CLARION - impressões gerais

published by aluno2 on Mon, 05/06/2013 - 20:56

Segundo a definição do próprio autor - obtida em um conjunto de transparências em http://www.cogsci.rpi.edu/public_html/rsun/folder-files/CLARION-Part1-Intro.ppsx - CLARION é:

Uma arquitetura cognitiva integrada, composta por vários subsistemas distintos porém simbióticos, com profundas dependências mútuas e interações complexas.

Complementando, estão as características de uma ARQUITETURA COGNITIVA:

Divisão em módulos essenciais interrelacionados, conjunto de representações essenciais, conjunto de algorítmos essenciais;
Processos componentes da cognição;
Relativamente invariante com o tempo, domínio e objeto;
Estruturalmente e mecanicamente bem definida

Clarion é organizado nos seguintes subsistemas:

Action-Centered Subsystem - ACS: usado para a ação decisória ("decision making").
Non-Action-Centered Subsystem - NACS: usado para armazenar conhecimento declarativo e episódico; comandado pelo ACS.
Motivational Subsystem - MS: responsável por determinar o nível dos impulsos ("drives") motivacionais que terminam por estabelecer metas ("goals").
Meta-Cognitive Subsystem - MCS: responsável por coordenar todos os demais subsistemas, monitorando o processo cognitivo e controlando os parâmetros de funcionamento do ACS e NACS e estabelecendo as metas a partir dos níveis dos impulsos motivacionais no MS.

A estrutura do Clarion é baseada no entendimento de que existem 2 diferentes tipos de conhecimento, o IMPLÍCITO e o EXPLÍCITO e isso correponde em diferentes formas de representá-los e apreendê-los (veja referência em http://www.cogsci.rpi.edu/public_html/rsun/folder-files/clarion-tutorial-intro.pdf). A principal diferença entre esses 2 tipos de conhecimento é a sua ACESSIBILIDADE:

Conhecimento implícito: de dífícil acesso, melhor representado em estruturas subsimbólicas distribuídas como uma "backpropagation network".
Conhecimento explícito: de acesso direto, representável a partir de um modelamento simbólico imediatamente disponível.

Para incorporar essa dualidade da forma do conhecimento, Clarion foi concebito numa arquitetura de 2 níveis, cada um utilizando uma das formas de representação, capturando seu processo correspondente: o nível SUPERIOR trabalha com o conhecimento EXPLÍCITO e o nível INFERIOR com o IMPLÍCITO.

Pelas suas características, o processo de APRENDIZAGEM é diferente em cada um dos níveis: no nível INFERIOR ocorre gradualmente através da tentativa e error; já no nível SUPERIOR ocorrer de forma abrupta, com a incorporação de um novo conhecimento.

Clarion incorpora a interação entre os 2 níveis, com ênfase no processo de aprendizagem BOTTOM-UP, onde o conhecimento gradualmente adquirido no nível inferior é convertido em regras de rápido acesso do nível superior. O processo TOP-DOWN de aprendizagem ocorre quando conhecimento externo ao sistema é incorporado, no nível superior, e passa a fazer parte da estrutura implícita no nível inferior.

Action-Centered Subsystem

O nível superior do ACS contém regras do tipo "ESTADO > AÇÃO", enquanto o nível inferior usa "multi-layer perceptrons" (as "internal decision networks" - IDNs) para associar ESTADOS e AÇÕES. O aprendizado no nível inferior é a partir de um algoritmo de REINFORCEMENT LEARNING. No nível superior o aprendizado é "one-shot" e pode ocorrer "manualmente" (conhecimento externo sendo fornecido) ou "automaticamente", via o mecanismo BOTTOM-UP de interação; esse processo é descrito de maneira suscinta pelos autores (http://www.cogsci.rpi.edu/public_html/rsun/folder-files/CLARION-Part1-Intro.ppsx) da seguinte forma:

Se uma ação IMPLICITAMENTE no nível INFERIOR tem como resultado de sua aplicação um feedback positivo, o agente extrai uma regra EXPLÍCITA correspondente à ação executada e a armazena no nivel SUPERIOR.
Nas interações subsequentes com o ambiente, o agente refina essa regra da seguinte forma:
1. Se um novo resultado da sua aplicação recebe feedback negativo, a regra é modificada para tornar-se mais ESPECÌFICA para o caso inicial (da sua criação).
2. Se um novo resultado da sua aplicação recebe feedback positivo, a regra é modificada para tornar-se mais ABRANGENTE.

Contém e memória de trabalho ("Working Memory") onde informação proveniente do NACS é armazenada temporariamente com o propósito de auxiliar a ação decisória e o processo de raciocínio.

Non Action-Centered Subsystem

Armazena conhecimento geral sobre o ambiente e experiências específicas nesse ambiente através das memórias semântica e episódica, respectivamente. É controlado pelo ACS, de quem recebe o INPUT para o seu processamento, focado essencialmente no processo de raciocínio que complementa e extende o funcionamento do ACS.

No nível superior está o "General Knowledge Store" (GKS) que armazena conhecimento NACS explícito: armazena CHUNKS (pares dimensão/valor) que são associados a partir de REGRAS ASSOCIATIVAS. No nível inferior estão múltiplas redes neurais que armazenam o conhecimento implícito através de associações de fragmentos das características dos CHUNKS.

Motivational Subsystem

Responsável em determinar os porquês das ações do agente, detalhando o contexto de IMPULSOS que terminam por definir as metas e as recompensas esperadas (feedback) para cada AÇÃO dos agentes.

Também organizado nos 2 níveis, onde o superior armazena METAS EXPLÍCITAS e o inferior armazena os IMPULSOS IMPLÍCITOS. As metas são geradas/definidas a partir do estado interno dos impulsos.

Meta-Cognitive Subsystem

Também composto por 2 níveis, sendo que o inferior é responsável pela maior parte do controle, uma vez que o processo de meta-cognição - entendido como o monitoramento e regulação ativos do processo cognitivo, em relação a metas defindas - é implícito. O controle do MCS inclui os seguintes processos:

Foco comportamental: definição de funções de reforço (reinforcement functions); definição de metas
Filtragem de informação: de dimensões e valores de entrada do ACS e do NACS
Aquisição de informação: seleção de métodos de aprendizagem no ACS e NACS
Utilização da informaçao: seleção de métodos de raciocínio no nível superior do ACS e NACS
Seleção de resultados: definição de dimensões e valores de saída do ACS e NACS
Modos cognitivos: seleção de processamento implício, explícito ou combinado no ACS e NACS
Seleção de parâmetros de funcionamento do ACS e NACS

O diagrama abaixo ilustra as interações entre os subsistemas descritos:

Conclusão

O uso do Clarion parece ser muito diferente da experiência anterior com o SOAR: este último constitui-se de um ambiente de execução, além das arquitetura de cognição, enquanto o Clarion é apenas um conjunto de módulos e interfaces organizados em uma biblioteca.

Outra diferença importante é que o Clarion é mais complexo e por isso, juntamente com o fato de que o seu uso é fragmentado em módulos e interfaces específicas, é necessário um embasamento teórico mais sólido para o seu uso; sem ele torna-se complicado determinar os módulos e interfaces a serem utilizados, e também como fazer essa utilização.

Ricardo Gudwin's Home Page

Aluno 2

Cursos

Main menu

You are here