×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7-863-218-40-00 доб.200-80
ivdon3@bk.ru

Интегрированные когнитивные архитектуры моделей социальных систем

Аннотация

В.П. Свечкарев, К.С. Радько

  В статье рассматриваются научные принципы современного когнитивного моделирования, предлагаемые в зарубежной практике для объединения уже существующих и создаваемых в будущем моделей в виде когнитивных архитектур. Представленный подход основан на концепции единой теории познания, изложенной Аланом Ньювеллом, который предлагает общие положения для когнитивных моделей, применяемых в любых областях. В компьютерной среде данная теория реализуется в виде когнитивных архитектур. Показано, что когнитивная архитектура представляет собой систему интеграции статических и поведенческих моделей, обеспечивающую цельный подход к моделированию познания социальных процессов, от получения эмпирических данных до количественной оценки результатов моделирования, от уровня нейронного описания до системного уровня, при этом когнитивная модель масштабируется до более высокого уровня с сохранением качественных свойств, а платформой для интеграции служит хранилище данных. Формально описанный уровень интеграции соответствует построению интегрированной информационной среды, совмещающей единое хранилище данных с приложениями средств аналитики.

Ключевые слова: когнитивное моделирование, теория познания, когнитивная архитектура, информационная среда, хранилище данных

05.13.18 - Математическое моделирование, численные методы и комплексы программ

Современное научное обеспечение задач управления процессами социального взаимодействия в первую очередь ориентировано на методы и средства системного моделирования, позволяющие приступить к изучению явлений природы, общества и человека до того, как станет ясной полная картина причинно-следственных связей в изучаемом объекте, продвигаться поэтапно, по мере углубления процессов познания качественных и количественных связей мира, исследовать изучаемый объект с помощью гипотетических образцов, описаний, схем, дающих представление о его структуре, связях между его элементами, функциями [1,2]. В таком «поэтапном» продвижении при изучении слабоструктурированных проблем социальных региональных систем оказался востребованным когнитивный подход [2], в частности, для построения когнитивных моделей (когнитивных карт), используемых для формализации первичного (качественного) описания социальных процессов и систем. Однако указанное сужение области использования когнитивного моделирования резко контрастирует в сравнении с зарубежными публикациями [3-5], где когнитивное моделирование охватывает большую часть этапов исследования социальных систем, обеспечивая потребности в количественных прогнозах. Учитывая актуальность достижения эффективности и валидности социальных моделей, рассмотрим развиваемые зарубежными авторами идеи  когнитивного моделирования.
В статье рассматриваются научные принципы когнитивного моделирования, предлагаемые в [3-5] для объединения уже существующих и создаваемых в будущем моделей в виде когнитивных архитектур. Представленный подход  основан на концепции единой теории познания, изложенной в книге Алана Ньювелла [6], где утверждается потребность в общих положениях для когнитивных моделей, применяемых в любых областях. В компьютерной среде данная теория реализуется в виде когнитивных архитектур [7]. Последние представляют собой основу для интеллектуальных агентов, термин архитектура предполагает подход, при котором моделируется не только поведение, но и внутренняя структура. Когнитивная архитектура моделирует познание в целом, а не отдельные его механизмы, как, например, когнитивная модель (когнитивная карта).
В работах [3-5] описаны три решения, лежащих в основе построения когнитивных архитектур. Во-первых, когнитивные архитектуры должны основываться на знаниях о нейронных процессах, что наложит соответствующие ограничения и будет способствовать точности.  Во-вторых, для преодоления нехватки компьютерных ресурсов, предлагается расширить снисходящий подход к когнитивному моделированию. В-третьих, создать интегрированные хранилища уже реализованных архитектур, вычислительных моделей, сред и данных.
Наиболее распространенная когнитивная архитектура ACT-R [8,9] применяется как для социально-психологических экспериментов, так и для сложных имитаций (авто или авиа трафика и др.). В ней описывается структура наборов модулей и соответствующие уровни имитации, позволяющие учитывать всю область человеческого познания, в частности, нейронный уровень, социальный уровень, сетевой уровень и уровень интеграции моделей и имитаций [3-5].
На нейронном уровне обеспечиваются как минимум дополнительные ограничения, возможность поиска лучших описаний явлений и исключение ложных дихотомий. При этом важность представляет не только горизонтальное взаимодействие между различными задачами и областями, но и вертикальная интеграции между уровнями описания. При этом модель масштабируется до более высокого уровня с сохранением качественных свойств.
Социальный уровень включает описание социальной теории, лежащей в основе исследования (например, межгрупповая дилемма заключенного, внутригрупповая динамика власти и т.п.), данные эмпирического исследования социума и описание когнитивной модели, отражающей структуру взаимодействия и стратегию действий участников при разрешении конфликтных ситуаций, также, как в реальной жизни.
Сетевой уровень отражает три аспекта моделирования. Первый – увеличение масштабов когнитивного моделирования. В нём описывается динамика развития правил в когнитивных архитектурах. Так разработчики  заменили большие сложные правила более малыми, простыми и менее функциональными. Сложные структуры уступили место более простым и ограниченным, которые выстраиваются иерархически для достижения тех же результатов. Сохранение упрощений и отсутствие ограничений облегчает задачу моделирования, но в долгосрочной перспективе, его результаты оказываются не расширяемыми для более непредсказуемых сред. Впоследствии, коллектив авторов приходит к выводу, что по мере увеличения сложности задачи, возрастает необходимость тщательного анализа компонентов модели. Специфика многих компонентов модели может не иметь никакого отношения к требованиям модели. Предлагается указывать только то, что должно быть прямо или косвенно оценено. Такой подход позволяет моделям быть более сложными, быстрыми, использовать тоже представления ядра и механизмы архитектуры, но не уступать в подобности человеческим данным. Следующий аспект – ответственное моделирование. Он реализуется в рамках варианта архитектуры ACT-UP, позволяющей задавать алгоритмы. Так же преследовалось достижение следующих целей:

  • Ответственность предполагает указание компонентов, не являющихся мотивированными данными или не подлежащих эмпирической оценке. 
  • Быстрое прототипирование позволяет ускорить создание и изменение большинства частей модели,  что обеспечивает исследование всего пространства возможных моделей.
  • Возможность повторного использования результатов, позволяющая использовать данные в других контекстах и постепенно приводящая к сближению моделей и когнитивных структур.
  • Масштабируемость позволяет работать модели дольше, с более сложными задачами и имитировать когнитивных агентов в условиях многоагентных систем.
  • Когнитивная валидность, достигаемая репликацией существующих результатов моделирования.

Наконец, уровень интеграции моделей и имитаций базируется на инструментарии интегрированных хранилищ когнитивных моделей, алгоритмов имитаций, постановок задач и структурированных данных. Основной целью интегрированного хранилища является определение необходимых средств для достижения высокого уровня конвергенции и постепенного прогресса в когнитивном моделировании. Дополнительными целями являются, во-первых, создание возможности прямого сравнения моделей, во-вторых, обеспечения  ресурсов,  которыми могут воспользоваться разработчики, начиная  проект моделирования. Формально описанный уровень интеграции соответствует построению интегрированной информационной среды [10], совмещающей единое хранилище данных с приложениями средств аналитики.
Таким образом, когнитивная архитектура в работах [3-5] представляет собой систему интеграции статических и поведенческих моделей, обеспечивающую цельный подход к моделированию познания социальных процессов, от получения эмпирических данных до количественной оценки результатов моделирования, от уровня нейронного описания до системного уровня, при этом когнитивная модель масштабируется до более высокого уровня с сохранением качественных свойств, а платформой для интеграции служит хранилище данных.
Работа выполнена по гранту РФФИ № 11-06-00299а.

Литература

  1. Гранберг А.Г. Основы региональной экономики: учебник для вузов / А.Г. Гранберг. – М.: Гос. ун-т – Высшая школа экономики. 2006.
  2. Горелова Г.В. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход / Г.В. Горелова,  Е.Н. Захарова, С.А. Радченко. – Ростов н/Д: Изд-во ТРТУ.,  2006.
  3. Reitter, D., Juvina, I., Stocco, A., & Lebiere, C. (2010). Resistance is futile: Winning lemonade market share through metacognitive reasoning in a three-agent cooperative game. In Proceedings of the 19th Behavior Representation in Modeling & Simulation (BRIMS), Charleston, SC, 2010.
  4. Reitter, D., & Lebiere, C. (2010).  Accountable modeling in ACT-UP, a scalable, rapid-prototyping ACT-R implementation. In Proceedings of the 10th International Conference on Cognitive Modeling, Philadelphia, PA.
  5. Reitter, D., & Lebiere, C. (2011).  Towards explaining the evolution of domain languages with cognitive simulation. Journal of Cognitive Systems Research.
  6. Newell, A. N. (1973). Production systems: Models of control structure In W. G. Chase (Ed.), Visual information processing (pp. 526-547). New York, NY: Academic Press.
  7. Anderson, J. R. (1983). The architecture of cognition. Cambridge, MA: Harvard University Press.
  8. Anderson, J. R., & Lebiere, C. (1998). The atomic components of thought. Mahwah, NJ: Lawrence Erlbaum Associates.
  9. Anderson, J. R. (2007). How can the human mind occur in the physical universe? Oxford, UK: Oxford University Press.
  10.  Свечкарев В.П. Архитектура интегрированных систем управления высокотехнологичными производствами: курс лекций. – Ростов н/Д: Изд-во ЮФУ, 2007.