[論文レビュー] A Computational Model for Situated Task Learning with Interactive Instruction

Shiwali Mohan, James R. Kirk+1 more|arXiv (Cornell University)|Apr 23, 2016

Intelligent Tutoring Systems and Adaptive Learning参考文献 7被引用数 12

ひとこと要約

本論文では、熟練者からの状況的でインタラクティブな指導を受けて、エージェントがタスク知識を学習できる計算モデルを、Soar認知アーキテクチャ内で提示する。現実世界の文脈において手続き的知識と宣言的知識の両方を統合的に習得することで、本モデルは複雑で動的な環境において学習効率と適応性が向上することを示しており、従来のACT-Rモデルが宣言的指導に限定されていた点と比べて顕著な前進を遂げている。

ABSTRACT

Learning novel tasks is a complex cognitive activity requiring the learner to acquire diverse declarative and procedural knowledge. Prior ACT-R models of acquiring task knowledge from instruction focused on learning procedural knowledge from declarative instructions encoded in semantic memory. In this paper, we identify the requirements for designing compu- tational models that learn task knowledge from situated task- oriented interactions with an expert and then describe and evaluate a model of learning from situated interactive instruc- tion that is implemented in the Soar cognitive architecture.

研究の動機と目的

• 非状況的文脈における宣言的指導に限定された既存のACT-Rモデルの限界を解消すること。
• 熟練者からのリアルタイムでインタラクティブかつ文脈に敏感な指導を受けて、タスク知識を学習できる計算フレームワークを設計すること。
• 実行中の状況的タスク相互作用において、手続き的知識と宣言的知識を両方習得可能な、Soar認知アーキテクチャ上でのモデル実装と評価を行うこと。
• 理論的指導処理と実際の身体的タスク学習の間のギャップを埋めること。

提案手法

• 本モデルは、問題解決エピソードを通じた学習をサポートする記号的推論を可能にするSoar認知アーキテクチャ内に実装されている。
• 行動手順のための手続き的記憶と意味的知識のための宣言的記憶を統合するハイブリッドアーキテクチャを採用しており、両者の知識統合を可能にしている。
• 対話管理モジュールを介してインタラクティブな指導を処理し、自然言語の手がかりをタスク関連の行動や概念にマッピングしている。
• 相互作用中に知識ベースを動的に更新し、作業記憶を用いて知覚、行動、学習の調整を実現している。
• エージェントが行動を実行し、結果を観察し、熟練者の是正と文脈的ヒントに基づいて知識を再構成するフィードバックループによって学習が駆動されている。
• 抽象化と一般化を可能にするチャンク化メカニズムを採用しており、類似したタスクへの再利用性が向上している。

実験結果

リサーチクエスチョン

• RQ1 リアルタイムでインタラクティブかつ状況に即した指導から、手続き的知識と宣言的知識を効果的に学習できる計算モデルはどのように実現できるか？
• RQ2 熟練者によるタスク実行の支援下で、知覚、行動、学習の統合を支えるために必要なアーキテクチャ的構成要素は何か？
• RQ3 本モデルの学習パフォーマンスは、非インタラクティブまたは非状況的指導パラダイムと比べてどのように異なるか？
• RQ4 学習済みの手続きが、新しいが類似したタスク文脈にどの程度一般化できるか？
• RQ5 リアルタイムでのフィードバックと文脈認識は、学習プロセスの加速と安定化にどのような役割を果たすか？

主な発見

• 本モデルは、状況に即したインタラクティブな指導を通じて、複雑なタスクを効果的に学習し、動的環境でも頑健なパフォーマンスを示した。
• Soarのチャンク化メカニズムによる手続き的知識と宣言的知識の統合は、学習効率と適応性を顕著に向上させた。
• 特に順序付けられた行動を要するタスクにおいて、非インタラクティブ指導モデルに比べ、学習速度と正確性の両面で優れた性能を発揮した。
• 熟練者からの文脈的フィードバックにより、誤りの迅速な是正が可能となり、知識習得が加速した。
• 学習済みの手続きが、新しい未確認のタスク例に対しても高い成功率で一般化されたことから、効果的な抽象化と移転が実現された。
• 相互作用中に作業記憶を維持・更新できる能力により、知覚、行動、学習の間のシームレスな連携が実現された。