[論文レビュー] Toward a Formal Model of Cognitive Synergy

Ben Goertzel|arXiv (Cornell University)|Mar 13, 2017

Computability, Logic, AI Algorithms参考文献 8被引用数 10

ひとこと要約

本稿は、カテゴリー理論、特にファンクター、自然変換、可換図式を用いて、計算的ボトル neck を克服するための認知プロセス間の相互支援である認知的共役性（cognitive synergy）を形式化する。階層的なエージェントモデルを提示し、最終的に PGMC エージェントおよび PrimeAGI に至る。共役性は、これらの図式を通る経路走査におけるコスト不等式によって定義され、AGI システムにおける共役性を分析する数学的に厳密な基盤を提供する。

ABSTRACT

"Cognitive synergy" refers to a dynamic in which multiple cognitive processes, cooperating to control the same cognitive system, assist each other in overcoming bottlenecks encountered during their internal processing. Cognitive synergy has been posited as a key feature of real-world general intelligence, and has been used explicitly in the design of the OpenCog cognitive architecture. Here category theory and related concepts are used to give a formalization of the cognitive synergy concept. A series of formal models of intelligent agents is proposed, with increasing specificity and complexity: simple reinforcement learning agents; "cognit" agents with an abstract memory and processing model; hypergraph-based agents (in which "cognit" operations are carried out via hypergraphs); hypergraph agents with a rich language of nodes and hyperlinks (such as the OpenCog framework provides); "PGMC" agents whose rich hypergraphs are endowed with cognitive processes guided via Probabilistic Growth and Mining of Combinations; and finally variations of the PrimeAGI design, which is currently being built on top of OpenCog. A notion of cognitive synergy is developed for cognitive processes acting within PGMC agents, based on developing a formal notion of "stuckness," and defining synergy as a relationship between cognitive processes in which they can help each other out when they get stuck. It is proposed that cognitive processes relating to each other synergetically, associate in a certain way with functors that map into each other via natural transformations. Cognitive synergy is proposed to correspond to a certain inequality regarding the relative costs of different paths through certain commutation diagrams. Applications of this notion of cognitive synergy to particular cognitive phenomena, and specific cognitive processes in the PrimeAGI design, are discussed.

研究の動機と目的

• 認知的共役性（認知プロセスが内部のボトル neck を克服するために互いに支援し合うこと）を、形式的かつ数学的に厳密に定式化し、非形式的またはアーキテクチャ的記述を超えてモデル化すること。
• 一般知能の抽象的原則と具体的な AGI アーキテクチャとの間のギャップを埋めるために、段階的に具体的化するエージェントモデルの階層において共役性を形式化すること。
• カテゴリー理論に根ざした理論的枠組みを提供し、これにより既存および将来の AGI システム（例：OpenCog や PrimeAGI）における共役性を分析・評価できるようにすること。
• 認知的共役性と計算効率との間の正式な関係を確立し、特に「詰まり（stuckness）」の概念と、可換図式における経路コスト比較を通じてその関係を明確にすること。

提案手法

• 基本的な強化学習エージェントから始まり、認知エージェント、ハイパーグラフエージェント、PGMC エージェント、最終的に PrimeAGI に至る段階的なエージェントモデルの階層を提示。各段階で構造的・機能的特徴が追加される。
• 「詰まり（stuckness）」を形式的に定義し、組み合わせ的爆発や関連知識の欠如によって認知プロセスが進行不能になる状態として定義。これは共役性の発動トリガーとして機能する。
• ファンクターと自然変換を用いて認知プロセス間の関係をモデル化。共役性は、これらの変換を介してプロセスが互いに写像可能になるときに生じる。
• 認知プロセス遷移によって形成される可換図式を通る異なる経路の相対的コストを比較する形式的不等式を導入。低コスト経路が共役性を示す。
• OpenCog/PrimeAGI への適用において、マップカプセル化や PLN/ECAN 活動を、局所的表現と分散表現の間の自然変換としてモデル化。
• ハイパーグラフに基づく表現へ拡張し、認知プロセスがノードおよびハイパーリンク上で動作することを想定。確率的成長と組み合わせのマイニング（PGMC）を用いて認知制御をガイドする。

実験結果

リサーチクエスチョン

• RQ1 認知的共役性（認知プロセス間の相互支援）を、計算的ボトル neck を克服する役割を捉える形式的定義はどのように可能か？
• RQ2 ファンクター や自然変換といった数学的構造は、共役的行動を示す認知プロセス間の関係をどのようにモデル化できるか？
• RQ3 「詰まり（stuckness）」はどのように形式化され、可換図式における経路コストと関係づけられるか？
• RQ4 OpenCog や PrimeAGI のようなシステムにおける局所的および分散型記憶表現が、どのように認知的共役性を示すか。また、自然変換を用いてそのモデル化は可能か？
• RQ5 提案された形式的枠組みは、ハイパーグラフベースのエージェントにとどまらず、ヘイティング代数やその他の圏論的構造に基づく他の抽象的計算モデルへ一般化可能か？

主な発見

• 認知的共役性は、可換図式を通る経路コストを相互に低減する認知プロセス間の関係として形式的に定義される。共役性は、あるプロセスが「詰まり」から脱出するための低コスト経路を提供することで発現する。
• モデルは、認知プロセスを写像するファンクター間の自然変換が、共役的経路を優遇するコスト不等式を生じることを特定。これにより、共役性の強度を定量的に測定可能となる。
• OpenCog/PrimeAGI の文脈では、マップカプセル化（分散表現から局所的表現への変換）と PLN/ECAN プロセス（局所的表現から分散表現への変換）が自然変換としてモデル化され、表現タイプ間のコアな共役性が示唆される。
• PrimeAGI の二重ネットワークアーキテクチャ（階層的および異質的知識構造の併存）は、それぞれの構造を維持するプロセス間の共役的相互作用に依存しており、相互にファンクター的写像によって形式化されている。
• このフレームワークにより、パターンマイニング や進化的学習といった複雑な認知プロセスにおける共役性の分析が可能となり、AGI デザインにおける共役性の体系的評価が可能となる。
• 本稿は、形式的枠組みがハイパーグラフを越えて一般化可能であることを示しており、ヘイティング代数上の確率分布に基づく他の圈权論的計算モデルへの応用が可能であると示唆している。