务、歷程控制任务、分类推理任务、字母算术任务和河内塔任务。 序列反应时间和歷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(大量存在顯性歷程)。 另外,錯綜复雜的布雷區的导航任务會涉及到复杂、有次序的决策,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)還有元认知任务的工作也已經開始進行。
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 )的计算基础處理(Coward和Sun,2004)。
参考文献
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.
外部链接