【ACT—R模型最大的不足在于缺乏意向性與形式化的有機(jī)結(jié)合，這也是AI的瓶頸之一】

哈耶克在默知識的基礎(chǔ)上發(fā)展出了一整套體系，他說：“因為默知識不可表達(dá)，所以不可記錄，所以不可集中，所以計劃經(jīng)濟(jì)不可行?！币簿褪钦f，哈耶克從哲學(xué)上、從認(rèn)識論上證明了計劃經(jīng)濟(jì)根本就是不可行的。 實際上，人的認(rèn)知之所以難以準(zhǔn)確預(yù)測也與此相關(guān)：隱性的知識和干擾也常常令描述和程序難以成行。這些暗知識不止是個體間的小行為中，還有組織、系統(tǒng)、體系間的大行動。 簡單地講，現(xiàn)在許多人因此認(rèn)為：智能并不僅是算法的問題，算法是實現(xiàn)層面的，但理論上都沒跑通，直接開發(fā)只是盲目地碰運(yùn)氣調(diào)參。簡單地說，即是沒有認(rèn)識論就直接談方法論! 然而，目前的人工智能卻在反其道而行之：沒有公理，照樣傲嬌+不懂力學(xué)，照樣進(jìn)球!

未來的區(qū)塊鏈、飛機(jī)、電網(wǎng)等將是人機(jī)融合的系統(tǒng)，安德森的ACT-R認(rèn)知框架模型正在嘗試這種融合，其優(yōu)點如下所述（這里不在贅述），其缺點仍然沒有解決波蘭尼的默會知識與程序性/描述性知識銜接問題。

1、引言

提起百年老字號這個詞大家的第一反應(yīng)或許是同仁堂、全聚德等有歷史底蘊(yùn)、文化傳承的傳統(tǒng)行業(yè)，很難使其與互聯(lián)網(wǎng)聯(lián)系在一起，但在智能行業(yè)里面也有百年老字號，它就是藍(lán)色巨人——IBM（International Business Machines Corporation），出生于1911年的IBM沒有像我們?nèi)祟惸菢影装l(fā)蒼蒼滿臉皺紋，反而越活越年輕，之所以這樣說是因為它總是站在時代的前列，引領(lǐng)一個時代的到來，它是智能行業(yè)里經(jīng)驗豐富的“老船長”在復(fù)雜的人工智能海洋里位我們指引前進(jìn)的方向。在由中國人工智能學(xué)會發(fā)起主辦、CSDN承辦的2015中國人工智能大會（CCAI 2015）上IBM中國研究院大數(shù)據(jù)及認(rèn)知計算研究總監(jiān)蘇中發(fā)表了題為《從WATSON到認(rèn)知計算》的主題報告，報告介紹了IBM在認(rèn)知計算領(lǐng)域所做的工作和取得的成果；2016年1月7日IBM宣布，將轉(zhuǎn)型成“CognitiveSolution &Cloud Platform Company”（認(rèn)知解決方案和云平臺公司），相信IBM的這次轉(zhuǎn)型也是這位“老船長”為互聯(lián)網(wǎng)“航?！毙袠I(yè)的又一次迷津指點。

作為人工智能的一個重要領(lǐng)域——認(rèn)知計算，已經(jīng)有國內(nèi)外諸多學(xué)者在這個領(lǐng)域耕耘努力，今天為大家介紹的是卡耐基梅隆大學(xué)心理學(xué)和計算機(jī)科學(xué)教授約翰·羅伯特·安德森（John RobertAnderson），安德森教授在2016年1月16獲得了美國國家科學(xué)院（National Academy of Sciences）獎以表彰其在研究我們學(xué)習(xí)規(guī)律上的革命化的成就，安德森的代表性的研究成果是理性思維的自適應(yīng)控制系統(tǒng)ACT-R(AdaptiveControl of Thought—Rational)。下面我們將以安德森的ACT-R認(rèn)知框架為基礎(chǔ)探討認(rèn)知智能。

2、ACT-R

ACT-R模型是一個人類認(rèn)知理論，由美國人工智能專家和心理學(xué)家安德森(JohnR.Anderson)等人建立。該理論試圖理解人類如何獲得和組織知識以及如何產(chǎn)生智力活動。其研究進(jìn)展基于神經(jīng)生物學(xué)研究成果并從中得以驗證。ACT-R已成功地為許多不同認(rèn)知現(xiàn)象建立起合理的模型，包括感覺和注意、學(xué)習(xí)和記憶、問題解決和制定決策、語言加工、智力動因(intelligentagents)、智力教師系統(tǒng)(intelligenttutor systems)和人機(jī)交互等。

2.1 發(fā)展歷程

ACT-R理論起源于人類聯(lián)想記憶模型理論（human associative memory HAM）。起初該理論只涉及陳述性知識的表征以及這些表征如何影響行為,并沒有討論程序性知識。而后，安德森提出了陳述性知識和程序性知識的區(qū)別。通過借鑒紐厄爾(Newell)的思想，他提出程序性知識由產(chǎn)生式規(guī)則實現(xiàn)。于是體現(xiàn)程序性和陳述性結(jié)合理論的產(chǎn)生式系統(tǒng)模型ACTE問世了。經(jīng)過7年的發(fā)展,他們建立起了一個稱為ACT的理論，該理論包含一系列關(guān)于該系統(tǒng)在神經(jīng)學(xué)上如何實施的假設(shè)，以及產(chǎn)生式規(guī)則如何獲得的物理學(xué)上的假設(shè)。這個認(rèn)知系統(tǒng)持續(xù)了10年時間，直到安德森提出了一個新系統(tǒng)ACT-R。該系統(tǒng)反映了過去十年技術(shù)上的發(fā)展,現(xiàn)在作為一小部分研究團(tuán)體的計算機(jī)模擬工具。該版本系統(tǒng)的關(guān)鍵想法是，在環(huán)境的統(tǒng)計學(xué)結(jié)構(gòu)下，系統(tǒng)為了給出適應(yīng)性的表現(xiàn)，知識的獲得和調(diào)用過程會隨環(huán)境而發(fā)生改變。

ACT-R已經(jīng)經(jīng)歷了好幾次版本的升級。1998年，《思維的微小組成》（Theatomic components of thought）一書的出版標(biāo)志著ACT-R4.0的推出。以安德森和Lebiere的觀點,ACT-R4.0是ACT-R多個版本中第一個真正實現(xiàn)紐厄爾關(guān)于認(rèn)知統(tǒng)一化理論夢想的版本。在ACT-R4.0中，ACT-R為紐厄爾確定的統(tǒng)一認(rèn)知領(lǐng)域(即問題解決,決策制定,常規(guī)行動、記憶、學(xué)習(xí)和技能)中的前兩個領(lǐng)域的認(rèn)知現(xiàn)象建立了成功的模型。而在隨后的ACT-R5.0版本中建立起了知覺——動力系統(tǒng)ACT-R/PM，后又成功地為第三組領(lǐng)域(知覺和動力行為)建立了模型。最近,ACT-R6.0版本也已經(jīng)發(fā)布。

2.2 理論基礎(chǔ)

作為一種認(rèn)知理論，ACT-R主要建立在兩個假設(shè)之上：一是對人類認(rèn)知的理性分析；二是陳述性知識和程序性知識的區(qū)分。從后面的介紹中我們可以看到，關(guān)于ACT-R理論的論述主要基于理性分析和三個簡單的二分法。

2.2.1 理性分析

所謂理性原則(rationalprincipal)，就是指認(rèn)知系統(tǒng)在其運(yùn)算限制的前提下,其每個成分都盡可能使來自環(huán)境中的要求達(dá)到最佳的滿足。如果我們想知道認(rèn)知結(jié)構(gòu)某個特定方面如何運(yùn)轉(zhuǎn)，我們首先需要考慮這個方面如何運(yùn)轉(zhuǎn)才能盡可能地在環(huán)境中達(dá)到最優(yōu)化。無論選擇使用什么策略或選擇提取什么記憶元素，ACT-R會選擇有著最高期望獲得值的一個，也就是有著最低期望代價同時有著最高期望成功概率的一個。

2.2.2 三個二分法

ACR-R理論建立的另一基礎(chǔ)是如下三個簡單的二分法：

（1）兩類知識：關(guān)于事實的陳述性知識(declarativeknowledge)和關(guān)于如何完成各種認(rèn)知活動的程序性知識(procedural knowledge)；

（2）兩個假設(shè)：關(guān)于ACT-R如何運(yùn)用已有知識去解決問題的操作假設(shè)(performanceassumptions)和關(guān)于如何獲得新知識的學(xué)習(xí)假設(shè)(learning assumptions)；

（3）兩個水平：有關(guān)離散知識結(jié)構(gòu)的符號水平(symboliclevel)和有關(guān)神經(jīng)系統(tǒng)激活過程的亞符號水平(sub-symboliclevel),這一水平?jīng)Q定符號結(jié)構(gòu)的可用狀態(tài)。

2.2 理論架構(gòu)

ACT-R系統(tǒng)是一個混合型認(rèn)知體系結(jié)構(gòu)，由symbolic系統(tǒng)和sub-symbolic系統(tǒng)兩部分組成。因為subsymbolic系統(tǒng)構(gòu)成的是模塊內(nèi)部的工作方式，所以無法顯式地在圖中表達(dá)。從圖 1中可以看到ACT-R的symbolic系統(tǒng)內(nèi)部結(jié)構(gòu)，整個系統(tǒng)由若干不同模塊組成，其中最重要的過程性模塊通過緩沖塊將其他所有模塊連接成一個整體。symbolic系統(tǒng)本身可以看作由一個產(chǎn)生式系統(tǒng)驅(qū)動的模型，通過過程性模塊中的產(chǎn)生式規(guī)則來對不同模塊的緩沖塊進(jìn)行操作。運(yùn)行在外部結(jié)構(gòu)后臺的sub-symbolic 系統(tǒng)通過一系列的數(shù)學(xué)方法對symbolic系統(tǒng)中模塊內(nèi)部的操作進(jìn)行控制。

3、應(yīng)用與思考

3.1 ACT-R認(rèn)知框架應(yīng)用

圖2ACT-R認(rèn)知框架應(yīng)用示意圖

3.1.1在教育、學(xué)習(xí)方面的應(yīng)用

Anderson及其團(tuán)隊多年來致力于有關(guān)學(xué)習(xí)、記憶與大腦神經(jīng)的研究，才在長時間的探索中孕育出了ACT-R理論體系。因此，該理論在有關(guān)教育、學(xué)習(xí)的領(lǐng)域得到廣泛的關(guān)注與應(yīng)用。其中，又以學(xué)習(xí)遷移為該理論與應(yīng)用主要的契合點。遷移是一種長期受到人們關(guān)注的心理現(xiàn)象，它的基本含義是:在先前的學(xué)習(xí)(或訓(xùn)練)中獲得的知識和技能，對學(xué)習(xí)新知識、新技能或解決新問題所產(chǎn)生的影響，Singley和Anderson曾指出“學(xué)習(xí)遷移的研究是對所有的綜合性認(rèn)知學(xué)習(xí)理論的一個嚴(yán)格的也是必要的檢驗”。關(guān)于遷移，安德森等人提出了“共同要素理論”。這一理論實質(zhì)上是桑代克的相同要素理論在信息加工心理學(xué)中的新版本，它的特點是以產(chǎn)生式規(guī)則取代了相同要素。理解知識如何在領(lǐng)域間遷移關(guān)鍵取決于認(rèn)知任務(wù)分析(檢查一個領(lǐng)域中已獲得的知識結(jié)構(gòu)，并評估對另一領(lǐng)域的應(yīng)用性）。按照“共同要素理論”，兩種技能之間發(fā)生遷移的條件是，它們之間必須共用相同的程序性知識，并且，兩種技能之間的遷移量，可以通過計算它們共用的程序性知識的數(shù)量來作出估計：(1)如果兩種技能共用較多的程序性知識,它們之間將產(chǎn)生顯著的遷移；(2)如果兩種技能共用較少的程序知識，即使它們共用相同的陳述性知識，它們之間也將產(chǎn)生很少的遷移或者沒有遷移。第一個假設(shè)得到了有力的實驗支持。例如，在使用不同編輯器進(jìn)行文字編輯的技能和用不同計算機(jī)語言進(jìn)行編程的技能的實驗研究中，都發(fā)現(xiàn)共用程序性知識的數(shù)量與遷移的有規(guī)律的關(guān)系，即共用產(chǎn)生式的數(shù)量越多，遷移量越大。對于第二個假設(shè)，在幾何證明和計算機(jī)編程等領(lǐng)域的研究中，也有一些實驗證據(jù)。例如，在一項研究中,Neves和Anderson發(fā)現(xiàn)，被試花了10天時間進(jìn)行“解釋幾何證明”的訓(xùn)練后，并沒有對解決需要相同知識的幾何證明題產(chǎn)生遷移。在另一項研究中，McKendree和Anderson首先讓被試完成150個LISP程序的評價任務(wù)，然后完成16個LISP程序的編寫任務(wù)；接著，又讓這些被試完成450個LISP程序的評價任務(wù)，然后再完成16個LISP程序的編寫任務(wù)。他們發(fā)現(xiàn)，被試第二次完成LISP程序的編寫任務(wù)的成績并沒有提高。

然而，以上實驗結(jié)果受到一些研究結(jié)果的挑戰(zhàn)。例如Kersney的研究表明，在編寫LISP程序和調(diào)試LISP兩種技能之間，存在著顯著的遷移。Pennington等也在“編寫LISP程序”和“評價LISP程序”之間發(fā)現(xiàn)了顯著的遷移。在對這些實驗結(jié)果進(jìn)行討論時，Pennington認(rèn)為，“編寫LISP程序”和“評價LISP程序”之間的遷移不是一種“程序性遷移”(procedural transfer)，而是一種“陳述性遷移”(declarative transfer)。也就是說，在對其中一種子技能進(jìn)行訓(xùn)練的過程中，被試對訓(xùn)練前獲得的陳述性知識進(jìn)行了精細(xì)加工，從而使得在完成另一種技能的任務(wù)時，能夠更快地將陳述性知識轉(zhuǎn)化為程序性知識，并減少了錯誤。對于片面強(qiáng)調(diào)程序性知識的作用的“共同要素理論”來說，這一觀點是一個重要的補(bǔ)充。

我國有學(xué)者在“共同要素理論”的基礎(chǔ)上提出了遷移的四因素理論，認(rèn)為兩種技能之間的遷移，受程序性知識之間的關(guān)系、對陳述性知識的精細(xì)加工、對程序性知識的精細(xì)加工、被試的先前認(rèn)知能力四個因素的綜合影響。近年來，問題解決中的遷移成為認(rèn)知心理學(xué)的關(guān)注熱點。有大量的證據(jù)表明，被試的早期問題解決技能深受與相似例子的類比的影響。問題解決中的類比策略表現(xiàn)了學(xué)習(xí)遷移在問題解決中的作用。顯然，樣例在問題解決和遷移中起著重要的作用，因此，樣例學(xué)習(xí)研究的價值和重要性就不言而喻了.大量的研究都證實了樣例學(xué)習(xí)的諸多優(yōu)點，但也有一些研究表明，樣例學(xué)習(xí)有許多弊端。如何設(shè)計樣例結(jié)構(gòu)或創(chuàng)設(shè)樣例學(xué)習(xí)系統(tǒng)減少負(fù)面影響，更好地發(fā)揮樣例的作用是值得我們研究的課題。

3.1.2ACT-R駕駛認(rèn)知行為建模應(yīng)用

駕駛認(rèn)知的描述主要有3個組成部分：駕駛?cè)蝿?wù)中具體化的駕駛認(rèn)知(embodied cognition)、駕駛執(zhí)行的任務(wù)(task)以及完成駕駛?cè)蝿?wù)駕駛員所使用的操作部件(artifact)，把它們簡稱為ETA。

駕駛建模的目標(biāo)是對ETA 部分嚴(yán)格意義上的描述, 即使模型能夠處理盡可能多的駕駛相關(guān)任務(wù),同時融入實時控制及車輛動力學(xué), 通過實時感知與運(yùn)動過程交互的認(rèn)知過程執(zhí)行駕駛?cè)蝿?wù)。已有的多數(shù)成功的駕駛行為模型證實:嚴(yán)格意義建模無論對于駕駛員行為的理解還是模型理論本身在實際系統(tǒng)開發(fā)中的實踐應(yīng)用都是非常重要的。

基于前面對ACT-R 體系以及駕駛ETA 的描述, 可以想象ACT-R 認(rèn)知體系上的駕駛行為模型必須是一個產(chǎn)生規(guī)則的執(zhí)行系統(tǒng), 同時能夠處理外部輸入并產(chǎn)生輸出,在特定約束下執(zhí)行諸如控制、監(jiān)測和決策的駕駛?cè)蝿?wù)。

為了突出認(rèn)知行為建模，必須把精力集中在認(rèn)知體系上；重點強(qiáng)調(diào)認(rèn)知體系的駕駛模型的開發(fā)。認(rèn)知體系是人類認(rèn)知能力針對特定計算行為模型的通用框架。模型把人作為系統(tǒng)所具有的行為能力和受限制具體化。人的行為能力是指記憶、回憶、學(xué)習(xí)、感知以及完成動作等能力；人受到的限制如記憶力的減退、視網(wǎng)膜對周圍信息編碼的錯覺以及運(yùn)動能力的限制等。認(rèn)知體系必須保證基于其開發(fā)的認(rèn)知模型是嚴(yán)密的并且在心理學(xué)上沒有歧義, 因此體系應(yīng)完全遵循人作為一個有機(jī)體時所滿足的所有限制。選擇ACT-R 認(rèn)知行為體系作為駕駛模型框架, 是因為它是包含由知識單元組成的說明性知識庫、作用于知識單元的條件響應(yīng)產(chǎn)生規(guī)則構(gòu)成的產(chǎn)生系統(tǒng)。

前面提到ETA 是駕駛最重要的組成部分, 事實上，基于ACT-R 的駕駛認(rèn)知行為的開發(fā)特別適合對ETA 所有3 個組成部分的表述。ACT-R 具備從基本的實驗室工作到復(fù)雜動態(tài)任務(wù)中的高層認(rèn)知和決策、適用范圍較廣的建模能力, 可以完全或幾乎完全模擬人與其所處真實的環(huán)境交互。因此, 基于ACT-R體系的模型必須遵守與人真實認(rèn)知同樣的輸入/輸出限制和真實環(huán)境所具有的動態(tài)性。為了做到這點, 模型通過感知過程和運(yùn)動行為來同時表達(dá)或描述人認(rèn)知的內(nèi)在工作和感知的外部表現(xiàn)這兩個方面。顯然, 這些特征使認(rèn)知體系特別適合于對駕駛員許多重要方面的行為進(jìn)行模擬。

3.2 關(guān)于認(rèn)知智能的思考

認(rèn)知計算，我們指的是自然語言處理、分析學(xué)、機(jī)器學(xué)習(xí)及其他的混合體。大數(shù)據(jù)分析離不開認(rèn)知計算，所以構(gòu)建認(rèn)知計算框架對大數(shù)據(jù)分析很重要。ACT-R作為一種對人的認(rèn)知理性分析的認(rèn)知計算框架，建立在前面敘述的一些假設(shè)上面，對真實的人的認(rèn)知行為進(jìn)行了簡化假設(shè)。人的認(rèn)知過程中還涉及到人的情感因素、創(chuàng)造因素，現(xiàn)在人工智能領(lǐng)域研究的認(rèn)知計算均未涉及到人的情感和創(chuàng)造兩個因素，就連人工智能航?！按L”——IBM雖然宣稱轉(zhuǎn)型做認(rèn)知解決方案，但是其認(rèn)知解決方案代言人Watson也沒有涉及到這兩個因素，我們認(rèn)為這或許可以作為認(rèn)知計算的一個切入點突破點。