ACT-R
Программное обеспечение
ACT-R
Оригинальный автор(ы)Джон Роберт Андерсон
Стабильный релиз
7.21.6-<3099:2020-12-21> / 21 декабря 2020 г. ; 4 года назад [1] ( 2020-12-21 )
Написано вОбщий Лисп
ТипКогнитивная архитектура
ЛицензияGNU LGPL v2.1
Веб-сайтакт-р.пси.cmu.edu

ACT-R (произносится /ˌækt ˈɑr/; сокращение от " Adaptive Control of Thought—Rational ") — когнитивная архитектура, в основном разработанная Джоном Робертом Андерсоном и Кристианом Лебьером в Университете Карнеги — Меллона . Как и любая когнитивная архитектура, ACT-R направлена ​​на определение базовых и нередуцируемых когнитивных и перцептивных операций, которые позволяют человеческому разуму. Теоретически каждая задача, которую могут выполнять люди, должна состоять из серии этих дискретных операций.

Большинство основных положений ACT-R также вдохновлены прогрессом когнитивной нейронауки , и ACT-R можно рассматривать и описывать как способ определения того, как организован сам мозг, таким образом, чтобы отдельные модули обработки информации могли производить познание.

Вдохновение

ACT-R был вдохновлен работой Аллена Ньюэлла , и особенно его пожизненным отстаиванием идеи единых теорий как единственного способа по-настоящему раскрыть основы познания. [2] Фактически, Андерсон обычно приписывает Ньюэллу основной источник влияния на его собственную теорию.

Как выглядит ACT-R

Как и другие влиятельные когнитивные архитектуры (включая Soar , CLARION и EPIC ), теория ACT-R имеет вычислительную реализацию в виде интерпретатора специального языка кодирования. Сам интерпретатор написан на Common Lisp и может быть загружен в любой из дистрибутивов языка Common Lisp.

Это означает, что любой исследователь может загрузить код ACT-R с веб-сайта ACT-R, загрузить его в дистрибутив Common Lisp и получить полный доступ к теории в форме интерпретатора ACT-R.

Кроме того, это позволяет исследователям определять модели человеческого познания в форме скрипта на языке ACT-R. Примитивы языка и типы данных разработаны для отражения теоретических предположений о человеческом познании. Эти предположения основаны на многочисленных фактах, полученных из экспериментов в области когнитивной психологии и визуализации мозга .

Как и язык программирования , ACT-R является фреймворком: для различных задач (например, Ханойская башня , память для текста или списка слов, понимание языка, коммуникация, управление самолетом) исследователи создают «модели» (т. е. программы) в ACT-R. Эти модели отражают предположения разработчиков моделей о задаче в рамках взгляда ACT-R на познание. Затем модель может быть запущена.

Запуск модели автоматически создает пошаговую симуляцию поведения человека, которая определяет каждую отдельную когнитивную операцию (например, кодирование и извлечение памяти, визуальное и слуховое кодирование, программирование и выполнение моторики, манипуляция ментальными образами). Каждый шаг связан с количественными прогнозами задержек и точности. Модель можно протестировать, сравнив ее результаты с данными, собранными в поведенческих экспериментах.

В последние годы ACT-R также был расширен для количественного прогнозирования паттернов активации в мозге, обнаруженных в экспериментах с фМРТ . В частности, ACT-R был расширен для прогнозирования формы и временного хода BOLD- ответа нескольких областей мозга, включая области рук и рта в моторной коре , левую префронтальную кору , переднюю поясную кору и базальные ганглии .

Краткое описание

Наиболее важным предположением ACT-R является то, что человеческое знание можно разделить на два нередуцируемых вида представлений: декларативное и процедурное .

В коде ACT-R декларативные знания представлены в виде фрагментов , т.е. векторных представлений отдельных свойств, каждое из которых доступно из помеченного слота.

Фрагменты хранятся и становятся доступными через буферы , которые являются интерфейсом модулей , т.е. специализированных и в значительной степени независимых структур мозга.

Существует два типа модулей:

  • Перцептивно-моторные модули , которые отвечают за интерфейс с реальным миром (т.е. с симуляцией реального мира). Наиболее развитыми перцептивно-моторными модулями в ACT-R являются визуальный и мануальный модули.
  • Модули памяти . В ACT-R есть два типа модулей памяти:
    • Декларативная память , состоящая из таких фактов, как Вашингтон, округ Колумбия, является столицей Соединенных Штатов , Франция является страной в Европе или 2+3=5
    • Процедурная память , состоящая из продукций. Продукции представляют собой знания о том, как мы что-то делаем: например, знания о том, как набрать букву «Q» на клавиатуре, о том, как водить машину или о том, как выполнять сложение.

Ко всем модулям можно получить доступ только через их буферы. Содержимое буферов в данный момент времени представляет состояние ACT-R в этот момент. Единственным исключением из этого правила является процедурный модуль, который хранит и применяет процедурные знания. Он не имеет доступного буфера и фактически используется для доступа к содержимому других модулей.

Процедурные знания представлены в форме продукции . Термин «продукция» отражает фактическую реализацию ACT-R как системы продукции , но, по сути, продукция — это в основном формальная нотация для указания потока информации из корковых областей (т. е. буферов) в базальные ганглии и обратно в кору.

В каждый момент времени внутренний сопоставитель шаблонов ищет продукцию, которая соответствует текущему состоянию буферов. Только одна такая продукция может быть выполнена в данный момент. Эта продукция, будучи выполненной, может модифицировать буферы и, таким образом, изменить состояние системы. Таким образом, в ACT-R познание разворачивается как последовательность срабатываний продукции.

Символический и коннекционистский споры

В когнитивных науках различные теории обычно приписываются либо « символическому », либо « коннекционистскому » подходу к познанию. ACT-R явно принадлежит к «символическому» полю и классифицируется как таковое в стандартных учебниках и сборниках. [3] Его сущности (фрагменты и продукции) являются дискретными, а его операции являются синтаксическими, то есть не ссылаются на семантическое содержание представлений, а только на их свойства, которые считают их подходящими для участия в вычислении(ях). Это ясно видно в слотах фрагментов и в свойствах сопоставления буферов в продукции, которые оба функционируют как стандартные символические переменные.

Члены сообщества ACT-R, включая его разработчиков, предпочитают думать об ACT-R как об общей структуре, которая определяет, как организован мозг и как его организация порождает то, что воспринимается (и, в когнитивной психологии, исследуется) как разум, выходя за рамки традиционных символических/коннекционистских дебатов. Ничего из этого, естественно, не противоречит классификации ACT-R как символической системы, поскольку все символические подходы к познанию направлены на описание разума как продукта функционирования мозга, используя определенный класс сущностей и систем для достижения этой цели.

Распространенное заблуждение предполагает, что ACT-R может не быть символической системой, поскольку она пытается охарактеризовать функцию мозга. Это неверно по двум причинам: во-первых, все подходы к вычислительному моделированию познания, символические или иные, должны в некотором отношении характеризовать функцию мозга, поскольку разум — это функция мозга. И, во-вторых, все такие подходы, включая коннекционистские подходы, пытаются охарактеризовать разум на когнитивном уровне описания, а не на нейронном уровне, поскольку только на когнитивном уровне могут быть сохранены важные обобщения. [4]

Дальнейшие недоразумения возникают из-за ассоциативного характера некоторых свойств ACT-R, таких как распространение активации фрагментами друг на друга или фрагментами и продукцией, несущими количественные свойства, относящиеся к их выбору. Ни одно из этих свойств не противоречит фундаментальной природе этих сущностей как символических, независимо от их роли в выборе единиц и, в конечном счете, в вычислении.

Теория против реализации и Vanilla ACT-R

Разработчики ACT-R обычно подчеркивают важность разграничения самой теории и ее реализации.

На самом деле, большая часть реализации не отражает теорию. Например, фактическая реализация использует дополнительные «модули», которые существуют только для чисто вычислительных целей и не должны отражать что-либо в мозге (например, один вычислительный модуль содержит генератор псевдослучайных чисел, используемый для создания шумных параметров, в то время как другой содержит процедуры именования для создания структур данных, доступных через имена переменных).

Кроме того, фактическая реализация призвана дать возможность исследователям модифицировать теорию, например, изменяя стандартные параметры, создавая новые модули или частично изменяя поведение существующих.

Наконец, пока лаборатория Андерсона в CMU поддерживает и выпускает официальный код ACT-R, стали доступны и другие альтернативные реализации теории. Эти альтернативные реализации включают jACT-R [5] (написанный на Java Энтони М. Харрисоном в Военно-морской исследовательской лаборатории ) и Python ACT-R (написанный на Python Терренсом К. Стюартом и Робертом Л. Уэстом в Карлтонском университете , Канада). [6]

Аналогично, ACT-RN (теперь прекращенная разработка) была полноценной нейронной реализацией версии теории 1993 года. [7] Все эти версии были полностью функциональны, и модели были написаны и запущены с использованием всех из них.

Из-за этих степеней свободы реализации сообщество ACT-R обычно называет «официальную», основанную на Lisp , версию теории, принятую в ее первоначальном виде и неизмененную, «Vanilla ACT-R».

Приложения

За прошедшие годы модели ACT-R использовались в более чем 700 различных научных публикациях и цитировались во многих других. [8]

Память, внимание и исполнительный контроль

Система декларативной памяти ACT-R использовалась для моделирования человеческой памяти с момента ее создания. В течение многих лет она была принята для успешного моделирования большого количества известных эффектов. Они включают в себя эффект веера помех для ассоциированной информации, [9] эффекты первичности и новизны для списочной памяти, [10] и последовательное припоминание. [11]

ACT-R использовался для моделирования процессов внимания и контроля в ряде когнитивных парадигм. К ним относятся задача Струпа , [12] [13] переключение задач , [14] [15] психологический рефрактерный период , [16] и многозадачность. [17]

Естественный язык

Ряд исследователей использовали ACT-R для моделирования нескольких аспектов понимания и производства естественного языка . Они включают модели синтаксического разбора, [18] понимания языка, [19] усвоения языка [20] и понимания метафор. [21]

Сложные задачи

ACT-R использовался для того, чтобы запечатлеть, как люди решают сложные задачи, такие как Ханойская башня [22] , или как люди решают алгебраические уравнения. [23] Он также использовался для моделирования поведения человека при вождении и полете. [24]

Благодаря интеграции перцептивно-моторных возможностей ACT-R становится все более популярным как инструмент моделирования человеческого фактора и взаимодействия человека с компьютером. В этой области он был принят для моделирования поведения водителя в различных условиях, [25] [26] выбора меню и визуального поиска в компьютерном приложении, [27] [28] и веб-навигации. [29]

Когнитивная нейронаука

Совсем недавно ACT-R использовался для прогнозирования паттернов активации мозга во время экспериментов по визуализации. [30] В этой области модели ACT-R успешно использовались для прогнозирования префронтальной и теменной активности при извлечении памяти, [31] активности передней поясной извилины для операций управления, [32] и изменений в активности мозга, связанных с практикой. [33]

Образование

ACT-R часто принималась в качестве основы для когнитивных репетиторов . [34] [35] Эти системы используют внутреннюю модель ACT-R для имитации поведения ученика и персонализации его/ее инструкций и учебной программы, пытаясь «угадать» трудности, которые могут возникнуть у учеников, и предоставить им целенаправленную помощь.

Такие «Когнитивные репетиторы» используются в качестве платформы для исследований в области обучения и когнитивного моделирования в рамках Питтсбургского центра науки обучения. Некоторые из наиболее успешных приложений, такие как «Когнитивный репетитор по математике», используются в тысячах школ по всем Соединенным Штатам.

Краткая история

Ранние годы: 1973–1990

ACT-R является окончательным преемником серии все более точных моделей человеческого познания, разработанных Джоном Р. Андерсоном .

Ее корни можно проследить до оригинальной модели памяти HAM (Human Associative Memory), описанной Джоном Р. Андерсоном и Гордоном Бауэром в 1973 году. [36] Модель HAM была позже расширена в первую версию теории ACT. [37] Это был первый раз, когда процедурная память была добавлена ​​к оригинальной декларативной системе памяти, вводя вычислительную дихотомию, которая, как позже было доказано, существует в человеческом мозге. [38] Затем теория была дополнительно расширена в модель человеческого познания ACT*. [39]

Интеграция с рациональным анализом: 1990–1998

В конце восьмидесятых Андерсон посвятил себя исследованию и описанию математического подхода к познанию, который он назвал Рациональным анализом . [40] Основное предположение Рационального анализа заключается в том, что познание оптимально адаптивно, а точные оценки когнитивных функций отражают статистические свойства окружающей среды. [41] Позже он вернулся к разработке теории ACT, используя Рациональный анализ в качестве объединяющей структуры для базовых вычислений. Чтобы подчеркнуть важность нового подхода в формировании архитектуры, его название было изменено на ACT-R, где «R» означает «Rational» [42]

В 1993 году Андерсон встретился с Кристианом Лебьером, исследователем в области коннекционистских моделей , в основном известным по разработке совместно со Скоттом Фальманом алгоритма обучения Cascade Correlation. Их совместная работа завершилась выпуском ACT-R 4.0. [43] Благодаря Майку Бирну (сейчас в Университете Райса ), версия 4.0 также включала дополнительные перцептивные и двигательные возможности, в основном вдохновленные архитектурой EPIC, что значительно расширило возможные применения теории.

Визуализация мозга и модульная структура: 1998–2015 гг.

После выпуска ACT-R 4.0 Джон Андерсон стал все больше интересоваться нейронной обоснованностью своей теории жизни и начал использовать методы визуализации мозга, преследуя свою собственную цель — понять вычислительные основы человеческого разума.

Необходимость учета локализации мозга подтолкнула к серьезному пересмотру теории. ACT-R 5.0 ввел концепцию модулей, специализированных наборов процедурных и декларативных представлений, которые могли быть сопоставлены с известными системами мозга. [44] Кроме того, взаимодействие между процедурными и декларативными знаниями опосредовалось недавно введенными буферами, специализированными структурами для хранения временно активной информации (см. раздел выше). Считалось, что буферы отражают кортикальную активность, и последующая серия исследований позже подтвердила, что активация в кортикальных областях может быть успешно связана с вычислительными операциями над буферами.

Новая версия кода, полностью переписанная, была представлена ​​в 2005 году как ACT-R 6.0. Она также включала значительные улучшения в языке кодирования ACT-R. Это включало новый механизм в спецификации производства ACT-R, называемый динамическим сопоставлением шаблонов. В отличие от предыдущих версий, которые требовали, чтобы шаблон, сопоставленный производством, включал определенные слоты для информации в буферах, динамическое сопоставление шаблонов позволяет сопоставлять слоты, которые также должны быть указаны содержимым буфера. Описание и мотивация для ACT-R 6.0 приведены в Anderson (2007). [45]

ACT-R 7.0: 2015-настоящее время

На семинаре 2015 года утверждалось, что изменения в программном обеспечении требуют увеличения нумерации моделей до ACT-R 7.0. Основным изменением программного обеспечения стало устранение требования, чтобы фрагменты были указаны на основе предопределенных типов фрагментов. Механизм типа фрагмента не был удален, но был изменен с обязательной конструкции архитектуры на необязательный синтаксический механизм в программном обеспечении. Это позволило добиться большей гибкости в представлении знаний для задач моделирования, требующих изучения новой информации, и расширило функциональность, предоставляемую посредством динамического сопоставления с образцом, теперь позволяющего моделям создавать новые «типы» фрагментов. Это также привело к упрощению синтаксиса, необходимого для указания действий в производстве, поскольку все действия теперь имеют одинаковую синтаксическую форму. Программное обеспечение ACT-R также было впоследствии обновлено для включения удаленного интерфейса на основе JSON RPC 1.0. Этот интерфейс был добавлен для упрощения создания задач для моделей и работы с ACT-R из языков, отличных от Lisp, а учебное пособие, включенное в программное обеспечение, было обновлено с целью предоставления реализаций Python для всех примеров задач, выполняемых учебными моделями.

Семинар и летняя школа

В 1995 году Университет Карнеги-Меллона начал проводить ежегодный семинар и летнюю школу ACT-R. [46] В настоящее время их семинар ACT-R проводится на ежегодной конференции MathPsych/ICCM, а их летняя школа проводится на территории кампуса с возможностью виртуального участия в Университете Карнеги-Меллона .

Спин-оффы

Длительное развитие теории ACT-R привело к появлению ряда параллельных и взаимосвязанных проектов.

Наиболее важными из них являются система производства PUPS , первоначальная реализация теории Андерсона, от которой позже отказались; и ACT-RN [7] — нейросетевая реализация теории, разработанной Кристианом Лебьером.

Линн М. Редер, также работающая в Университете Карнеги-Меллона , в начале 1990-х годов разработала SAC — модель концептуальных и перцептивных аспектов памяти, которая во многом схожа с базовой декларативной системой ACT-R, хотя и отличается некоторыми предположениями.

Для своей диссертации в Университете Карнеги — Меллона Кристофер Л. Дэнси разработал и успешно защитил в 2014 году ACT-R/Phi [ 47] — реализацию ACT-R с добавленными физиологическими модулями, которые позволяют ACT-R взаимодействовать с физиологическими процессами человека.

Легкая реализация компонента рабочей памяти ACT-R на Python, pyACTUp , [48] была создана Доном Моррисоном из Университета Карнеги-Меллона , который поддерживает кодовую базу ACT-R. Эта библиотека реализует ACT-R как унимодальную контролируемую модель обучения для задач классификации.

Примечания

  1. ^ "ACT-R » Программное обеспечение". ACT-R.psy.cmu.edu . Получено 2021-03-24 .
  2. ^ Ньюэлл, Аллен (1994). Унифицированные теории познания . Кембридж, Массачусетс: Издательство Гарвардского университета. ISBN 0-674-92101-1.
  3. ^ Полк, Т.А.; К. М. Зейферт (2002). Когнитивное моделирование . Кембридж, Массачусетс: MIT Press. ISBN 0-262-66116-0.
  4. ^ Пилишин, З. В. (1984). Вычисление и познание: к основанию когнитивной науки . Кембридж, Массачусетс: MIT Press. ISBN 0-262-66058-X . 
  5. ^ Харрисон, А. (2002). jACT-R: Java ACT-R. Труды 8-го ежегодного семинара ACT-R PDF Архивировано 7 сентября 2008 г. на Wayback Machine
  6. ^ Стюарт, TC и Уэст, RL (2006) Деконструкция ACT-R. Труды седьмой международной конференции по когнитивному моделированию PDF
  7. ^ ab Lebiere, C., & Anderson, JR (1993). Коннекционистская реализация производственной системы ACT-R. В трудах пятнадцатой ежегодной конференции Cognitive Science Society (стр. 635–640). Mahwah, NJ: Lawrence Erlbaum Associates
  8. ^ [1] Публикации ACT-R и опубликованные модели - CMU
  9. ^ Андерсон, Дж. Р. и Редер, Л. М. (1999). Эффект вентилятора: новые результаты и новые теории. Журнал экспериментальной психологии: Общие сведения , 128 , 186–197.
  10. ^ Андерсон, Дж. Р., Ботхелл, Д., Лебьер, К. и Матесса, М. (1998). Интегрированная теория памяти списков. Журнал памяти и языка , 38 , 341–380.
  11. ^ Андерсон, Дж. Р. и Матесса, М. П. (1997). Теория производственной системы последовательной памяти. Psychological Review, 104 , 728–748.
  12. ^ Ловетт, М. К. (2005) Стратегическая интерпретация Струпа. Когнитивная наука, 29 , 493–524.
  13. ^ Juvina, I., & Taatgen, NA (2009). Учет подавления повторений межиспытательных эффектов в модифицированной парадигме Струпа. Acta Psychologica, 131(1) , 72–84.
  14. ^ Альтманн, Э. М. и Грей, У. Д. (2008). Интегрированная модель когнитивного контроля при переключении задач. Psychological Review, 115 , 602–639.
  15. ^ Sohn, M.-H., & Anderson, JR (2001). Подготовка и повторение задач: двухкомпонентная модель переключения задач. Журнал экспериментальной психологии: Общие сведения .
  16. ^ Бирн, МД и Андерсон, Дж. Р. (2001). Последовательные модули параллельно: психологический рефрактерный период и идеальное разделение времени. Psychological Review, 108 , 847–869.
  17. ^ Сальвуччи, Д.Д. и Таатген, Н.А. (2008). Потоковое познание: интегрированная теория параллельной многозадачности. Psychological Review , 130(1), 101–130.
  18. ^ Льюис, Р. Л. и Васишт, С. (2005). Модель обработки предложений на основе активации как квалифицированного извлечения памяти. Когнитивная наука, 29 , 375–419
  19. ^ Будиу, Р. и Андерсон, Дж. Р. (2004). Обработка на основе интерпретации: унифицированная теория семантической обработки предложений. Когнитивная наука, 28 , 1–44.
  20. ^ Taatgen, NA & Anderson, JR (2002). Почему дети учатся говорить «сломался»? Модель обучения прошедшему времени без обратной связи. Cognition , 86(2) , 123–155.
  21. ^ Budiu R., & Anderson JR (2002). Понимание анафорических метафор. Память и познание, 30 , 158–165.
  22. ^ Альтманн, Э. М. и Трафтон, Дж. Г. (2002). Память для целей: модель, основанная на активации. Когнитивная наука , 26 , 39–83.
  23. ^ Андерсон, Дж. Р. (2005) Манипулирование человеческими символами в рамках интегрированной когнитивной архитектуры. Когнитивная наука, 29(3) , 313–341.
  24. ^ Бирн, МД, и Кирлик, А. (2005). Использование вычислительного когнитивного моделирования для диагностики возможных источников авиационных ошибок. Международный журнал авиационной психологии, 15 , 135–155. doi :10.1207/s15327108ijap1502_2
  25. ^ Сальвуччи, Д.Д. (2006). Моделирование поведения водителя в когнитивной архитектуре. Человеческие факторы , 48 , 362–380.
  26. ^ Salvucci, DD, & Macuga, KL (2001). Прогнозирование влияния набора номера сотового телефона на производительность водителя. В трудах Четвертой международной конференции по когнитивному моделированию , стр. 25–32. Mahwah, NJ: Lawrence Erlbaum Associates.
  27. ^ Бирн, МД, (2001). ACT-R/PM и выбор меню: применение когнитивной архитектуры к HCI. Международный журнал исследований взаимодействия человека и компьютера , 55 , 41–84.
  28. ^ Флитвуд, МД и Бирн, МД (2002) Моделирование поиска значков в ACT-R/PM. Исследования когнитивных систем , 3 , 25–33.
  29. ^ Фу, Вай-Тат; Пиролли, Питер (2007). «SNIF-ACT: когнитивная модель пользовательской навигации во Всемирной паутине» (PDF) . Взаимодействие человека и компьютера . 22 (4): 355–412 . Архивировано из оригинала (PDF) 2010-08-02.
  30. ^ Андерсон, Дж. Р., Финчам, Дж. М., Цинь, И. и Стокко, А. (2008). Центральный контур разума. Тенденции в когнитивных науках , 12(4) , 136–143
  31. ^ Sohn, M.-H., Goode, A., Stenger, V. A, Carter, CS, & Anderson, JR (2003). Конкуренция и представление во время извлечения памяти: роли префронтальной коры и задней теменной коры, Труды Национальной академии наук, 100 , 7412–7417.
  32. ^ Sohn, M.-H., Albert, MV, Stenger, V. A, Jung, K.-J., Carter, CS, & Anderson, JR (2007). Ожидание мониторинга конфликта в передней поясной коре и префронтальной коре. Труды Национальной академии наук, 104 , 10330–10334.
  33. ^ Qin, Y., Sohn, MH, Anderson, JR, Stenger, VA, Fissell, K., Goode, A. Carter, CS (2003). Прогнозирование эффектов практики на функцию фМРТ, зависящую от уровня оксигенации крови (BOLD), в задаче символической манипуляции. Труды Национальной академии наук Соединенных Штатов Америки. 100(8) : 4951–4956.
  34. ^ Льюис, М. В., Милсон, Р. и Андерсон, Дж. Р. (1987). Ученик учителя: Разработка интеллектуальной авторской системы для математики в средней школе. В GP Kearsley (ред.), Искусственный интеллект и обучение . Reading, MA: Addison-Wesley. ISBN 0-201-11654-5 . 
  35. ^ Андерсон, Дж. Р. и Глюк, К. (2001). Какую роль когнитивные архитектуры играют в интеллектуальных системах обучения? В D. Klahr & SM Carver (Eds.) Cognition & Instruction: Twenty-five years of progress , 227–262. Lawrence Erlbaum Associates. ISBN 0-8058-3824-4 . 
  36. ^ Андерсон, Дж. Р. и Бауэр, Г. Х. (1973). Ассоциативная память человека . Вашингтон, округ Колумбия: Winston and Sons.
  37. ^ Андерсон, Дж. Р. (1976) Язык, память и мышление . Махва, Нью-Джерси: Lawrence Erlbaum Associates. ISBN 0-89859-107-4 . 
  38. ^ Коэн, Н. Дж. и Сквайр, Л. Р. (1980). Сохранение обучения и сохранение навыка анализа образов при амнезии: диссоциация знания как и знания что. Наука , 210(4466) , 207–210
  39. ^ Андерсон, Дж. Р. (1983). Архитектура познания . Кембридж, Массачусетс: Издательство Гарвардского университета. ISBN 0-8058-2233-X . 
  40. ^ Андерсон, Дж. Р. (1990) Адаптивный характер мышления . Махва, Нью-Джерси: Lawrence Erlbaum Associates. ISBN 0-8058-0419-6 . 
  41. ^ Андерсон, Дж. Р. и Скулер, Л. Дж. (1991). Отражения окружающей среды в памяти. Психологическая наука , 2 , 396–408.
  42. ^ Андерсон, Дж. Р. (1993). Правила разума . Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates. ISBN 0-8058-1199-0 . 
  43. ^ Андерсон, Дж. Р. и Лебьер, К. (1998). Атомарные компоненты мысли . Хиллсдейл, Нью-Джерси: Lawrence Erlbaum Associates. ISBN 0-8058-2817-6 . 
  44. ^ Андерсон, Дж. Р. и др. (2004) Интегрированная теория разума. Psychological Review , 111(4) . 1036–1060
  45. ^ Андерсон, Дж. Р. (2007). Как человеческий разум может возникнуть в физической вселенной? Нью-Йорк, Нью-Йорк: Oxford University Press. ISBN 0-19-532425-0 . 
  46. ^ "ACT-R » Мастер-классы".
  47. ^ Дэнси, CL, Риттер, FE, и Берри, K. (2012). На пути к добавлению физиологического субстрата в ACT-R. На 21-й ежегодной конференции по представлению поведения в моделировании и имитации 2012, BRiMS 2012 (стр. 75-82). (21-я ежегодная конференция по представлению поведения в моделировании и имитации 2012, BRiMS 2012).
  48. ^ Моррисон, Дон. "pyactup". github.com . Получено 15 сентября 2023 г. .

Ссылки

  • Андерсон, Дж. Р. (2007). Как человеческий разум может возникнуть в физической вселенной? Нью-Йорк, Нью-Йорк: Oxford University Press. ISBN 0-19-532425-0 . 
  • Андерсон, Дж. Р., Ботхелл, Д., Бирн, М. Д., Дуглас, С., Лебьер, К. и Цинь, И. (2004). Интегрированная теория разума. Psychological Review , 1036–1060.
  • Официальный сайт ACT-R – с большим количеством онлайн-материалов, включая исходный код, список публикаций и учебные пособия.
  • jACT-R – переписанный на Java ACT-R
  • ACT-R: среда моделирования и разработки Java – еще одна открытая Java-реализация ACT-R
  • Python ACT-R – реализация ACT-R на Python
  • pyactr – еще одна реализация ACT-R на Python
  • gactar – инструмент с открытым исходным кодом для изучения реализаций ACT-R
Взято с "https://en.wikipedia.org/w/index.php?title=ACT-R&oldid=1258671091"