[論文レビュー] An Analysis and Comparison of ACT-R and Soar

John E. Laird|arXiv (Cornell University)|Jan 23, 2022

AI-based Problem Solving and Planning被引用数 7

ひとこと要約

本論文は、ACT-RおよびSoar認知アーキテクチャの包括的分析と比較を提供しており、構造、記憶システム（作業記憶、手続き的記憶、宣言的記憶）、エージェントデータ、メタデータ、メタプロセスデータの役割に焦点を当てている。顕著な類似点を強調するとともに、設計哲学、情報処理、学習メカニズムにおける主要な相違点を明確にし、認知モデリングおよび人工知能分野の研究者にとって基盤的リファレンスを提供する。

ABSTRACT

This is a detailed analysis and comparison of the ACT-R and Soar cognitive architectures, including their overall structure, their representations of agent data and metadata, and their associated processing. It focuses on working memory, procedural memory, and long-term declarative memory. I emphasize the commonalities, which are many, but also highlight the differences. I identify the processes and distinct classes of information used by these architectures, including agent data, metadata, and meta-process data, and explore the roles that metadata play in decision making, memory retrievals, and learning.

研究の動機と目的

• 認知システム研究におけるACT-RおよびSoarのコアなアーキテクチャ設計を分析・比較すること。
• 両アーキテクチャがエージェントデータ、メタデータ、メタプロセスデータをどのように表現・処理するかを検討すること。
• 両システムにおけるメタデータが意思決定、記憶の検索、学習において果たす役割を調査すること。
• 処理メカニズムおよび記憶の組織化における共通の原則と根本的な相違点を特定すること。
• 認知モデリングにおけるこれらのアーキテクチャの選定または統合を検討する研究者向けに、詳細なリファレンスを提供すること。

提案手法

• 両アーキテクチャの基礎的設計原則および構成要素構造に基づいた体系的比較を実施すること。
• 両アーキテクチャにおける作業記憶、手続き的記憶、長期的宣言的記憶の表現および機能を分析すること。
• 制御プロセスをガイドするメタデータの役割を検討し、検索や学習におけるその役割を比較すること。また、両システムがメタプロセスデータをどのように処理するかを検証すること。
• エージェントデータ、メタデータ、メタプロセスデータの情報タイプ分類を用いて、制御および表現における相違点を評価すること。
• 具体的な例と概念的マッピングを用いて、構造的な分析を通じて研究結果を提示すること。
• 著者が両アーキテクチャの主要開発者としての豊富な経験を活かし、比較の正確性と深さを保証すること。

実験結果

リサーチクエスチョン

• RQ1 ACT-RとSoarは、作業記憶の表現および認知処理におけるその役割において、どのように異なるか？
• RQ2 両アーキテクチャにおいて、意思決定および記憶の検索におけるメタデータの機能的役割は何か？
• RQ3 ACT-RとSoarは手続き的記憶および宣言的記憶をどのように管理しており、学習および適応にどのような意味を持つのか？
• RQ4 両アーキテクチャは、メタプロセスデータおよび制御メカニズムの扱いにおいて、どのような点で異なるか？
• RQ5 ACT-RとSoarに共通する設計原則は何か。また、それらは認知モデリングの結果にどのように影響を与えるか？

主な発見

• ACT-RとSoarは、象徴的処理とモジュラー記憶システムの使用という点で、顕著なアーキテクチャ的類似性を有している。
• 両アーキテクチャはメタデータを制御プロセスをガイドするのに用いるが、Soarはそのメタデータの使用をより包括的に、普遍的な問題解決メカニズムに組み込んでいる。
• ACT-Rの手続き的記憶は生産規則と密接に結合されているが、Soarの手続き的知識はより汎用的な推論エンジンに埋め込まれている。
• Soarにおけるメタデータは、特にサブゴールの生成やオペレータ選択の文脈において、検索と学習をガイドする中心的役割を果たしている。
• 両システムは学習アプローチにおいて相違点を有する：ACT-Rはチャンク化を通じた段階的学習を強調するが、Soarはより統一的で再帰的な学習メカニズムを用いる。
• 実装の相違点は存在するが、両アーキテクチャとも人間認知の強固なモデリングを可能にし、認知システム設計における補完的洞察を提供する。