キリスト

CHREST (Chunk Hierarchy and REtrieval STructures) は、限定的注意、限定的短期記憶、チャンキングの概念に基づく象徴的認知アーキテクチャである。このアーキテクチャは、参照知覚、長期および短期記憶ストア、問題解決の方法論^[1]などの認知の低レベルの側面と、戦略の使用^[2]などの高レベルの側面を考慮に入れている。このアーキテクチャで不可欠な学習は、さまざまな方法で接続されたノード (チャンク)のネットワークの開発としてモデル化される。これは、知識を表現するためにプロダクションを使用する他の 2 つの認知アーキテクチャであるSoarおよびACT-Rとは対照的である。CHREST は、チェスの専門知識をシミュレートするためのチェスゲームや、子供の言語発達をシミュレートするための子供向けのスピーチなど、ドメインを代表する刺激の大規模なコーパスを使用して学習をモデル化するためによく使用されている。この点で、CHREST で実行されるシミュレーションは、従来のシンボリック モデルよりも、 コネクショニスト モデルで実行されるシミュレーションに近いものになります。

CHRESTは、獲得した知識や情報を接続して保存するツリー構造であるチャンキングネットワークに記憶を保存し、情報処理の効率を高めます。 ^{[3] [2]図1は、新しい情報と古い情報の間の「馴染みのあるパターン」 [2]}に基づいて形成される、知覚された知識、記憶、獲得された経験の間のリンクを強調しています。

CHREST は、ブルネル大学のFernand Gobetとハートフォードシャー大学の Peter C. Laneによって開発されました。これは、もともとHerbert A. SimonとEdward Feigenbaumによって開発された認知モデルであるEPAMの後継です。

このアーキテクチャには、多数の容量パラメータ（例：視覚短期記憶の容量を 3 つのチャンクに設定）と時間パラメータ（例：チャンクを学習する時間、情報を短期記憶に格納する時間）が含まれています。これにより、人間の行動に関する正確で定量的な予測を導き出すことができます。

このモデルには、外界要素との相互作用、短期および長期記憶ストア、特に視覚および言語記憶ストレージ、および個人の問題解決メカニズムが含まれます。^[4] CHREST のチャンクは、短期記憶で参照されると同時に長期記憶に保持され、多くの場合、識別を含む神経カテゴリ知覚を通じて認識されます。^[5] EPAMと非常によく似て、長期記憶の認知学習におけるチャンクは「ノードのネットワーク」として獲得され、^[5]コンテンツの類似性によって相互接続され、ネットワーク内でチャンクを格納およびソートする識別ネットワークとして描写されます。チャンクは本質的に「知覚の単位として使用できる情報のクラスター」です。^[1]したがって、チェスのプレイの状況に適用すると、チェスの位置の断片とセクションがシステムに供給される刺激として使用されます。^[5] Gobet らによると、スミスらによれば、認知テンプレート、またはスキーマとして知られるものは、チャンクが環境のパターンや構造に基づいて適応することで形成される。^{[1] [4]}テンプレートは環境の知覚を表す認知構造であり、認知組織化、想起、行動誘導、状況予測、全体的な理解を可能にする。^[6]各テンプレートには、値を「差し込む」ことができるスロットがあり、テンプレートにすでに存在する類似の情報に直面したときに、より速く理解することができる。^{[6] [7]}

シミュレーションは、研究対象領域を代表する刺激を受け取ることでモデルが知識を獲得できるようにすることで実行されます。たとえば、チェスシミュレーションの学習フェーズでは、プログラムはマスターレベルのゲームから取得したポジションの大規模なデータベースをスキャンすることで、チャンクとテンプレートを段階的に取得します。^[8]これにより、さまざまなサイズのネットワークを作成し、さまざまなスキルレベルのプレーヤーの行動をシミュレートできます。 ^{[8] [9]}時間と容量のパラメーターの存在と合わせて、CHRESTは明確で定量的な予測を行うことができます。^[4]

CHREST の注目すべき点は、知覚プロセスに重点が置かれている点です。知覚と情報処理の手順は受動的であり、二次的な獲得プロセスが既存の知識によって導かれ、指示される複雑な創発行動につながります。^[4]この現象はチェスの実験でよく観察されており、知覚と眼球運動は密接に関連しており、注意の持続時間とも比例しています。^{[2] [4]} このプロセスは、ヒューリスティックとメモリに保持されているチャンクによって制御されています。^[3] チェスの実験の場合、知覚は眼球運動（注意力にほぼ相当）と同一視され、眼球運動はメモリとヒューリスティックに保持されているチャンクによって指示されます。^{[3] [4]}

CHREST に基づくモデルは、とりわけ、初心者から名人までのチェスの専門知識の習得、子供の語彙の習得、子供の統語構造の習得、概念の形成に関するデータをシミュレートするために使用されてきました。

CHREST理論の明らかな限界は、ハーバート・サイモンによって提唱されたものである。サイモンは、人間の機能的認知をシミュレートしようとするモデルは、人間にとって非現実的な特性を想定してはならないと結論付けた。したがって、CHRESTモデルは、認知心理学の現在の範囲で理解されている人間の能力のパラメータによって制限される。^[10]さらに、問題解決と戦略に過度に焦点を当てることで、情報の分類、注意、刺激の理解が無視されるようになった。^{[9] [11]}

時間制限のあるパズルは、人間の行動に最も近いと想定される一連の規制パラメータを使用してシミュレートされます。^{[8] [10]}時間関連の変数は、視覚的短期記憶が制限されるという主な制限要因など、CHRESTとその後のシミュレーションでよく使用されます。^{[4] [10]}このアルゴリズムは、各位置を頭の中で計算するなど、特定のアクションをシミュレートするときにかかる典型的な時間を考慮し、「使用された時間の量だけアルゴリズムの内部クロックを増加させます」。^{[4] [2]} そのため、時間制約などの設定されたパラメータにより、時間制限のある問題は、「利用可能なリソースとシミュレートされたリソース」によって制限された範囲でシミュレートされます。^{[9] [10]}

さらに、ウーレットとマグワイアが実施した広範な調査では、ロンドンのタクシー運転手の場合のように専門知識を習得することで「海馬の構造的可塑性」^{[12] [13]}が発達し、「脳の永久的な変化」^[13]が生じることが明らかになりました。例えば、海馬後部が平均的な人口と比較して拡大します。^{[12] [14]}この変化は、ロンドン市街地の複雑なルートや地図を記憶してナビゲートすることで達成され、^[13]突然の変更に対する抵抗につながる認知チャンクの硬直したパターンや「練習された習慣」の発達につながります。^{[13] [14]}不慣れな状況に直面した場合、個人は、知識が適用できない場合でも、既存のパターンや戦略に頼ることがあります。^{[12] [14]}脳の情報処理センターの可塑性により、既存のパターンの外側での視覚化が必要な状況に直面したときに潜在的な「盲点」^[13]が生じます。^{[14] [13] [12]}

チェスの分野は、知覚、心理学、認知、人間と人工知能に関する研究のための標準化されたテストプロトコルとして長い間使用されてきました。^{[4] [15]}チェスのプレイとチェスのメカニズムの包括的な使用は、「選択された生物」^{[15]である「}ショウジョウバエ」の使用の比喩と比較されてきました。認知科学とコンピュータ科学の分野で実験の温床として使用されるチェスの優位性と、遺伝子科学研究におけるショウジョウバエの使用との類似点は、チェスが人間とコンピュータの両方の認知と知能の「代表的な尺度」 ^[15]として特に特定されていることから説明されています。^{[16] [15]}

CHREST理論の一般的な応用とシミュレーションは、過去にチェスのプレイの文脈で広範囲に行われてきました。^{[17] [18]}この方法論では、研究の専門分野内で刺激を与えることによって知識を獲得できるようにします。^[4]アルゴリズムの学習段階では、グランドマスターとエキスパートレベルのゲームの動き、位置、戦略を含むデータベースからのチャンクとテンプレートが徐々に入力され、知識として統合されます。^{[4] [8]}次に、異なるサイズのノード（またはチャンク）のさまざまなネットワークが作成され、さまざまなスキルレベルのチェスのプレイをシミュレーションできます。^{[8] [3]}時間と人間の能力のパラメーターが考慮されるため、理想的には、CHRESTが明確な結果を定量的に予測できる状況が作成されます^{[5] [19] [20]}（GobetとLane、Gobet）。

チェスの分野に特化したアドリアン・デ・グルートとハーバート・サイモンによる追加研究では、チェスプレイヤーの記憶に重点を置いた大量の心理学的データが得られました。^{[3] [8]}デ・グルートとサイモンの理論と実装以前は、チェスのプレイとチェス研究における実験の標準的なパラダイムは、通常、被験者にチェスの局面を短時間、通常は5秒間示し、その後被験者にその局面を再現するよう求めるというものでした。^[4]この方法論における一般的な独立変数は、被験者のスキルレベル、局面の説明に費やされた時間、および局面の全体的な深さと重要性です。^[4]

知覚の領域では、チェスのポジションを描写する際の最初の5秒間の目の動きのシミュレーションや、テンプレートとチャンクの認識がCHRESTを使用して完了しました。^[3] CHRESTは、さまざまな修正やポジションのランダム化が提示された場合の結果、各ポジションの描写と提示に費やされた時間の重要性、初心者レベルのプレイヤーからグランドマスターまでのさまざまなスキルレベルにわたるネットワーク内で行われたエラーと置き換えられたチャンクの分類も説明します。^[4]

N. チャーネスは、チェスと一般的な専門知識、問題解決戦略、およびさまざまな年齢層の人口グループによる記憶について、広範な研究を行っています。^[21]記憶と想起のテストでは、さまざまなチェスの局面が提示された場合、若いプレーヤーの方が年配のプレーヤーよりも優れたパフォーマンスを発揮することが明らかになりました。^[21]チャーネスは、両者が同じレベルの場合、年配のプレーヤーのパフォーマンスは若いプレーヤーよりも劣るものの、時間制限内で最善のプレイを選択する必要がある戦略ベースのタスクでは、年配のプレーヤーのスキルレベルは若いプレーヤーと同等であり、年配のプレーヤーが若いプレーヤーを上回ったと指摘しました。^{[4] [21]}チャーネスの実験の正当な解釈は、チャーネスの方法論における不正確な結論につながる主要な問題を特定したレチツキらによって反駁されています。^[22]レチツキら年配の選手のスキルレベルはピークに達して過ぎた結果として低下したことを示唆しており、 [ ^{22 ]「以前の学習と過去の経験」 [23]}、「結晶化知能」とも呼ばれる「以前の学習と過去の経験」のために、若い年齢層との明確な比較は複雑であった。^[23]

デ・グルートとサイモンの理論と実装以前は、チェスのプレイとチェス研究における実験の標準的なパラダイムは、通常、被験者にチェスの局面を短時間、通常は5秒間示し、被験者にその局面を再現するよう求めるというものでした。^[20]この方法論における一般的な独立変数は、被験者のスキルレベル、局面の説明に費やされた時間、および局面の一般的な深さと重要性です。^[4]この方法論は、デニス・ホールディングの研究に代表されるように、チェスのプレイにおける記憶と認知を扱う高レベルのモデルを大量に生み出してきましたが、チェスにおける記憶の使用をさらに詳細に説明するモデルは、チェイスとサイモンによって開発され、後にサイモンとギルマーティンによって実装されたMAPPを除いて、依然として不足しています。^[8]

• CHRESTホームページ
• CHRESTに関する主な出版物