ACT模型

出自 MBA智库百科(https://wiki.mbalib.com/)

ACT模型（ACT,Adaptive Control of Thought model）

　　ACT模型是安德森继HAM模型以后建立的。ACT是一般的认知模型：ACT可以通过程序来完成许多种认知课题，除了有长期记忆以外，ACT还有关于活动概念的短期工作记忆以及一个可编程的“产生式系统”。详细来说，人们获得新知识有三个阶段，分别是陈述性阶段、知识编辑阶段以及程序性阶段。在陈述性阶段，人们获得的是有关现实的陈述性知识，并且运用一般可行的程序来处理这些知识；陈述性知识是以组块的结构表征的，一个组块由一独特的识别器和许多具有一定值的空位组成，空位可以是另一组块也可以是一个或一系列外部客体，从而实现了各个知识点的连接。在知识编辑阶段，学习者通过形成新的产生式规则或用新规则代替IEt规则，使得新旧知识产生联系。最后是程序性阶段，学习者形成与任务相适应的产生式规律，这些产生式规则被写回各个子模块中：产生式可以被扩展(概括)、具体化(辨别)及根据使用程度不同得到强化或削弱。

　　ACT中的信息结构如图1所示

　　用来辨别视野中的物体的视觉模块；控制手的运动的手动模块；获得记忆中信息的声明/描述模块；清除目前目标和意图的目标模块。中心成果系统实现模块间行为的调节和信息的处理，它仅仅对堆积在模块缓冲区中的信息作出响应。执行过程为模块中信息调入缓冲区中，缓冲区中的信息被基本神经中枢系统中的成果规则改变，再写回子模块。

　　下面是各个子模块的介绍：

　　当一个成果需要定位一个物体时，这个成果详细描述一系列约束条件，然后位置系统返回满足这些约束条件的位置的堆。约束条件是一些属性价值对，这些属性价值对是以对象的空间位置(例如顶部)和对象的属性(例如红色)为条件来进行搜索。

　　人类问题解决中常常观察到两个特点：问题选择和目标逼近。Hanoi塔是一个经典的目标操作性为研究对象的范例，目标模块存储着类似Hanoi塔中的子目标。

　　描述记忆模块存储了大量的知识，例如3+4：7的知识。描述记忆单元中的知识以堆(块)的形式被存储，在一个问题解决中，描述记忆中的块的选择由块的活动水平决定。块的活动水平是基本水平活动和相关活动的总和，基本活动反映了它在过去的一般应用情况，相关的活动反映了他与目前环境的关系。

　　过程记忆存储了问题解决的方法，具体到一个问题应该选择哪一个方法是由下式决定：

　　U_i = P_iG − C_i

　　式中P_i是可能性估计，即如果成果i被选择，目前的目标获得的可能性；G是目前目标的价值，C_i是这个成果获得这个目标的花费(一般用时间测量)的估计。过程记忆的方法所产生的知识存储在描述记忆模块中。

• 认知模型
• HAM模型
• SOAR