訂閱
糾錯(cuò)
加入自媒體

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。

<上一頁(yè)  1  2  3  
聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

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

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號(hào)