Wykład IX

Elementy kognitywistyki III:
Modele i architektury poznawcze
Wykład IX:
Architektury poznawcze
(symboliczne) II: Soar
Soar - przegląd
Soar (Start Operator And Result, od 1983) John Laird, Allen Newell, and
Paul Rosenbloom: Carnegie Mellon University, University of Michigan


http://sitemaker.umich.edu/soar/home (obecnie wersja 9.3.0)
ogólna architektura poznawcza umożliwiająca tworzenie i rozwijanie
podmiotów wykazujących się inteligentnym zachowaniem

zadania:

modeluje szeroki zakres zadań: od rutynowych po problemy „otwarte”
reprezentuje i wykorzystuje takie formy wiedzy, jak: proceduralna,
deklaratywna, epizodyczna, ikoniczna (w toku)

wykorzystuje wszystkie dostępne metody rozwiązywania problemów
(patrz: http://konderak.eu/ekg08.html zwł. wykłady IV i V)


wchodzi w interakcje ze światem zewnętrznym
Soar - podstawy
zupełna racjonalność – wykorzystanie całej dostępnej systemowi wiedzy
w każdym napotkanym zadaniu


Soar – poszukiwania aproksymacji zupełnej racjonalności
Z1: decyzje podejmowane poprzez kombinacje stosownej wiedzy w toku
działania, dokładniej:

interpretacji danych sensorycznych

zawartości pamięci roboczej

wiedzy odzyskiwanej z pamięci długotrwałej
Z2: minimalizacja ilości mechanizmów w architekturze:


jedna struktura ujmująca zadania i pod-zadania (przestrzenie
problemowe)
jedna reprezentacja wiedzy trwałej (produkcje)
Soar – podstawowe zasady

jedna reprezentacja wiedzy tymczasowej (obiekty z atrybutami i
wartościami)

jeden mechanizm generowania celów

jeden mechanizm uczenia się (chunking)
v.9: 4 mechanizmy uczenia się (+wzmacnianie, uczenie się epizodyczne i
semantyczne), oraz

3 postaci reprezentacji wiedzy długotrwałej (produkcje wiedzy
proceduralnej, semantycznej i epizodycznej)

funkcjonalność: Soar dysponuje wszystkimi elementarnymi zdolnościami
niezbędnymi do realizacji pełni zdolności poznawczych człowieka

wydajność: istnieją obliczeniowo wydajne algorytmy realizujące
elementarne operacje w Soar

Problem ogólnej inteligencji

ludzka inteligencja to przejaw ogólnej inteligencji

AI: jakie funkcje są niezbędne do osiągnięcia ogólnej inteligencji

brak zgody co do tego, jakie mechanizmy mają realizować te funkcje
Soar – oparta na wynikach AI próba zrozumienia funkcjonalności
niezbędnej do ogólnej inteligencji, oparta na hierarchii poziomów:




odzyskiwana wiedza / poziom pamięci
wykorzystywanie zakodowanej wiedzy, elementarne wybory /
poziom decyzji
zestawiane są ciągi „rozważań” by osiągnąć cel / poziom celów
przedział poznawczy jest wspierany przez poziomy niższe:
neuronowy/koneksjonistyczny

Problem ogólnej inteligencji
Założenia metodologiczne
(1) skupienie się na przedziale poznawczym [cognitive band] vs. stanowisko
koneksjonistyczne, logiczne, eksperckie

kompletny model ogólnej inteligencji wymaga modelu przedziału
poznawczego (PPoz)

zrozumienie PPoz ograniczy modele pozostałych przedziałów

model PPoz jest niezbędny do praktycznej realizacji systemów

wiele psychologicznych/AI danych dotyczących PPoz
(2) nie należy rozróżniać ludzkiej/sztucznej inteligencji → więcej danych i
metod, w tym:


dane eksperymentalne (psychologia, AI)
uzasadnienia teoretyczne (abstrakcyjna analiza wymogów
nakładanych na ogólną inteligencję, jak rozmaite mechanizmy
wymogi te spełniają
Założenia metodologiczne, cd
(3) architektura składa się z małej liczny wzajemnie niezależnych
mechanizmów – jednolitość i prostota vs. modularność
(4) maksymalne wykorzystanie architektury by ustalić spektrum zdolności
poznawczych, jakie może wyjaśnić/modelować:
replikacja znanych danych

nowe podejścia, stare problemy

przewidywanie nowych danych

Poziom 1: pamięć
przechowywana jest wiedza: deklaratywna (semantyczna), proceduralna i
epizodyczna


porcja dowolnej wiedzy (chunk) przechowywana jest w postaci produkcji

dostęp do pamięci polega na wykonywaniu tych produkcji
w trakcie wykonywania produkcji zmienne z części „działanie” są
zastępowane wartościami

efekt odzyskiwania wiedzy: umieszczenie jej w globalnym obszarze
roboczym


pamięć robocza zawiera krótkoterminowy kontekst przetwarzania, np..:
(obiekt o025 ^nazwa mruczek ^typ kot ^kolor rudy)
Szczególny typ struktury pamięci roboczej: preferencje kodujące wiedzę o
akceptowalności i atrakcyjności [desirability] działań

Pamięć, cd.

tradycyjnie produkcje: operatory (ACT) lub implikacje
Soar: produkcje odpowiadają za (równoległe) odzyskiwanie wiedzy z
pamięci: sytuacja → dane z LTM

produkcje uruchamiane są równolegle (por. ACT) – nie są rozstrzygane
konflikty między produkcjami


wiedza kodowana proceduralnie: nie umieszcza nic w pamięci roboczej

wiedza kodowana deklaratywnie: umieszcza informacje w WM
Poziom 2: decyzje
odzwierciedla zdolności do generowania i wyboru kolejnych
podejmowanych działań stosownych do danej sytuacji

poziom 2: oparty na pamięci plus procedury decyzyjne (wbudowane w
architekturę)


2 etapowy cykl działania „opracuj-decyduj” [elaborate-decide]
wielokrotny dostęp do pamięci, aż do uzyskania stanu spoczynku
[quiescence] – wiedza o działaniach, ich preferencjach, akceptowalności i
atrakcyjności


dobór jednego z działań opaty na preferencjach

przestrzeganie planu: decyzja oparta na uprzednio wygenerowanej wiedzy

reaktywność: decyzja oparta głównie na wiedzy o bieżącej sytuacji
Poziom 3: cele

realizuje zdolność do kierowania swoich działań na pewien cel

cele [goal] są ustalane ilekroć nie można podjąć decyzji – impas:



brak możliwości do wyboru
są alternatywne produkcje, brak preferencji umożliwiających
wybór
impas – architektura generuje cel: rozwiązanie impasu i tworzy nowy
kontekst to może prowadzić do stosu pod-celów
pod-cel jest zakończony gdy rozwiązany jest jego impas lub jeden z
nadrzędnych pod-celów jest zakończony

zadania zorientowane na cel formułowane są w kategoriach przestrzeni
problemowych (por. http://konderak.eu/ekg08.html wykł. III)

Poziom 3: cele
cele, cd.
każda decyzja (wybór przestrzeni problemowej, operatora, stanu)
podejmowana przy rozwiązywaniu problemu oparta jest na wiedzy
dostępnej w pamięci produkcji

wiedza poprawna i wystarczająca – zachowanie algorytmiczne lub
„wiedzochłonne”

wiedza niepoprawna i/lub niewystarczająca: procedury przeszukiwania
heurystycznego

Uczenie się w Soar
odbywa się przez przyswajanie „chunks” - produkcji podsumowujących
rozwiązywanie problemu pojawiające się w pod-celach, składają się na nie:

strona prawa (działanie): wiedza wygenerowana w trakcie działania podcelu

strona lewa (warunek): ścieżki dostępu do tej wiedzy, obliczane dzięki
analizie produkcji uruchomionych w ramach pod-celu

implicytna generalizacja – wykorzystanie „chunks” w sytuacjach innych,
niż pierwotna


właściwości „chunking” jako mechanizmu uczenia się vs. właściwości
Soar jako systemu uczącego się:
rozmaitość typów pod-celów, rodzaje metod rozwiązywania problemów
wraz z typami i źródłami wiedzy, sposób wykorzystywania „chunks” w
dalszym rozwiązywaniu problemów.
Źródła „mocy” teorii

uniwersalność architektury: może wykonać dowolne obliczalne zadanie

jednolitość architektury prowadząca do słabości i nieefektywności

specyficzne mechanizmy wbudowane w strukturę architektury


Rozdzielenie sterowania i działania – możliwość niezależnego
„namysłu” nad nimi
Przyswajanie wiedzy z doświadczenia: produkcje zinterpretowane
w niezinterpretowane
efekt interakcji wynikający z integracji wszystkich zdolności w
pojedynczym systemie


Metody „silne”: oparte na wiedzy co robić w każdym kroku

Metody „słabe”: wyszukiwanie przy niedostatecznej wiedzy

Uczenie się przekształcające metody słabe w silne
Możliwości i ograniczenia
(1) Pamięć:

objętość ograniczona kosztem przeszukiwania dużej liczby produkcji
problem z reprezentacją wiedzy niepewnej, kwantyfikowanej,
epizodycznej


organizacja pamięci: brak struktur jak ramy czy schematy
(2) Decyzje:

prędkość: 10 decyzji/sek. zależna od prędkości dostępu do pamięci

Przywoływanie wiedzy: równoległe, indeksowane, efektywne
(3) Cele:
Typy celów: uniwersalne; problemy: cele wyższego poziomu, interakcja
celów

Możliwości i ograniczenia
(4) Uczenie się:
4 problemy: kiedy się uczy, w oparciu o co, czego może się uczyć, jak
zastosować zdobytą wiedzę;

Problem: czy wiedza przyswajana jest na właściwym poziomie
szczegółowości:


Nadmierna generalizacja

Nadmierna szczegółowość
(5)percepcja/motoryka:

Zachowanie percepcyjne/motoryczne: pośredniczy pamięć operacyjna
Specjalne produkcje (de)kodujące: struktury poznawcze wysokiego
poziomu i struktury percepcyjne/motoryczne niskiego poziomu operują
tylko na polach percepcyjnych/motorycznych niezależnie od reszty
kontekstu

Możliwości i ograniczenia
Soar może być powiązany z wieloma perceptualnymi modalnościami (i
kilkoma polami w ramach modalności)


Sterowanie poza architekturalnymi rozwiązaniami

Język naturalny – konstrukcja modelu sytuacji