自我认知智能

关键词： 实现 智能 认知 系统

自我认知智能（精选四篇）

自我认知智能 篇1

认知无线电是当前通信研究领域的热点之一, 对如何实现认知无线电系统的“认知”功能, 如何使认知无线系统具有智能化功能, 如何实现系统信息的收集融合、情景意识、查询执行命令, 如何实现资源的协商共享等, 目前国内相关的研究还较少。

将本体论与智能体理论引入认知无线电系统, 来构建认知无线电的智能多级代理模型, 通过外部代理系统会使得认知无线电用户得到更多的业务支持, 会使得其意识功能进一步增强, 有效运行能力不断提高, 有助于进一步完善提高认知无线电系统功能, 这是认知无线电发展的重要趋势之一。

1模型设计背景

认知无线电是在软件无线电的基础上发展起来的一种新的智能无线通信技术, 是软件无线电的扩展。认知无线电基本思想通过感知周围的通信环境, 搜寻频谱空穴, 并合理利用发现的频谱空穴。其主要功能包括:环境干扰温度计算、频谱空穴探测、信道状态估计、信道容量预测、功率控制和频谱管理等。

本模型设计主要基于认知无线电知识表示与学习层面, 利用本体与多智能体理论构建认知无线电智能代理。通过智能代理来实现对于环境信息的收集、查询和使用, 通过信息的收集获取来调整系统的状态。由于模型利用多节点的传输信息, 使得这些信息与自身传输协议参数相关联, 这样无线电具有更强的情景意识功能。基于本体论及多智能体理论的代理设计, 可大大简化认知无线电各功能模块的设计, 同时有利于海量信息资源实现共享, 提高其智能等级。

模型设计思想来源于电子商务及人工智能, 为了更好地研究网上交易过程, 人们将传统的协商思想引入电子商务, 形成了电子商务协商的概念。在电子商务环境中, 本体论可以有效地进行知识表达, 知识查询或不同领域知识的语义消解。本体论还可以支持更丰富的商务服务发现、匹配和组合, 提高自动化程度。采用本体论进行知识表示, 从而可以和其他系统进行知识的共享, 共同协作完成复杂的任务。特别是对于多领域情况, 基于本体的方法是有效的动态语义知识共享方法。智能体是一个具有感知、推理和行为等基本特性的软件实体。也就是说, 可以感知外部环境的变化, 并可以通过学习和推理, 调整自身的行为以适应这种变化。

认知无线电的大部分实体功能是可由智能代理来完成的, 基于本体及多智能体的多级代理模型设计, 可为认知无线电提供必备的功能。如信息收集和融合、自意识、意识约束、查询功能、命令执行、各层的动态互用性、情景意识和资源协商等。

2智能代理模型设计

2.1基于本体的智能体

Ontology (本体) 的概念最初起源于哲学领域, 在很长一段时期内都是哲学研究的一个分支。近年来, 本体被人工智能界赋予了新的定义。大多数研究者把本体当作领域内部不同主体 (人、机器、软件系统等) 之间进行交流 (对话、互操作、共享等) 的一种语义基础, 由本体提供一种共识。本体作为通信、互操作和系统工程的基础, 必须经过精心设计。本体的创建需要一套完善的工程化的方法来支持, 特定的专用本体还需要专家进行参与, 大多数本体只是针对某个具体领域而创建的, 基于本体的信息处理的基本模型如图1所示。

Agent (智能体) 作为一个独立的智能实体, 在采用面向对象的思想对进行设计和实现时, 首先在功能结构上给出分层结构, 根据功能结构分为通讯层、反应层和本体知识层。通讯层负责与外部环境或其他进行交互;知识层包括本体知识的表达和存储;反应层则根据知识层的信息决定行为。在内部类设计的时候, 要充分考虑到各层的功能实现及相互协调机制。智能体系统接收从环境中感知的输入, 并产生输出动作作用于环境。这种交互通常是一个连续不断的过程, 在复杂适度的环境中, 不能完全控制自己的环境, 最多只能部分地控制对环境产生影响。这意味着在相同的环境中同一个动作执行2次可能会出现完全不同的效果, 特别是可能无法产生理想的效果。假定一般情况下环境是不确定的, 与环境的交互从某个状态开始, 选择一个动作作用于这个状态, 动作的结果是环境可能到达某些状态, 然而, 只有一个状态可以真正实现, 当然, 事先并不知道哪个状态会实现。在第2个状态的基础上, 继续选择一个动作执行, 环境到达可能状态集中的一个状态。然后, 再选择另一个动作, 如此继续下去。

在图2中, 学习材料智能体负责领域知识的内容和组织, 它回答其他代理关于领域知识的询问。这些领域知识恰恰是其他代理完成自身功能所必需的, 当学习者建模智能体需要额外的关于学习者的信息来建构一个学习者模型时, 它要求学习支持智能体给学习者提出有关问题, 接口智能体则把学习者的答案或行为传给学习者建模智能体。接口智能体负责学习者和系统之间的相互反映, 并且监控学习者的行为, 把信息传给其他的相关智能体, 学习者建模智能体负责回答其他智能体的关于学习者和模型本身的询问。

每个智能体都有几个重要的功能模块, 学习者模型智能体是这一开放体系的核心智能体, 由学习者模型模块、问题解决模块和交流模块组成。其中交流模块对所有代理都是共同的, 它控制与其他代理之间的交流, 包括信息的发送与接受、翻译信息、术语执行等。为了使各代理之间交流顺畅, 必须选取通用词汇, 以便为各个系统共享, 本体可以承担这种角色。

2.2代理模型的构建

认知无线电的发展给本体应用提出了新的机遇与挑战:① 实时处理比交互式应用和推理要求更高的性能;② 知识库多需不断变化, 而不是静态的知识库;③ 无线电并不能访问语义网来得到相关的支持;④ 大多数无线电设备是不断移动的, 链路性能是带宽受限的同时也是时变的。因此对于基于本体和多智能理论建立智能代理库必须做到以下4点:① 选择一种本体语言;② 取得领域内的相关信息;③ 重用目前已有的本体;④ 统一种开关工具。

利用本体作为知识体进行自然语言理解, 能够有效地把语言学知识和世界知识结合起来, 运用世界知识对文本进行消歧。此外本体与知识系统的知识库相融合, 使得自然语言理解不仅仅是作为一种人机交互方式, 而且能够与其他的基于知识的智能系统如专家系统整合。虽然基于本体的智能检索技术研究仍处于发展的前期, 还有很多研究难题, 但其已经引起相关专家学者们的广泛关注。

基于多智能体代理环境下实现代理系统的构建, 具体结构描述如下:

①数据层:有机地整合多源数据, 并提供远程访问其它相关数据的接口;

② 语义图层:在已有数据库资源的基础上, 如采用RDF、OWL等描述语言对数据库的各类数据和资源进行语义描述和关系映射, 建立一个领域知识的核心语义图。该语义图可扩展、可读写、可推导, 逐步构建领域的本体;

③ 推理层:推理规则的提取与描述, 利用推理引擎实现知识推理和新知识发现的功能;

④ 查询层:在语义图的基础上, 利用推理功能, 根据服务的需要, 可建立知识查询服务;

⑤ 接口层:在一个查询界面下实现跨数据库查询和数据整合, 使得用户查询更加便利和全面, 提供用户和应用程序接口。

认知无线电用户通过智能体代理, 实现信息的询问、推理和搜索, 这些工作步骤由基于本体语言通过询问智能体、推理智能体和搜索智能体来完成信息交换, 由信息信集成智能体、本地信息库、远程信息库以及海量信息资源库来构成模型庞大的信息资源系统。满足认知无线电系统的知识学习、信息询问、推理和搜索功能, 同时能够实现认知无线电用户信息的上传至信息库, 认知无线电用户之间可实现信息资源的共享。多级智能体代理模型的设计, 可简化认知无线电终端的设计, 便于认知无线电系统功能升级。系统模型基于本体的语言开发与设计, 这将有利于系统与现在的各种资源库实现相关链接, 可见此类模型开发设计的前景是不言而喻的。

整个代理模型的示意图如图3所示。

3应用实例

3.1系统工作频率误差调整

如系统需要稳定的工作频率, 则需对当前的信道进行估计并把估计值回传给发射机, 同时根据信道参数来调整发射参数。认知无线电的思想是通过改变发射频率、速率、星座图大小、编码速率、编码机制。同时用这些参数的任意组合来维持系统稳定的工作状态。

相关的实验中, 无线电监测其频率差、信道多径结构的频率扩展、频率均衡器均方根误差。用基于本体适当的查询语言就能进行查询。如下面进行QWL-QL查询, 无线电A向无线电B查询有关多径参数和接收机B的均方判决误差等信息。

queryPattern>

如当无线电A向无线电B发出查询, 查询通过多级智能体来执行, 当B接收查询时, 它就向多级智能体发出查询需求, 由多级智能体来推导答案, 由于查询语言是由设备共享的本体表示的, 其查询结果由基于多级智能体的代理体系反馈给无线电B。无线电用户可根据查询结果调整其内部状态来提高通信质量。

3.2系统自适应学习功能

基于本体的学习可以通过使用机器学习方法来实现自动本体构造以及语义注释, 其实用性是与表示通信系统大量的信息所需的大量人工本体构造紧密相关的。固定本体系统实现可预见的主要包括查询、响应和推理。但是无线电的不断发展就决定了本体必须不断发展, 如WiFi十几年前是一个未被公认的标准IEEE802.11g在2000年之前是没有的, 到2004年才出现, 目前新协议、标准及其派生子类不断出现。缺少自适应学习的认知无线电系统显然是不能满足需要的, 而基于多智能体的本体自适应学习正是自动实现这种演化的有效机制。

4结束语

将本体及多智能体引入认知无电系统来构建认知无电的多级智能代理模型, 解决认知无线电的相应需求, 所举的例子都是使用认知的陈述性表示的, 目的是表明模型可以通过这样的知识表示来实现查询、推断和回复。通过代理模型可以实现认知无线电的相应功能, 同时也是认知无线电发展的重要趋势之一。

摘要：认知无线电系统是能够根据无线电的内部状态和外部环境的变化而变化且能调整其行为, 如果内部状态和外部环境的变化超出了系统事先规定的行为集, 系统将可能停止相关的操作。将本体论引入认知无线电系统的知识的学习与表示层面, 用多智能体的相关理论来构建认知无线电系统多级智能代理模型, 来实现认知无线电系统强大的“认知”功能。通过分析基于本体及多智能体的代理模型具有很好的实际应用前景, 将是认知无线电的发展趋势之一。

关键词：认知无线电,智能代理,设计

参考文献

[1] MITOLA J. Software Radios-survey, Cognitive Radio Evaluation and Future Directions[J].IEEE Aerospace and Electronic Systems Magazine, 1993, 8 (4) :25-36.

[2] MITOLA J. Cognitive Radio for Flexible Mobile Multimedia Communications[J].Mobile Networks and Applications, 2001, 6 (5) :435-4411.

[3] MITLI J.Cognitive Radio-Making Software Radios More Personal[J].IEEE Personal Communications, 1999, 6 (4) :13-181.

[4] CARBONE M, NIELSEN M, SASSONE V.A Formal Model for Trust in Dynamic Networks[C]//Proceedings of International Conference on Software Engineering and Formal Methods.2003:54-61.

自我认知与自我评价 篇2

（2）职业能力：职业能力是在学习活动和职业活动中发展起来的，直接影响职业活动的效率，使职业活动得以顺利完成的个性心理特征。职业能力表现在相应的职业活动中。从事同一职业的人们，在相同的条件下，如果职业兴趣和职业性格不同，就使他们的职业能力形成差异。

（3）职业能力的构成由于职业能力是多种能力的综合，因此我们可以把职业能力分为一般职业能力、专业能力和职业综合能力。

①一般职业能力

主要指一般的学习能力、文字与语言运用能力、数学运算能力、空间判断能力、形体知觉能力、颜色分辨能力、手的灵巧度、手眼协调能力等；此外，任何职业岗位的工作都需要与人打交道，因此人际交往能力、与他人良好协作的团队合作能力、生活与工作环境的适应能力以及面对失败和挫折的心理承受能力也是与职业能力相关的、不可缺少的能力。

②专业能力

自我认知的能量 篇3

一个普通的工作日会带来很多消极的感觉。比如：你在进入办公室之前就知道今天的日程满满的，这可真让人感到压抑。跟难缠的客户打交道可能引起焦虑，展示新产品会让我们感到紧张。

比起普通员工，经理人的压力通常相对更大一些，烦躁及焦虑的几率也就更高，相应地，对工作造成的负面影响也更大；更为可怕的是，这种负面情绪往往会殃及下属，而一旦员工感到自己被迁怒，心目中的经理人形象一定迅速恶化。

“如果开始工作的时候就忧心忡忡，那整个工作都会受到这种情绪的影响”，心理学家Tony

Dunderfelt说，人的焦虑情绪会影响到别人，在这种环境之下人们会不想交流，“因为没人想让自己更烦躁。一个人烦躁会引起一连串人的负面情绪”。

警惕负面情绪

Dunderfelt说：如果情绪不好，人们会觉得日常工作的压力更大。在一般情况下，焦虑意味着人们已经提前产生了烦躁的情绪。在这种情况下多数人的思维模式是：“这样下去会发生什么？”或者“天哪，这样肯定会出错。”

比如：当一个人跟一个难缠的客户谈判的时候，他会担心自己是否能取胜。这意味着他会更多地考虑或者更关心失败的可能。这样他就会忘记很多控制局面的技巧并最终将谈判推向失败。

除了反映在情绪上之外，焦虑和恼怒也会表现在身体上。比如：手心出汗，头疼。有些人会胃部不适，心跳加速。有些人甚至会恶心、呕吐。

但“不幸”的是，大多数经理人没有意识到这是由于情绪产生的，也不会意识到情绪会影响身体的能量——那种有助肾功能、心脏和血液循环的能量。“如果我们能减少焦虑、愤怒的情绪，我们会增加60%～80%这种能量。”Dunderfelt说。

学会“控制”情绪

Dunderfelt称之为“磁带”。“多数人知道，如果他们能更平静地处理事情，每件事都会做得更好。但一旦人的情绪产生变化，多数人会忘了这条原则。”

Dunderfelt说，“情绪的产生往往是不受控制的。在我们内心，它是一种自我运行的心理机器。”但他同时认为，人们可以通过一些简单的练习来学习如何释放情绪，学会更了解自己的身体。

想法先于行动

在锻炼自我认知的时候，基本的法则是学会观察我们内心是如何产生情绪的。这有助于我们了解行为的真实原因。

每个人的行动都是由想法指引的。我们的行为基于思考、动机和情绪。

自我认知意味着对个人个性及其功能的探索。比如：经理人可以时常问问，如果是我，该怎么办。“比如：我想感受由于开会带来的压力，我就会观察别人在会议上的情绪表现。然后我就问自己，如何才能减少这种压力。”

Dunderfelt说。

穿透心理防线

这种自我认知的障碍来自于人们的自我保护意识。“由于经验过困难等负面经历，人们都会建立起自我保护的意识。如果曾经由于某种方法而摆脱困境，那么人们会倾向于在同样情况下使用同样的方法，以避免更大的麻烦发生。这种自我保护意识就像一层‘心理的皮肤’。当这种自我保护意识遇到威胁的时候，感觉就像有人用刀对着我们一样。”

Dunderfelt说。

比如：有的经理人极其害怕威胁，而这也许是因为他小时候害怕被老师和家长责骂造成的。这时他应该告诉自己这是由于童年的影响，Dunderfelt将这种能客观看待自己心理倾向并能朝好的方向转变的能力称为“分裂”。

Dunderfelt说人们通常相信应该按照内心的想法去行动。但是，如果锻炼了自我认知的能力，我们就能学会不受我们的感受和情绪所左右。

“自我认识意味着人们能客观地观察自己就像观察天气一样，仿佛下雨了、天晴了；情绪产生了然后又消失了。”Dunderfelt说。

观察想法

Dunderfelt创见了一种特别的个人训练工具，来去除内在情绪的影响。这个工具是基于自觉地观察个人心理“机器”是怎样工作的。这只需要30秒，就是最忙的人也能做到。对经理人来说，这可是个好消息。

比如：你要做一件常会让你感到烦躁的事情。Dunderfelt的建议是：“在离开办公室之前，你就想像那种烦躁，想像你想尽办法也没解决问题。观察你自己，你就能发现这种烦躁是怎么产生的。胃部是什么感觉，呼吸是怎样的？你可能要疯了，这就是你的感觉。但你什么都没做。”

“坏情绪更厉害了，简直让人承受不了。要是真的像想像中那样呢？突然你发现那种不愉快消退了，这一切可能发生在30妙内。”

“现在你去做该做的事，想像并没有发生。这时你发现坏情绪只是你的心理暗示，如果真发生了，它也帮不上任何忙。”

这种训练对于经理人来说也同样适用。根据Dunderfelt的观点，人们只需要简单的练习就能明白，焦虑这种情绪是一种内心的“磁带”，记录了过去负面的体验。

Dunderfelt强调，不是仅仅了解自己的情绪是可以控制的就够了，真正的练习是非常必要的。

对事不对人

“在工作环境中，我们时常对人发火，而且都把责任推给对方，我们会想这人真不可理喻。尽管我们都承认每个人都有好的一面，但生气的时候就不这么想了。”

Dunderfelt说。当我们要反馈信息的时候，我们应该尽量对事不对人。“反馈必须是针对某事的，务必不要指向他的个性。同时，我们必须态度明确，表达清晰。”这一点，对经理人来说，格外有用。

让我们设想一个情形，一位经理对A员工在会议上批评B员工感到不满。他就可以这样说：“你不觉得你对B的评价有失公允吗？我记得你说B什么也没有做，这是真的吗？如果这真的是个问题，你觉得还有其他解决的办法吗？”

如果对方否认或者表现得很抗拒，职位高的人应该有足够的办法让谈话继续。重要的是发现对方为什么烦躁，而不是只关注他所表现的情绪。

“这并不容易。职位较高的人应该对当事人的解释表现得很有耐心。”

Dunderfelt说。但是他相信多数经理人明白：“一个好的领导不会对一个雇员下判断，或者去证明自己对他的判断。他只希望员工在团队中把自己的能力发挥出来。”

正面看待新体验

自我认知一个重要的起点，是对自己的新体验有一个正面的态度。我们必须承认和接受我们情绪的本来面目。

像构思一个小说情景那样来想像一个环境是个不错的开始。比如：一个经理人不愿意在会上宣布有人要被辞退的通知。他知道某人犯错误了，他必须被开除。同时，他知道宣布这样的通知是很令人沮丧的。所以他会认为这种任务对他来说是个挑战。他应该告诉自己，好的经理必须具备处理好这样的问题的能力和技巧。

“另外一种练习是站在镜子前，仔细研究自己皱眉的表情。然后我们对着自己微笑，先是眼睛然后是双颊。”然后我们想想那些让我烦恼的事情是不是那么重要。常常这样练习我们会发现，那些让人烦恼的事情并不像已经“存”在脑海中的那么让人难受。

领导力的新工具

员工对个人的成长负有责任。经理人作为员工的指导者，更有责任培养个人的认知能力。缺少自我认知能力的领导者很难真正称为“领导”。

“家长和老师知道他们必须教育孩子。孩子们是最‘烦人’的群体。家长和老师知道他们必须表现得像成年人。但当大人的情绪不好的时候，就常常忘了这一点。只有我们能进入到自己的内心，释放内心的能量，才能做得像成人或者领导那样。”

Dunderfelt说。

Dunderfelt认为：“现代领导人不只要表现得像一个经理，他们应该有互动能力，更像一个教练。另外他们还要能鼓舞士气，成为一个充满活力的团队带头人。”但是，选择干部的时候，心理标准并不被看重。他们可能因为在团队中表现出色而提拔。他们可能是一流的财务专家，但这并不意味着他们能成为一个好的领导。

经理人们已经发现他们对具备自我认知能力的重视。在Dunderfelt的训练课上，很多参与者建议我们讨论哲学和宗教的问题。不过针对经理人的训练也是从基础开始的，首先他们应该学会如何让员工愉快地开始一天的工作，愿意相互倾听和讨论问题。

（本文为本刊合作刊物芬兰《WalkAbout》杂志授权文章）

人工智能工具SOAR认知模型构建 篇4

认知模型是为了从某些方面探索和研究人的思维机制, 关于固定机制和结构的理论, 这种理论构成了人类认知的基础。认知科学目前在前沿科技的最大应用, 就是人工智能, 如中医诊断系统, 智能游戏等。认知模型迄今可分为两大类:一类是联接主义模型, 代表是由Mc Clelland (1986) 提出的并行分布处理 (PDP) ;另一类是符号主义处理模型, 其代表是John K.Anderson (1983) 提出的思维的适应控制 (ACT) 和Allon Newell (1986) 提出的状态算子和结果 (SOAR) 。本文主要对SOAR进行介绍。

SOAR模型是通用的问题求解程序, 以知识块理论为基础, 利用基于规则的记忆, 获取搜索控制知识和操作符, 即能从经验中学习, 能记住自己是如何解决问题的, 并把这种经验和知识用于以后的问题求解过程之中, 实现通用问题求解。SOAR模型与人类的认知系统更加接近, 是目前首屈一指的认知模型。

二、SOAR的发展概况

(一) 最初模型。

SOAR模型目前已经走过34年的发展。2014年6月16日, 密歇根大学安娜堡分校举办了第三十四届SAOR研习会, 经过不断完善, 目前的版本已经到了v9.3.2, 并且可以自行下载。该模型目前最新的应用是i Phone的一款名为“Liar's Dice”的游戏。SOAR最初版本的模型结构如图1所示。SOAR仅由被编码为产生式规则的单一的长期记忆, 以及编码为符号图结构的工作记忆组成。基于符号的工作记忆存储了智能体对当前环境及情况的评估, 利用长期记忆里回忆相关知识, 经过输入、状态描述、提议算子、比较算子、选择算子、算子应用、输出这样的决策循环选择下一步操作, 直到达到目标状态。

(二) 拓展模型。

经过三十多年的发展与改进, 许多科研团体为SOAR加入新的功能模块, 但还没有统一的系统包含所有的模块, 使它们一起协调工作。后来的版本包含了语义记忆、情景记忆和强化学习三部分。加入所有拓展模块的模型结构如图2所示, 现对各个模块进行简要说明:

1. 工作记忆活跃度。

受ACT-R启发, 我们给SOAR的工作记忆添加了“活跃度”参数。活跃度提供了一种元数据, 描述了工作记忆元的最近相关程度, 其数值是工作记忆元与被激活的规则匹配时计算出来的。这个信息不仅仅用来决定今后激活哪个规则, 它还作为部分情景记忆的内容存储起来, 以使提取的情景是与目前情况最相关的。将来, 希望工作记忆活跃度会用在语义记忆和情感里。

2. 强化学习。

一方面, 强化学习调整动作的选择机制以使获得的反馈效益最大化。在早期的SOAR里, 所有选择算子的优先权都是符号描述的, 现在有了数字化的优先系数。在算子选择阶段, 所有的优先系数都被绑定在一起, 通过一个小整数贪婪算法选择下一个算子。算子应用后, 所有为该算子产生优先系数的规则都将被更新。另一方面, 强化学习与成块学习有所不同。强化学习应用在每个算子选择、决策循环里, 甚至用在困境发生时;而成块学习机制只通过困境学习。此外, 强化学习通过改变优先系数来对规则进行修改, 而成块只是单纯地添加新规则。实际上强化学习和成块学习互为补充, 因为当没有可选择的规则时, 困境产生, 且在子目标里的问题求解可以先为约束算子产生初始化优先系数, 然后成块创建规则, 为将来创建初始系数, 最后强化学习将值转化为经验积累值。

3. 情感。

情感在功能和计算上的作用正在被激烈讨论, 在过去的二十年里展开了大量的有关情感的研究。有些理论表明智能体不断地评价情形并最终产生情感。这种评价可以影响到各个方面:目标相关性 (当前情况对于目标来说是否重要) ;目标推断 (这个情景对于达到目标有好的影响还是坏的影响) , 等等。在SOAR里, 这种情感将产生一种数值, 作为强化学习的反馈参数 (奖励/惩罚) , 进而大大提高学习速度。将来的一个工作就是研究情感、情绪和感觉与其他模块协调工作。

4. 语义记忆。

除了被编码为规则的过程性知识, 还有陈述性知识。陈述性知识可以分为事实和情景经验。语义记忆提供了对世界陈述性事实的存储和提取。在SOAR里, 语义记忆由工作记忆里的结构组成, 语义记忆里的某部分结构通过在工作记忆产生的线索被提取。这个线索用于搜索语义记忆里的最佳匹配, 然后将匹配结果送回到工作记忆。研究发现, 用成块机制从语义记忆里提取知识是可能的, 但执行起来相当困难。

5. 情景记忆。

语义记忆存储的知识与具体的时间地点无关, 而情景记忆里存储的是有关经验的记忆, 与时间息息相关。情景记忆存储在工作记忆里出现的结构实例, 有提取过去经验的能力。情景通过一个线索提取, 一旦线索创建, 最佳匹配就会被发现。

虽然相似的机制在基于案例的推理中被学习过, 情景记忆有自己的特点———与任务无关, 因此对每个问题都可用, 这是其他机制不能达到的。情景学习很简单但是很值得研究, 它的加入加强了认知能力, 比如内部预测, 推理和学习等。

6. 可视化成像。

之前的扩展都是基于SOAR已有的符号工作记忆, 表达智能体对目前情况的理解。但对于一些情况其它的表示方法会更有效。其中一种方法是可视化成像。我们在SOAR里添加了一些模块与进程支持可视化成像:构建和操作图像的工作记忆;存放可被工作记忆提取的图像的长期记忆;操作工作记忆里图像的进程和从可视化图像产生符号结构的进程。因为使用了更少的过程性知识, 因此解决空间推理问题更快, 或者一些过程只用符号是根本完成不了的。

7. 聚团机制。

我们基于Richard Granger的研究添加了这个新模块。聚团机制能自动总结隐含在问题空间中的知识, 并改善以后问题求解, 使得学习与求解相辅相成。它能够自动产生新符号, 使外界的感知可以由概念进行分类。其算法由丘脑皮层在大脑的循环启发而来。虽然我们还没有将其应用在SOAR的所有感知类型, 但我们已经使用聚类产生新符号结构使状态描述更丰富, 同时也提高强化学习的效率。

三、SOAR的发展趋势预测

(一) 各个新模块的融合。

上述提到的各个新模块需要更好的融合, 比如:用强化学习得到匹配情景记忆所需的最佳线索;情感和图像是如何被捕获, 又是如何用在情景记忆里的, 等等。总之, 我们要将已拓展的部分加以研究, 使他们统一起来, 协调合作。

(二) 不同来源理论结构的融合。

Newell和他的同事提出了认知一体化理论UTC, 将实验心理学的研究已经积累的大量基本事实纳入一个理论体系, 仿真人类认知领域的全部现象。目前已有的成功案例有:NASA提出的NTD-SOAR融合了SOAR和NOVA视觉模型, 用于检测着陆环境;Instructo-SOAR将N-SOAR与如何在问题解决过程中使用和学习指令的知识融合起来, 构建了一个从自然语言里学习的新系统;等等。

四、结语

SOAR作为屈指可数的通用问题求解认知模型, 全世界的专家, 包括人工智能方面和认知科学方面, 都在对其进行研究, 并将其应用于不同的任务目标。但它在中国的研究还处于初级阶段。基于此, 本文介绍了SOAR的近期发展情况并预测了未来发展趋势。希望更多人对其有更深的了解。

摘要：本文对SOAR认知模型进行了概括介绍, 并在总结其目前发展状况的基础上预测了该模型未来可能的拓展工作。目的在于让更多人了解SOAR模型的重要性及其发展趋势。

关键词：SOAR,认知模型,模块组合,发展趋势

参考文献

[1] .[美]罗伯特·L.索尔所, M.金伯利·麦克林, 奥托·H.麦克林著.认知心理学[M].上海:上海人民出版社, 2008

[2] .[美]John E.Laird, Extending the Soar Cognitive Architecture[M].New York:The Times Publishing Press, 2007