Loading article…
認知モデルとは、理解や予測を目的として、人間や他の動物の1 つ以上の認知プロセスを表現したものです。認知モデルには多くの種類があり、ボックスと矢印の図から一連の方程式、人間がタスクを完了するために使用するツール (コンピューターのマウスやキーボードなど) とやり取りするソフトウェア プログラムまで多岐にわたります。[ 1 ] : 7, 8情報処理の観点から見ると、認知モデリングとは人間の知覚、推論、記憶、行動のモデリングです。[ 2 ] [ 3 ]
人間の認知過程の表現に関する知識は哲学に由来する。それは、内在主義と外在主義という2つの対立する哲学的アプローチに基づいており、これらが共に心の性質と身体および外界との関係を説明する。内在主義者の視点からすると、人間の知覚、推論、記憶、行動のモデル化は外界とは独立している。[ 4 ]現在の学術文献では、一般的に内在主義の認知モデルを人間の認知過程の表現の3つのグループに分類している。
アンディ・クラーク教授とデイビッド・チャルマーズ教授の哲学的思想は、認知プロセスを推進する環境の能動的な役割に基づいた、認知のモデリングに対する外在主義的アプローチ、すなわち拡張された心のテーゼを発展させてきた。このアプローチによれば、外部の物体が認知プロセスを助ける上で重要な役割を果たすため、心と環境は「結合システム」として機能し、それ自体が完全な認知システムと見なすことができる。[ 7 ]外在主義は、母子神経認知モデルによって代表され、これは認知発達を部分的に環境の機能として説明する。[ 8 ]
認知モデルは、認知アーキテクチャ内または認知アーキテクチャ外で開発できますが、両者を常に容易に区別できるとは限りません。認知アーキテクチャとは対照的に、認知モデルは、単一の認知現象またはプロセス（例：リスト学習）、2つ以上のプロセスがどのように相互作用するか（例：視覚探索と意思決定）、または特定のタスクまたはツールの行動予測（例：新しいソフトウェアパッケージの導入が生産性にどのように影響するか）に焦点を当てる傾向があります。認知アーキテクチャは、モデル化システムの構造的特性に焦点を当てる傾向があり、アーキテクチャ内での認知モデルの開発を制約するのに役立ちます。[ 9 ]同様に、モデル開発は、アーキテクチャの制限と欠点を明らかにするのに役立ちます。認知モデリングで最も人気のあるアーキテクチャには、ACT-R、Clarion、LIDA、Soarなどがあります。[ 10 ]
認知モデリングは、歴史的に認知心理学/認知科学（人間工学を含む）の中で発展し、機械学習や人工知能などの分野から貢献を受けてきました。[ 11 ]しかし、1960年代の「認知革命」よりずっと前から、科学者たちは心の数学的および機械的モデルに取り組み始めていました。この分野への初期の貢献は1885年になされました。ルートヴィヒ・リヒトハイムは、言語処理を聴覚認識と音声生成のための特殊な「ボックス」にマッピングし、神経経路（矢印）で接続するという、「ボックスと矢印」モデルの最初の前提条件となるアイデア（後にカール・ヴェルニッケによって拡張）を提案しました。 [ 12 ]彼は、言語のような複雑な機能は単一の場所に位置するのではなく、特殊なセンター間を流れる情報によって生じるというコネクショニスト・ローカリストのパラダイムを確立しました。[ 13 ] 1943年、ウォーレン・マカロックとウォルター・ピッツは、論文「神経活動に内在する観念の論理計算」の中で、脳がどのように「計算」できるかを示すために、ニューロンを論理ゲートの集合として数学モデル化しました。[ 14 ]同年、ケネス・クレイグは「説明の本質」の中で、脳は世界の内部モデルを構築する「計算機械」であると主張しました。[ 15 ]リチャード・アトキンソン教授とリチャード・シフリン教授は、1968年にアトキンソン・シフリン多重記憶モデルで「ボックス・アンド・アロー」時代を切り開きました。これは、感覚レジスタ（SR）、短期記憶（STM）、長期記憶（LTM）間のフローを記述する3つの異なるボックスを記憶用に描くことで、「情報処理」アプローチを有名にしました。[ 16 ] 1998年、ファン・ゲルデル教授は認知科学における動的仮説を発表しました。彼の動的モデルは、内部ダイナミクスの追跡データに基づくいくつかの微分方程式を使用して、システムの 状態が時間とともにどのように変化するかを記述した。[ 17 ]認知発達に関する反対の外在主義的な見解は、ラトビアの教授イゴール・ヴァル・ダニロフが2024年に母胎児神経認知モデルで提唱した。[ 8 ]
ボックスアンドアローモデルは、心は情報の流れの経路（「矢印」）で接続された機能的構成要素（「ボックス」）のシステムとして表現されます。このモデル群は、ニューロンがどのように発火するかを必ずしも説明することなく、心が何をするかを記述します。[ 16 ] このモデルの最も影響力のある応用例には、次のものがあります。
アトキンソン＝シフリン多重記憶モデル（1968年） ：感覚記憶、短期記憶、長期記憶という3つの異なる「箱」を通して情報が流れることを提唱する古典的な記憶理論。 [ 16 ]
ブロードベントのフィルターモデル（1958） ：選択的注意の最も初期の「ボトルネック」理論の1つで、ボックスと矢印の図を使用して、感覚情報が高次処理に到達する前にどのようにフィルタリングされるかを示しています。[ 18 ]
バデリーのワーキングメモリモデル（1974/2000）：中央実行系、音韻ループ、視空間スケッチパッドを含む多成分システムに「短期記憶ボックス」を洗練させた。[ 19 ]
ノーマンとシャリス（1986）のCS/SSモデル：競合スケジューリング（ルーチンアクション）と監督注意システム（複雑なタスク）を表すために「ボックス」を使用する認知制御モデル。[ 20 ]
3つの主要原則：
モジュール性：心は別々の「モジュール」で構成されている。[ 21 ]
逐次処理（方向性のある流れ）：情報は通常、直線的に段階的に移動する。[ 22 ]
離散ステージ：各ボックスは、結果を次のボックスに渡す前に、その仕事を完全に完了します。これは、すべてを連続的で混沌とした重なりとして捉える動的システムアプローチとは正反対です。[ 16 ]
計算モデルは、計算科学における数学モデルであり、コンピュータシミュレーションによって複雑なシステムの挙動を研究するために膨大な計算リソースを必要とします。計算認知モデルは、一連の数式またはコンピュータシミュレーションとして定式化されたプロセスベースの計算モデルを開発することによって、認知と認知機能を調査します。[ 23 ]研究対象のシステムは、多くの場合、単純で直感的な解析解が容易に得られない複雑な非線形システムです。問題に対する数学的な解析解を導出するのではなく、コンピュータでシステムのパラメータを変更し、実験結果の違いを研究することによって、モデルを用いた実験が行われます。モデルの動作理論は、これらの計算実験から導出/推論できます。一般的な計算モデルの例としては、天気予報モデル、地球シミュレータモデル、フライトシミュレータモデル、分子タンパク質折り畳みモデル、ニューラルネットワークモデルなどがあります。[ 24 ] [ 25 ] [ 26 ]
記号モデルは、通常は非数値の文字で表現され、使用するには翻訳が必要です。[ 27 ]
認知モデルは、ピクセル、耳で知覚される音像、信号サンプルなど、それ自体が表現ではない構成要素によって作られている場合、サブシンボリックである。ニューラルネットワークのサブシンボリックユニットは、このカテゴリの特殊なケースとみなすことができる。 [ 28 ]
ハイブリッドコンピュータとは、アナログコンピュータとデジタルコンピュータの両方の特徴を併せ持つコンピュータのことです。デジタルコンポーネントは通常、コントローラとして機能し、論理演算を提供します。一方、アナログコンポーネントは通常、微分方程式のソルバーとして機能します。詳細は、ハイブリッドインテリジェントシステムをご覧ください。
従来の計算論的アプローチでは、表現は離散的な記号の静的な構造として捉えられます。認知は、静的な記号構造を離散的かつ連続的なステップで変換することによって行われます。感覚情報は記号入力に変換され、それが記号出力を生成し、さらにそれが運動出力に変換されます。システム全体は継続的なサイクルで動作します。
この従来の考え方に欠けているのは、人間の認知は連続的かつリアルタイムで行われるという点です。プロセスを離散的な時間ステップに分解しても、この挙動を完全に捉えることはできないかもしれません。別の考え方としては、(1)任意の時点でのシステムの状態、(2)全体的な状態の時間経過に伴う変化として定義される挙動、(3)システムが取り得る全体的な状態の総体を表す状態集合または状態空間を持つシステムを定義する方法があります。 [ 17 ]このシステムは、システム状態のあらゆる側面の変化が、同じまたは他のシステム状態の他の側面に依存するという事実によって特徴づけられます。[ 29 ]
典型的な動的モデルは、システムの時間経過に伴う状態変化を記述する複数の微分方程式によって定式化されます。このようにすることで、このダイナミクスを顕現させる根本的なメカニズムの物理的性質ではなく、可能な軌道の空間の形式と、時間経過とともに展開する特定の軌道を形成する内部および外部の力が説明力を持つようになります。この動的観点では、パラメトリック入力は、何らかの外部状態を記述する内部状態を指定するのではなく、システムの固有のダイナミクスを変化させます。[ 17 ]
認知への動的システムの応用に関する初期の研究は、ホップフィールドネットワークのモデルに見られる。[ 30 ] [ 31 ]これらのネットワークは、連想記憶のモデルとして提案された。これらは記憶の神経レベルを表し、オンまたはオフの状態をとることができる約30個のニューロンのシステムをモデル化している。ネットワークが自ら学習できるようにすることで、構造と計算特性が自然に生じる。以前のモデルとは異なり、「記憶」は全体の記憶のごく一部を入力することで形成および想起できる。記憶の時間順序も符号化できる。システムの挙動は、システムのさまざまな状態を表す値を変えることができるベクトルでモデル化される。この初期のモデルは、人間の認知の動的システム観への大きな一歩であったが、まだ多くの詳細が追加され、より多くの現象が考慮される必要があった。
By taking into account the evolutionary development of the human nervous system and the similarity of the brain to other organs, Elman proposed that language and cognition should be treated as a dynamical system rather than a digital symbol processor.[32]Neural networks of the type Elman implemented have come to be known as Elman networks. Instead of treating language as a collection of static lexical items and grammar rules that are learned and then used according to fixed rules, the dynamical systems view defines the lexicon as regions of state space within a dynamical system. Grammar is made up of attractors and repellers that constrain movement in the state space. This means that representations are sensitive to context, with mental representations viewed as trajectories through mental space instead of objects that are constructed and remain static. Elman networks were trained with simple sentences to represent grammar as a dynamical system. Once a basic grammar had been learned, the networks could then parse complex sentences by predicting which words would appear next according to the dynamical model.[33]
A classic developmental error has been investigated in the context of dynamical systems:[34][35] The A-not-B error is proposed to be not a distinct error occurring at a specific age (8 to 10 months), but a feature of a dynamic learning process that is also present in older children. Children 2 years old were found to make an error similar to the A-not-B error when searching for toys hidden in a sandbox. After observing the toy being hidden in location A and repeatedly searching for it there, the 2-year-olds were shown a toy hidden in a new location B. When they looked for the toy, they searched in locations that were biased toward location A. This suggests that there is an ongoing representation of the toy's location that changes over time. The child's past behavior influences its model of locations of the sandbox, and so an account of behavior and learning must take into account how the system of the sandbox and the child's past actions is changing over time.[35]
動的システムの提案メカニズムの 1 つは、連続時間リカレントニューラルネットワーク(CTRNN) の解析から得られます。ニューラルネットワークの状態ではなく出力に注目し、完全に相互接続されたネットワークを調べることで、3 つのニューロンからなる中枢パターン発生器(CPG) を使用して、歩行中の脚の動きなどのシステムを表すことができます。[ 36 ]この CPG には、足、後方スイング、前方スイングの各エフェクターを制御する 3 つの運動ニューロンが含まれています。ネットワークの出力は、足が上がっているか下がっているか、脚の関節にトルクを発生させるためにどれだけの力が加えられているかを表します。このパターンの特徴の 1 つは、ニューロンの出力がほとんどの場合オフまたはオンであることです。もう 1 つの特徴は、状態が準安定であり、最終的には他の状態に遷移するということです。このような単純なパターン発生器回路は、動的システムの構成要素として提案されています。1 つの準安定状態から別の準安定状態に同時に遷移するニューロンのセットは、動的モジュールとして定義されます。これらのモジュールは、理論的には、完全な動的システムを構成するより大きな回路を作成するために組み合わせることができます。しかし、この組み合わせがどのように発生するのか、その詳細は完全には解明されていない。
認知の研究に適用される動的システムの現代的な形式化は様々である。そのような形式化の一つである「行動ダイナミクス」[ 37 ]は、エージェントと環境を古典的な動的システム理論に基づく結合された動的システムのペアとして扱う。この形式化では、環境からの情報がエージェントの行動に影響を与え、エージェントの行動が環境を変化させる。知覚-行動サイクルの特定の場合、環境とエージェントの結合は2つの関数によって形式化される。1つ目の関数は、エージェントの行動の表現を、環境に力を生み出す特定の筋肉活動パターンに変換する。2つ目の関数は、環境からの情報（つまり、環境の現在の状態を反映するエージェントの受容体での刺激パターン）を、エージェントの行動を制御するのに役立つ表現に変換する。エージェントの神経系、エージェントの身体、および環境が結合された、他の同様の動的システムも提案されている（ただし、形式的な枠組みには発展していない）。[ 38 ]
行動ダイナミクスは、移動行動に適用されてきた。[ 37 ] [ 39 ] [ 40 ] 行動ダイナミクスによる移動のモデリングは、適応行動がエージェントと環境の相互作用から生じる可能性があることを示している。このフレームワークによれば、適応行動は2つのレベルの分析で捉えることができる。知覚と行動の第1レベルでは、エージェントと環境は、エージェントが環境に加える力と環境によって提供される構造化された情報によって結合された一対の動的システムとして概念化できる。したがって、行動ダイナミクスはエージェントと環境の相互作用から生じる。時間発展の第2レベルでは、行動はベクトル場として表現される動的システムとして表現できる。このベクトル場では、アトラクターは安定した行動解を反映し、分岐は行動の変化を反映する。従来の中心的なパターン生成器に関する研究とは対照的に、このフレームワークは、安定した行動パターンは、エージェントまたは環境の構造によって決定されるのではなく、エージェントと環境のシステムから生じる、自己組織化的な特性であることを示唆している。
古典的な力学系理論の拡張として、[ 41 ]環境とエージェントの力学系を互いに結合するのではなく、「オープン力学系」は「全体システム」、「エージェントシステム」、およびこれら 2 つのシステムを関連付けるメカニズムを定義します。全体システムは、環境内のエージェントをモデル化する力学系であり、エージェントシステムは、エージェントの固有のダイナミクス (つまり、環境がない場合のエージェントのダイナミクス) をモデル化する力学系です。重要なのは、この関係メカニズムは 2 つのシステムを結合するのではなく、むしろ全体システムを、分離されたエージェントの全体システムに継続的に変更することです。全体システムとエージェントシステムを区別することで、エージェントが環境から隔離されている場合と、環境内に埋め込まれている場合のエージェントの挙動を調査することが可能になります。この形式化は、古典的な形式化の一般化と見なすことができ、エージェントシステムはオープン力学系におけるエージェントシステムと見なすことができ、環境と結合したエージェントと環境はオープン力学系における全体システムと見なすことができます。
動的システムと身体化された認知の文脈では、表現は指標または媒介として概念化できます。指標の観点では、内部状態は環境内のオブジェクトの存在に関する情報を運び、オブジェクトにさらされている間のシステムの状態はそのオブジェクトの表現です。媒介の観点では、内部状態はシステムが目標を達成するために使用する環境に関する情報を運びます。このより複雑な説明では、システムの 状態は、エージェントが環境から取り込む情報と、エージェントの行動によって環境に及ぼされる力との間の媒介となる情報を運びます。開放動的システムの適用は、4 種類の古典的な身体化された認知の例について議論されています。[ 42 ]
これらの例の解釈は、次の論理に基づいています。(1) システム全体が具現化を捉える。(2) 1 つ以上のエージェントシステムが個々のエージェントの固有のダイナミクスを捉える。(3) エージェントの完全な動作は、環境におけるその状況に関連したエージェントの固有のダイナミクスの変化として理解できる。(4) 開放型動的システムの経路は、表象プロセスとして解釈できる。これらの具現化された認知の例は、エージェントシステムの固有のダイナミクスだけでなく、エージェントと環境のシステムの創発的ダイナミクスを研究することの重要性を示しています。[ 45 ]動的システムは、従来の認知科学のアプローチと矛盾するのではなく、これらの方法の自然な拡張であり、競合するのではなく並行して研究されるべきです。[ 17 ]
未熟な生物における認知プロセスの開始は、動的システムアプローチの必然的根拠における重要な問題である。身体化された認知に対する批判は、その独立性と自己充足性を疑問視する少なくとも2つの議論を提示している。[ 47 ]第一に、この動的システムアプローチの基礎である認知科学における動的仮説は、一連の方程式に基づいている。[ 17 ]この事実は、各特定のシステムを記述するには、その特定の初期条件に関するデータを導入する必要があることを意味する。特定の動的システムは、一次データなしでは定義できない。実際、認知科学におけるファン・ゲルデルの動的仮説は、初期条件に関するものである。[ 17 ]仮説によれば、動的システムは内部ダイナミクスよりも一次データを追跡することは少ないが、それでも一次データの外部入力が必要である。したがって、動的システムは、それをトリガーするために外部データ入力を必要とする。
第二に、上記の困難を踏まえ、身体化認知主義者は動的に身体化された情報という概念を導入した。これは、刺激と、意味（感覚）を具現化する感覚運動神経構造およびプロセスに保存されている特定のシンボルとのペアリングを指す。
「表象的な『乗り物』とは、脳・身体・世界の境界を横断できる時間的に拡張された活動パターンであり、それらが体現する意味や内容は、システムと環境との構造的結合の文脈において生み出され、あるいは実行される。」[ 48 ]： 36
環境刺激の混沌の中では、特定の刺激と神経の「活動パターン」[ 48 ]との間のリンクは、この具現化された意味にランダムに関連付けられる可能性のある無関係な刺激のために予測不可能である。この結合は、「システムとその環境との構造的結合のコンテキスト」[ 48 ]がすでに確立されている場合にのみ可能であり、これは見慣れない環境にいる未熟な生物には不可能である。したがって、具現化を支持する証拠はさまざまな科学にわたって豊富にあるが、結果の解釈とその意義は依然として議論の的となっており、研究者は具現化された認知を研究し説明するための適切な方法を探し続けている。動的システムアプローチは、初期段階の生物の認知発達を説明する唯一の方法ではない。[ 47 ]
児童発達の研究は、人間の認知プロセスの表現に関する異なる視点を促しました。母胎児神経認知モデルは、認知の開始時に胎児の神経系が刺激に適切に反応できるように準備する、この二者間の生物学的システム内の神経生理学的プロセスの表現を指します。 [ 8 ] [ 49 ]他の認知モデル（計算モデルや動的システムアプローチ）よりも早い段階で認知発達を記述することで、知覚安定性の問題、結合の問題、興奮性入力の問題、形態形成の問題など、私たちの知識のギャップに対処します。[ 8 ] [ 49 ]
感覚運動発達段階にある若い生物は、感覚系が未熟なため、成体と同じように環境を認識することができません。これらの生物では物体の知覚の類似性を達成することは難しいため、対人関係のダイナミクスを通じた教育はより限定的になります。[ 8 ] [ 49 ] [ 50 ]
結合問題は、発達の単純な反射段階にある生物が感覚刺激における環境カオスの閾値をどのように克服するかについての知識の欠如に関係している。[ 51 ] [ 50 ]若い生物は、周囲の現実を構築するために、物体、背景、抽象的または感情的な特徴を単一の経験に組み合わせる必要があるが、関連する感覚刺激を独立して区別することはできない。身体化された動的システムアプローチでさえ、キューとノイズの問題を回避することはできない。この能力には、知覚と意図性によって（そしてその後にのみ）存在する物体に環境を分類することが必要である。[ 8 ] [ 49 ] [ 50 ]
認知科学における一般的な見解によれば、経験依存的な神経可塑性が認知発達の基盤となっている。[ 52 ] [ 53 ] [ 54 ]神経可塑性は、スパイクタイミング依存的な可塑性を支える興奮性入力の構造的組織に依存しているが、これはまだ不明である。[ 55 ]具体的には、特定の感覚刺激と特定のニューロンにおける興奮性入力の適切な構造的組織との関係は、認知モデルにとって依然として問題となっている。[ 8 ] [ 49 ] [ 50 ]
生物学における一般的な見解によれば、細胞接触の再構築、細胞移動、細胞分裂、細胞押し出しなど、発生過程における細胞の活動には、細胞力学の制御が必要である。[ 56 ] CollinetとLecuit（2021）は、「細胞レベルでは、組織の折り畳みと陥入、組織の流れと伸長、組織の空洞化、そして最後に組織の分岐という、非常に一般的な4つの組織変形クラスを管理する力やメカニズムは何なのか？」[ 56 ]、「組織形態形成中に、細胞力学とそれに伴う細胞行動は、空間と時間の中でどのように頑健に組織化されているのか？」[ 56 ]、「形態形成を駆動する細胞行動の時間スケールと長さスケールは何によって決まるのか？」[ 56 ]という疑問を提起した。特に、神経系の構造は人間を構成するすべてのものの根底にあるため、特定の方法での神経組織の形成は、認知機能の形成に不可欠である。[ 8 ] [ 49 ] [ 50 ]
母胎児神経認知モデルによれば、神経系の決定された構造を形成する複雑なプロセスには、神経系の最終的な生物学的構造を達成するためのテンプレートを備えた完全な発達プログラムが必要である。[ 8 ] [ 49 ]実際、胚発生中に神経系を形成する細胞結合のプロセスでさえ、自然主義的アプローチに疑問を投げかけている。神経系が知覚をつかみ、意図性を形成する方法（独立して、つまりテンプレートなしで）は、さらに複雑であるように思われる。[ 8 ] [ 49 ]このモデルは、環境刺激を知覚する際に神経活動を同期させる 2 つの神経系間の物理的相互作用を記述している。認知と感情は、同期した神経系における非局所的な神経結合によって駆動される単純な反射の神経経路を活性化する刺激と情動的手がかりの関連付けを通じて発達する。[ 8 ] [ 49 ]情動と反射刺激の結合は、単純な生得的神経集合のさらなる発達に寄与し、反射の神経経路に継続的に接続された統計的学習における情動神経パターンを形成する。[ 57 ]
{{cite book}}: CS1メンテナンス: パブリッシャーの場所 (リンク)