Kognitiivinen mallintaminen 1. Kognitiiviset arkkitehtuurit ACT-R

Samankaltaiset tiedostot
Rationaalinen agentti. Kognitiivinen mallintaminen I. Rationaalinen agentti. Rationaalinen agentti. Kognitiivinen mallintaminen I, kevät /1/08

Symbolinen mallintaminen: tausta. Kognitiivinen mallintaminen I. Symbolisysteemin hypoteesi. Symbolisysteemin hypoteesi

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1

Matematiikan tukikurssi, kurssikerta 1

Kieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat

11.4. Context-free kielet 1 / 17

Tänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)

Sovellettu todennäköisyyslaskenta B

Algoritmit 1. Luento 3 Ti Timo Männikkö

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari

Tietorakenteet ja algoritmit

T Syksy 2004 Logiikka tietotekniikassa: perusteet Laskuharjoitus 12 (opetusmoniste, kappaleet )

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Datatähti 2019 loppu

KOHTI TIETOISIA ROBOTTEJA

Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs

Kognitiivinen mallintaminen I, kevät Harjoitus 1. Joukko-oppia. MMIL, luvut 1-3 Ratkaisuehdotuksia, MP

Tekoäly tänään , Vadim Kulikov (Helsingin Yliopisto)

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Königsbergin sillat. Königsberg 1700-luvulla. Leonhard Euler ( )

JOHDATUS TEKOÄLYYN TEEMU ROOS

UML -mallinnus TILAKAAVIO

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

isomeerejä yhteensä yhdeksän kappaletta.

Käsitteistä. Reliabiliteetti, validiteetti ja yleistäminen. Reliabiliteetti. Reliabiliteetti ja validiteetti

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Valitaan alkio x 1 A B ja merkitään A 1 = A { x 1 }. Perinnöllisyyden nojalla A 1 I.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Pelin kautta opettaminen

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

Laskennan mallit (syksy 2010) Harjoitus 8, ratkaisuja

Sovellettu todennäköisyyslaskenta B

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Matematiikka ja teknologia, kevät 2011

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt

Kombinatorinen optimointi

Kognitiiviset arkkitehtuurit ja symbolinen mallinnus

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Induktiotodistus: Tapaus n = 0 selvä; ol. väite pätee kun n < m.

811312A Tietorakenteet ja algoritmit I Johdanto

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

Tähtitieteen käytännön menetelmiä Kevät 2009

Scratch ohjeita. Perusteet

1 Ratkaisuja 2. laskuharjoituksiin

Dynaamiset regressiomallit

Kieli merkitys ja logiikka. 4: Luovuus, assosiationismi. Luovuus ja assosiationismi. Kielen luovuus. Descartes ja dualismi

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

Tarkennamme geneeristä painamiskorotusalgoritmia

Esimerkki: Tietoliikennekytkin

Cog311 Resurssit ja monitehtäväsuoritus

Tilastotiede ottaa aivoon

Verkon värittämistä hajautetuilla algoritmeilla

Avaa ohjelma ja tarvittaessa Tiedosto -> Uusi kilpailutiedosto

Kognitiivinen mallintaminen Neuraalimallinnus 11.3.

VEKTOR- HARJOITUSOHJELMA

Laskennan teoria (kevät 2006) Harjoitus 3, ratkaisuja

Likimääräisratkaisut ja regularisaatio

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

IDL - proseduurit. ATK tähtitieteessä. IDL - proseduurit

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Nollasummapelit ja bayesilaiset pelit

7.4 Sormenjälkitekniikka

Laskut käyvät hermoille

Tieto- ja viestintätekniikka. Internetistä toimiva työväline 1,5 osp (YV10TV2) (HUOM! Ei datanomeille)

ATK tähtitieteessä. Osa 3 - IDL proseduurit ja rakenteet. 18. syyskuuta 2014

Tilastotiede ottaa aivoon

Geneettiset algoritmit

Bayesilainen päätöksenteko / Bayesian decision theory


MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

Algoritmit 2. Luento 13 Ti Timo Männikkö

811312A Tietorakenteet ja algoritmit, , Harjoitus 3, Ratkaisu

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

Liikenneongelmien aikaskaalahierarkia

Opetusmateriaali. Fermat'n periaatteen esittely

Tietorakenteet ja algoritmit

Rinnakkaistietokoneet luento S

Opetussuunnitelma ja selviytymisen kertomukset. Eero Ropo

Sovellettu todennäköisyyslaskenta B

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

etunimi, sukunimi ja opiskelijanumero ja näillä

2 Konekieli, aliohjelmat, keskeytykset

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Testaa: Vertaa pinon merkkijono syötteeseen merkki kerrallaan. Jos löytyy ero, hylkää. Jos pino tyhjenee samaan aikaan, kun syöte loppuu, niin

Opetussuunnitelmasta oppimisprosessiin

815338A Ohjelmointikielten periaatteet

Insinöörimatematiikka A

Kognitiivinen mallintaminen I

Tuotteen oppiminen. Käytettävyyden psykologia syksy T syksy 2004

T Syksy 2002 Tietojenkäsittelyteorian perusteet Harjoitus 8 Demonstraatiotehtävien ratkaisut

HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 4 Ratkaisuehdotukset

Transkriptio:

Kognitiivinen mallintaminen 1 Kognitiiviset arkkitehtuurit ACT-R

Kognitiiviset arkkitehtuurit Mielen(tai jonkin älykkään toimijan) mahdollisimman yleisiä piirteitä ja rakenteellista organisaatiota kuvaava malli. Arkkitehtuurit pyrkivät kuvaamaan kokonaisuutta, siinä missä mallit voivat keskittyvätjohonkinrajoitettuunkognitionosaan/ominaisuuteen. Kuvaavat yleisiä periaatteita, joiden pohjalle malleja voi rakentaa. Saman arkkitehtuurin pohjalta voi kyhätä hyvinkin erilaisia malleja eri tarkoituksiin. Historiallisestidigitaalisentietokoneenns. Von Neumann arkkitehtuurion toiminutpohjanakomputationaalisillemielenteorioille. Muisti Toiminta Keskusyksikkö Aistit Mieli on tietokone ajatuksen mukainen arkkitehtuuri

Kognitiiviset arkkitehtuurit Karkeasti voidaan jakaa kahteen tyyppiin(informaatioprosessoinnin tyypin mukaan) Symboliset, digitaalisen tietokoneen motivoimat Informaatio esitetään symboleilla, prosessoidaan algoritmeilla Produktiosysteemit Information processing theory Representaatiomallit Assosiatiiviset Kognitio kuvataan aktivaatioina assosiatiivisessa verkossa Neuroverkot Hyödyntää systeemin ei-symbolisia, emergenttejä ominaisuuksia. Monissa nykyisissä arkkitehtuureissa(act-r, SOAR) yhdistyy molempia piirteitä. -> Hybridiarkkitehtuuri.

Produktiosysteemit Produktiosysteemi on sovelluskohteesta riippumaton päätöksenteon ja järkeilyn malli. Pohjana monissa symbolisissa arkkitehtuureissa (SOAR ACT-R), eksperttisysteemeissä yms. Määrittää säännöt (produktiot), jonka mukaan systeemi käyttäytyy kussakin tilanteessa.

Produktiosysteemin rakenne Kaksi muistivarastoa Työmuisti (tietoa nykytilasta) Produktiomuisti (sääntöjä, miten toimia jossain tilassa.) Työmuisti Lautasella on hauki Hauki on kala Nälkä on ikävää Produktiomuisti JOS lautasella on hauki, NIIN syö hauki sekä päivitä työmuistiin: lautanen on tyhjä Säännöt voivat määrittää ulkoisia toimintoja ja/tai muuttaa muistivarastojen sisältöä.

Produktiosysteemit Työmuisti on tietokanta, joka on joukko toisistaan riippumattomia propositioita p 1,p 2,p 3,... esim. shorter(anna, beth) Sääntömuisti sisältää päättelysääntöjä, jotka ovat muotoa p 1 p 2... act 1 act 2...

Produktiosäännöt Sääntöjä sanotaan produktioiksi. Ne määrittelevät ehdollisia toimintoja: IF(ehto ok) THEN (tee jotain) Jos työmuistin sisältö on esimerkiksi shorter(anna, beth) voidaan soveltaa produktiosääntöä: IF: THEN: shorter(anna,beth) delete shorter(anna,beth) add taller(beth,anna) Nyt työmuistin uusi sisältö on taller(beth, anna)

Produktiosysteemit Produktiosysteemintoimintakoostuuperäkkäisistäsykleistä. Jokaisessa syklissä: 1. Systeemi etsii ne säännöt, joiden ehdot toteutuvat työmuistin sisällön perusteella. (match phase) 2. Tämän jälkeen systeemi valitsee (jollain tavalla) näistä yhden (conflict resolution). Sanotaan, että kyseinen produktio laukeaa (fires). 3. Jokaisessa syklissä suoritetaan lauenneen produktion määrittelemä toiminta.

Produktiosysteemit Produktiosysteemiin voidaan lisätä tavoitteita kuvaavia meta-produktioita, jotka ohjaavat ongelmanratkaisua. Konfliktinratkaisuun (conflict resolution) voidaan käyttää erilaisia taktiikoita. Voidaan esim. valita aina spesifein sääntö sääntö, joka hyödyntää uusimpia työmuistin faktoja sääntö, jota ei vielä ole käytetty

Esimerkki Oletetaan seuraava sääntömuisti, ja sallitaan jokaista sääntöä käytettävän vain kerran: 1. IF: nisäkäs(x) THEN: lisää jalat(x,4) 2. IF: nisäkäs(x) & ihminen(x) THEN: lisää jalat(x,2) & poista nisäkäs(x) 3. IF: jalat(x,2) THEN: lisää seisoo(x) 4. IF: jalat(x) THEN: lisää kävelee(x) Oletetaan työmuisti: { kotieläin(lehmä), ihminen(pekka), nisäkäs(pekka)}

1. syklissä etsitään sopivat säännöt: 1. IF: nisäkäs(x) THEN: lisää jalat(x,4) 2. IF: nisäkäs(x) & ihminen(x) THEN: lisää jalat(x,2), poista nisäkäs(x) Työmuisti: { kotieläin(lehmä), ihminen(pekka), nisäkäs(pekka)} Säännöt 1 ja 2 muodostavat konfliktin, joka ratkaistaan tässä valitsemalla tarkempi sääntö. Suoritettavat toiminnot: lisää jalat(pekka,2), poista nisäkäs(x)

Uusi työmuisti: {kotieläin(lehmä), ihminen(pekka), jalat(pekka,2) } Sääntömuisti, josta käytetyt säännöt on poistettu: 1. IF: nisäkäs(x) THEN: lisää jalat(x,4) 3. IF: jalat(x,2) THEN: lisää seisoo(x) 4. IF: seisoo(x) THEN: lisää kävelee(x)

2. syklissä valitaan sääntö 3 jolloin toiminto on: lisää seisoo(pekka) Uusi työmuisti: {kotieläin(lehmä), ihminen(pekka), jalat(pekka,2), seisoo(pekka)} Produktiosysteemin toiminta jatkuu sykleittäin, kunnes sopivia produktioita ei enää löydy tai päästään haluttuun lopputilaan.

Oppiminen Systeemi "oppii" muodostamalla päättelyketjuista uusia produktioita. Edellisessä esimerkissä esimerkiksi päättely: IF: nisäkäs(x) & ihminen(x) THEN: jalat(x,2) IF: jalat(x,2) THEN: seisoo(x) IF: seisoo(x) THEN: kävelee(x) voi päättelyketjun suorituksen jälkeen automatisoitua produktioksi: IF: nisäkäs(x) & ihminen(x) THEN: kävelee(x)

ACT-R The Adaptive Control of Thought Rational Ihmisen kognition rakennetta kuvaava teoria, motivaationa psykologian tulokset. Käytännössäohjelmointiympäristö(LISP), jossaarkkitehtuurinkehyson valmiina. Riittää koodata ongelmakohtaiset asiat ACT-R skripteillä

ACT-R Arkkitehtuuri pyrkii jäljittelemään ihmiskognition piirteitä kvantitatiivisesti (reaktioajat, tarkkuus, oppiminen, neurologiset tulokset ) Arkkitehtuurin rakenne riittää tuottamaan yleensä kvalitatiivisesti oikeansuuntaista käytöstä. Kvantitatiivinen taso saavutetaan sovittamalla parametreja koetuloksiin.

ACT-R Malleja sovellettu hyvin monipuolisesti

ACT-R (rakenne) Arkkitehtuuri koostuu moduuleista (työmuisti, sääntömuisti, ympäristöä havainnoivat osat etc.) Bufferit kontrolloivat tiedonvälitystä moduulien välillä Produktiosysteemi valitsee säännöt, joiden ehdot vastaavat bufferien sisältöjä.

ACT-R Hybridiarkkitehtuuri: produktiosysteemisymbolinen, muiden moduulien sisäinen toiminta pääasiassa eisymbolista rinnakkaislaskentaa. Produktiosysteemi koordinoi kokonaisuuden toimintaa. Produktiosysteemi saa tietoa muista moduleista bufferienvälityksellä. Bufferisisältääkulloinkinvain pienen osan kokonaistiedosta. Produktiosysteemin suoritus etenee 50ms sykleissä (ihmiskognition aikaskaala). Teoria ei kiinnitä moduulien määrää(voidaan lisätä erikoistuneita kognitiivisia palasia tarpeen mukaan)

Moduulit Moduulien sisäinen suoritus ei-symbolista ja rinnakkaista. Moduulit ovat itsenäisiä ja voivat tehdä asioita samanaikaisesti toisistaan riippumatta. Havainto/motorinen moduuli toimivat siltana ulkomaailmaan Havaintomoduuli koostuu kahdesta palasta 1. Tieto objektin lokaatiosta 2. Tieto objektin ominaisuuksista Voidaan etsiä havaintoja lokaation tai ominaisuuden perusteella-> mahdollistaa pop-out efektin

Moduulit Tavoitemoduuli (intentional module, goal buffer) Pitää kirjaa mitä ollaan tekemässä Pitää kirjaa välitavoitteista Tavoitteet oleellisia oikean toiminnan valitsemiseen.

Muistimoduuli (tietomuisti) Systeemin tuntemat faktat ovat koodattu muistimoduuliin. Ihmismuisti ei kuitenkaan ole täydellinen asiat eivälttämättäpalaudumieleenonnistuneesti, eivätkä välittömästi. ACT-R:ssä muistiin koodatuilla faktoilla on jokin (muuttuva) aktivaatioarvo, joka määrittää kuinka helpostitietoon saatavilla. Usein käytetty tieto on helpommin saatavissa kuinharvemminhyödynnetty.

Muistimoduuli Muistissa olevan tiedon aktivaatiotaso määrittyy sen yleisestä hyödyllisyydestä menneisyydessä, sekä sen elementtien assosiaatioiden voimakkuudesta kontekstiin. A i + = Bi WjSji j B i : muistijäljeniaktivaationperustaso W j : attention alaistenkohteiden(esim. näkökentänobjektit) painokertoimet. (Yleensä 1/n, missä n on kohteiden lukumäärä) S ji : kohteiden(j) assosiaatiotmuistijälkeen(i)

Muistimoduuli Esim. Aktivaatiotaso tiedolle 8 + 4 = 12, kun havaitaan 8+4 A i = B i + j W j S ji

Muistimoduuli Muistijäljen aktivaatio määrittää todennäköisyyden onnistuneeseen palautukseen(lisäksi aktivaation tulee ylittää jokin minimi kynnysarvo) Palautukseen kuluva aika määräytyy myös aktivaatiosta Aktivaation perustaso on edellisistä harjoituskerroista kuluneiden aikojen (t j ) funktio

Muistimoduuli A i = B i + j W j S ji EntätermiS ji? Havainnon j assosiaatio muistijälkeen i pienenee sen mukaan, kuinka moneen muuhun muistijälkeen se lisäksi on assosioitunut: S ji = S ln( fan) Esim: muistikoe lauseilla muotoa: X on Y:ssä, missä henkilö X ja paikka Y voi liittyä yhteen tai kolmeen lauseeseen.

Reaktioajat muistikokeessa: Pisteet: empiirinen tulos. viiva: ACT-R ennuste

Produktiomuisti Produktiosäännöille määritellään utiliteetti P: todennäköisyys, että produktio(i) vie tavoitteeseen (onnistuneiden suoritusten osuus menneisyydessä) G: tavoitteen palkintoarvo C: produktioon liittyvä kustannus Utiliteettiin liittyy lisäksi satunnaisvariaatiota syklistä toiseen. Valitaan aina se produktio, jonka utiliteetti on suurin

Produktiomuisti Toistojen lisääntyessä parhaiten toimineen produktiosäännön utiliteetti kasvaa. Satunnaisvariaatiolla saadaan ihmisen tekemiseen liittyvä epäsäännöllisyys huomioitua. Produktiosääntöjä ketjuttamalla luodaan mahdollisuuksien mukaan uusia sääntöjä, joilla tavoitteeseen päästään nopeammin

ACT-R sovelluksia Useita satoja artikkeleita esim. Tietokoneavusteinen matematiikan opetus koululaisille Käyttöliittymien ja niiden oppimisen mallinnus (esim. Lennonohjausjärjestelmät) Neurologiset kokeet(fmri:n BOLD signaali voidaan yhdistää vastaavan moduulin aktivaatioon.) Autoilua ensi luennolla