摘譯:認(rèn)知體系研究綜述|深蘭科技
2.2 工作記憶
工作記憶可以被定義為和現(xiàn)有任務(wù)相關(guān)的短暫信息儲(chǔ)存機(jī)制。它對(duì)一些認(rèn)知能力非常重要,比如注意力、推理和學(xué)習(xí),因此,我們列表上的每個(gè)認(rèn)知體系都會(huì)以某些形式執(zhí)行它。工作記憶的特殊呈現(xiàn)主要區(qū)別于哪些信息被儲(chǔ)存,它是怎樣被表達(dá)、被訪問(wèn)和被維護(hù)的。另外,一些感官體系有助于正在進(jìn)行研究關(guān)于編碼、操縱和維護(hù)信息的過(guò)程,以及在人類的工作記憶中它與其他人腦過(guò)程的聯(lián)系。
盡管工作記憶對(duì)人類認(rèn)知很重要,相對(duì)較少有論文提供關(guān)于它的內(nèi)部組織和與其他模塊聯(lián)系的足夠細(xì)節(jié),它通常被概括為:“現(xiàn)有的世界狀態(tài)”或“傳感器中來(lái)的數(shù)據(jù)”。基于這些文件,我們推斷,許多工作記憶體系是作為當(dāng)前世界模型,現(xiàn)有目標(biāo)/系統(tǒng)狀態(tài)的高速緩存存儲(chǔ)器。盡管現(xiàn)在工作記憶的能力沒(méi)有明顯的極限,新的目標(biāo)或新的感官數(shù)據(jù)經(jīng)常覆蓋現(xiàn)存的內(nèi)容。這一被簡(jiǎn)化的工作記憶能在許多的符號(hào)范式體系中找到。
更多工作記憶的感官可信模型使用一種激活機(jī)制。一些最早的工作記憶內(nèi)容的激活模型在ACT-R中被執(zhí)行。像之前一樣,工作記憶中保有最多的相關(guān)知識(shí),是從有偏差決定的長(zhǎng)期記憶中恢復(fù)的。偏差是指激活,還包括有各種路徑的基礎(chǔ)級(jí)別的激活(可能上升或下降),來(lái)自鄰近元素的分散激活。一個(gè)元素的激活度越高,它就越有可能進(jìn)入工作記憶并直接影響系統(tǒng)的行動(dòng)。這被應(yīng)用在基于圖的知識(shí)表達(dá)中,節(jié)點(diǎn)代表概念,權(quán)重被賦予到邊緣上對(duì)應(yīng)概念之間的聯(lián)系。
自然地,激活也能被用在神經(jīng)網(wǎng)絡(luò)的表達(dá)上。另一個(gè)常見(jiàn)典范,把記憶表示為目標(biāo)的存儲(chǔ)共享,能被并行模塊讀取并改變的問(wèn)題和部分結(jié)果。解決問(wèn)題的方法是不斷地更新共享的短期儲(chǔ)存信息。在一些機(jī)器人科學(xué)的體系里,自我意識(shí)領(lǐng)域中,除了能為時(shí)空結(jié)合賦能還能為環(huán)境中的機(jī)器人提供實(shí)時(shí)的位置和方向信息。
同樣的,Kismet和RoboCog使用基于相機(jī)坐標(biāo)系的地圖來(lái)保存近期獲取的興趣區(qū)的信息。為了防止無(wú)限成長(zhǎng),記憶中信息的數(shù)量需要被限制。比如,在ARCADIA中,有3~6個(gè)物體;在CHREST中,有4個(gè)組塊;在 MDB中,有20條信息。然后,當(dāng)新的信息來(lái)到時(shí),最老的和最不相關(guān)的信息會(huì)被刪除來(lái)避免過(guò)載。信息也能被丟棄,如果長(zhǎng)時(shí)間不用的話。在推薦體系中,一個(gè)不同的方法可以使得工作記憶中的3-4個(gè)信息從記憶系統(tǒng)的體系中自然出現(xiàn),不需要外部參數(shù)設(shè)定。
2.3 長(zhǎng)期記憶
長(zhǎng)期記憶可以長(zhǎng)時(shí)間保存大量的信息。特別地,它被分解成隱性知識(shí)的程序性記憶(動(dòng)作技能和常規(guī)行動(dòng))還有陳述性記憶包括(顯性)知識(shí)。后者被進(jìn)一步分解成語(yǔ)義(事實(shí)的)和情景的(自傳體的)記憶。長(zhǎng)期記憶中的顯性/隱性和陳述性/程序性維度之間的二分法經(jīng)常被合并。其中的一個(gè)例外是CLARION, 其程序性和陳述性的記憶是分開(kāi)的,并且被分解成一個(gè)隱性和顯性的部分。這個(gè)區(qū)別被保存在知識(shí)表達(dá)的層面:隱形知識(shí)用類似于神經(jīng)網(wǎng)絡(luò)的分布式亞符號(hào)范式表征,而顯性特征擁有一個(gè)明顯的符號(hào)范式表征。
長(zhǎng)期記憶可以存儲(chǔ)先天知識(shí),因此幾乎所有體系都執(zhí)行程序性或語(yǔ)義記憶。程序性記憶包含在任務(wù)領(lǐng)域中完成任務(wù)方式的知識(shí)。在符號(hào)范式生產(chǎn)系統(tǒng)中,程序性知識(shí)是被因特殊領(lǐng)域而預(yù)編碼的或?qū)W習(xí)的”如果-然后“規(guī)則所代表。其他的變種包括感知運(yùn)動(dòng)模式、任務(wù)模式和行動(dòng)腳本模式。在涌現(xiàn)范式體系中,程序性記憶可能包含狀態(tài)-行動(dòng)對(duì)序列或代表感官運(yùn)動(dòng)聯(lián)系的人工神經(jīng)網(wǎng)絡(luò)。
語(yǔ)義記憶儲(chǔ)存關(guān)于物體和它們之間關(guān)系的事實(shí)。在支持符號(hào)范式推理的體系中,語(yǔ)義信息被類網(wǎng)絡(luò)的本體所執(zhí)行,節(jié)點(diǎn)對(duì)應(yīng)著概念,連接代表他們之間的關(guān)系。在涌現(xiàn)體系中,事實(shí)知識(shí)被網(wǎng)絡(luò)中的激活模式所表示。
情景式記憶可以儲(chǔ)存以往經(jīng)驗(yàn)中的特例,如果相同的情景再次出現(xiàn)的話,這些之后能夠被再利用。這些經(jīng)驗(yàn)也可以被用來(lái)學(xué)習(xí)語(yǔ)義或程序性知識(shí),比如CLARION保存動(dòng)作導(dǎo)向的經(jīng)驗(yàn),例如“輸入、輸出、結(jié)果”,并使用他們來(lái)影響未來(lái)的行動(dòng)。
2.4 全局記憶
盡管有證據(jù)支持不同的記憶系統(tǒng),把不同的知識(shí)或長(zhǎng)短期的記憶分開(kāi),使用統(tǒng)一體系來(lái)存儲(chǔ)系統(tǒng)中的所有信息。比如,CORTEX和Robocog使用一種綜合的、動(dòng)態(tài)多圖像目標(biāo)。同樣地,AIS執(zhí)行一種全局記憶,可以結(jié)合知識(shí)庫(kù),中間推理結(jié)果和系統(tǒng)的認(rèn)知狀態(tài)。DiPRA使用模糊認(rèn)知地圖來(lái)代表目標(biāo)和計(jì)劃。NARS將所有的經(jīng)驗(yàn)知識(shí)當(dāng)作Narcese中的正式語(yǔ)句,無(wú)論是陳述性的、情景式的或程序性的知識(shí)。同樣,在一些涌現(xiàn)系統(tǒng)中,例如SASE和ART中,作為工作或長(zhǎng)期記憶的神經(jīng)元的作用是動(dòng)態(tài)的,并且與神經(jīng)元是否(發(fā)放)激活有關(guān)。
總的來(lái)說(shuō),認(rèn)知體系中的記憶研究主要考慮體系、表達(dá)和檢索。因?yàn)橹悄艽淼念I(lǐng)域和時(shí)段通常是被限制的,有關(guān)保存大量記憶的挑戰(zhàn)只有相對(duì)比較少的關(guān)注度。對(duì)比之下,早期的人類長(zhǎng)期記憶能力的估計(jì)值是在1.5千兆位內(nèi)或10萬(wàn)個(gè)概念內(nèi),然而最近的發(fā)現(xiàn)表明人腦的能力可能更大。然而,盡管可獲得的計(jì)算能力有所提升,依然不可能通過(guò)簡(jiǎn)單執(zhí)行來(lái)達(dá)到人類記憶的最低估計(jì)量。因此,其他的方案包括使用現(xiàn)有方法來(lái)管理大規(guī)模數(shù)據(jù)并改進(jìn)提升檢索算法。兩種方法都被探索過(guò),前者是Soar和ACT-R,使用PostgreSQL關(guān)系型數(shù)據(jù)庫(kù)從WordNet中加載概念和關(guān)系,后者是伴生體系;蛘撸琒PA支持關(guān)聯(lián)記憶的生物可信模型,有能力表達(dá)超過(guò)10萬(wàn)個(gè)概念在脈沖神經(jīng)網(wǎng)絡(luò)WordNet中。

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
3月27日立即報(bào)名>> 【工程師系列】汽車(chē)電子技術(shù)在線大會(huì)
-
4月30日立即下載>> 【村田汽車(chē)】汽車(chē)E/E架構(gòu)革新中,新智能座艙挑戰(zhàn)的解決方案
-
5月15-17日立即預(yù)約>> 【線下巡回】2025年STM32峰會(huì)
-
即日-5.15立即報(bào)名>>> 【在線會(huì)議】安森美Hyperlux™ ID系列引領(lǐng)iToF技術(shù)革新
-
5月15日立即下載>> 【白皮書(shū)】精確和高效地表征3000V/20A功率器件應(yīng)用指南
-
5月16日立即參評(píng) >> 【評(píng)選啟動(dòng)】維科杯·OFweek 2025(第十屆)人工智能行業(yè)年度評(píng)選
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開(kāi)始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺(tái)
- 5 國(guó)產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計(jì)算迎來(lái)商業(yè)化突破,但落地仍需時(shí)間
- 7 東陽(yáng)光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開(kāi)成長(zhǎng)空間
- 8 地平線自動(dòng)駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營(yíng)收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?