인지 모델

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요
2. 인지적 구조와의 관계
- 2.1. 인지 모델과 인지적 구조의 차이점
- 2.2. 인지 모델링에 사용되는 주요 인지적 구조
3. 역사
4. 상자-화살표 모델 (Box-and-arrow models)
- 4.1. 상자-화살표 모델의 구성 요소
- 4.2. 상자-화살표 모델의 예시
5. 계산 모델 (Computational models)
- 5.1. 계산 모델의 예시
- 5.2. 계산 모델의 유형
6. 동역학 시스템 (Dynamical systems)
참조

1. 개요

인지 모델은 인지적 구조 내에서 또는 독립적으로 개발될 수 있으며, 단일 인지 현상, 여러 프로세스의 상호 작용, 특정 작업 수행 예측 등에 초점을 맞춘다. 인지 모델은 인지 심리학과 인지 과학 분야에서 발전해 왔으며, 계산 과학 및 인공 지능 분야의 기여를 받았다. 상자-화살표 모델, 계산 모델, 동역학 시스템 등 다양한 유형이 있으며, 동역학 시스템은 인지를 연속적인 과정으로 보고 미분 방정식을 사용하여 모델링한다.

더 읽어볼만한 페이지

인지 모델링 - 블루 브레인 프로젝트
블루 브레인 프로젝트는 IBM과 스위스 연방 공과대학교 로잔이 2005년에 시작한 뇌 연구 프로젝트로, 슈퍼컴퓨터를 이용하여 대뇌 신피질의 시뮬레이션을 구축하고 신경망 연구에 대수적 위상수학을 적용하여 디지털 3D 뇌 세포 아틀라스 개발 등의 성과를 거두었다.
인지 모델링 - 정신 모델
정신 모델은 인간이 세상을 이해하고 추론하기 위해 사용하는 내적 표현으로, 지각, 상상력 등을 통해 구성되며, 추론, 문제 해결 등 다양한 인지 과정에서 중요한 역할을 한다.

인지 모델
개요
다양한 수준의 추상화를 보여주는 인지 모델의 예시
정의	인지 과정의 전산적 모델
관련 학문	인지 과학 컴퓨터 과학 인공지능 철학 뇌 과학
주요 특징
목적	인간의 인지 과정을 이해하고 설명하기 위한 이론적 도구
표현	인간의 정신적 과정을 추상화하여 표현 컴퓨터 프로그램, 수학적 공식, 다이어그램 등 다양한 형태로 표현 가능
기능	인지 과정을 시뮬레이션하여 예측 및 설명 인간의 행동과 사고 방식을 모방하는 인공 시스템 개발에 활용
유형
상징적 모델	인간의 사고를 기호와 규칙의 조작으로 표현 예시: 생성 규칙 시스템, 의미 네트워크
연결주의 모델	뉴런 네트워크를 사용하여 인지 과정을 모델링 예시: 인공 신경망, 심층 학습 모델
동적 시스템 모델	인지 과정을 시간의 흐름에 따라 변화하는 시스템으로 표현 예시: 신경 역학, 로봇 공학
활용 분야
인지 심리학	인간의 인지 과정을 연구하고 설명하는 데 활용
인공지능	인간과 유사한 지능을 갖춘 시스템 개발에 활용
교육	학습 과정을 개선하고 효과적인 교육 방법을 개발하는 데 활용
사용자 인터페이스 설계	사용자가 사용하기 쉽고 효율적인 인터페이스를 설계하는 데 활용
임상 심리학	정신 질환을 이해하고 치료하는 데 활용
예시
ACT-R (Adaptive Control of Thought-Rational)	존 R. 앤더슨이 개발한 인지 아키텍처 인간의 인지 과정을 모듈과 규칙의 상호 작용으로 설명
Soar	앨런 뉴얼, 허버트 사이먼 등이 개발한 인지 아키텍처 문제 해결, 의사 결정, 학습 등 다양한 인지 기능을 통합적으로 모델링
Connectionist Temporal Classification (CTC)	음성 인식, 필기 인식 등 시퀀스 데이터 분류에 사용되는 연결주의 모델
참고 자료
관련 서적	《인지 모델링: 방법과 응용》 (2008)
관련 논문	"인간 인지 아키텍처" (2009) "인지 모델링의 현재와 미래" (2015)

2. 인지적 구조와의 관계

인지 모델은 인지적 구조와 밀접하게 연관되어 있지만, 항상 명확하게 구분되는 것은 아니다. 인지적 구조는 모델링된 시스템의 구조적 속성에 초점을 맞추고 인지 모델 개발을 제한하는 역할을 한다. 반대로, 인지 모델 개발은 인지적 구조의 한계와 단점을 파악하는 데 도움을 준다.^[4]

2. 1. 인지 모델과 인지적 구조의 차이점

인지 모델은 인지적 구조 내에서 또는 인지적 구조 없이 개발될 수 있지만, 이 둘을 항상 쉽게 구별할 수 있는 것은 아니다. 인지적 구조와 달리 인지 모델은 단일 인지 현상이나 과정(예: 목록 학습), 둘 이상의 과정의 상호 작용(예: 시각적 탐색 및 의사 결정), 또는 특정 작업이나 도구에 대한 행동 예측(예: 새로운 소프트웨어 패키지를 도입하면 생산성에 어떤 영향을 미칠지)에 중점을 두는 경향이 있다. 인지 아키텍처는 모델링된 시스템의 구조적 속성에 중점을 두는 경향이 있으며, 아키텍처 내에서 인지 모델의 개발을 제한하는 데 도움이 된다.^[4] 마찬가지로 모델 개발은 아키텍처의 제한 사항과 단점을 알리는 데 도움이 된다. 인지 모델링에 가장 널리 사용되는 아키텍처로는 ACT-R, CLARION, LIDA, Soar 등이 있다.

2. 2. 인지 모델링에 사용되는 주요 인지적 구조

인지 모델은 인지 아키텍처 내에서 또는 외부에서 개발될 수 있지만, 이 둘을 항상 쉽게 구별할 수 있는 것은 아니다. 인지 아키텍처와 달리 인지 모델은 단일 인지 현상이나 과정(예: 목록 학습), 둘 이상의 과정의 상호 작용(예: 시각적 탐색 및 의사 결정) 또는 특정 작업이나 도구에 대한 행동 예측(예: 새로운 소프트웨어 패키지를 도입하면 생산성에 어떤 영향을 미칠지)에 중점을 두는 경향이 있다. 인지 아키텍처는 모델링된 시스템의 구조적 속성에 중점을 두는 경향이 있으며, 아키텍처 내에서 인지 모델의 개발을 제한하는 데 도움이 된다.^[4] 마찬가지로 모델 개발은 아키텍처의 제한 사항과 단점을 알리는 데 도움이 된다. 인지 모델링에 가장 널리 사용되는 아키텍처로는 ACT-R, CLARION, LIDA, 그리고 Soar 등이 있다.

3. 역사

인지 모델은 역사적으로 인지 심리학/인지 과학(인간 공학 포함) 내에서 발전했으며, 기계 학습 및 인공 지능 분야 등으로부터 기여를 받았다.^[1]

4. 상자-화살표 모델 (Box-and-arrow models)

상자-화살표 모델(Box-and-arrow models)은 인지 과정을 설명하기 위해 사용되는 심리 언어학적 모델의 한 종류이다. 이 모델에서 각 처리 단계는 '상자'로 표현되고, 단계 간의 관계는 '화살표'로 나타낸다. 이러한 명칭은 여기서 유래했다. 때로는 화살표가 상자에 표시된 것 외에 추가적인 과정을 나타내기도 한다(Smith, 1973; Menn, 1978 모델).^[1]

이 모델은 컴퓨터 프로그램의 처리 과정과 의사 결정을 묘사하는 컴퓨터 흐름도와 유사한 방식으로, 특정 인지 기능(예: 언어)에서 수행되는 가설 정보 처리 활동을 명시적으로 보여준다. 상자-화살표 모델은 설명하는 보이지 않는 심리적 과정의 수와 그에 따른 상자 수에 따라 다양하다. 일부 모델은 입력 및 출력 신호 사이에 한두 개의 상자만 포함하는 반면(예: Menn, 1978; Smith, 1973), 다른 모델은 여러 정보 처리 사건 간의 복잡한 관계를 나타내는 여러 개의 상자를 포함한다(예: Hewlett, 1990; Hewlett, Gibbon, & Cohen- McKenzie, 1998; Stackhouse & Wells, 1997).^[1]

4. 1. 상자-화살표 모델의 구성 요소

언어 병리학자들은 아동 환자를 치료할 때 음성 지각, 저장 및 생성과 관련된 과정을 설명하기 위해 여러 핵심 용어를 사용한다. 입력 신호는 아동이 듣는 음성 신호이며, 출력 신호는 아동이 생성하는 발화이다. 입력 신호 처리 과정은 입력 과정, 발화 생성 처리 과정은 출력 과정이라고 한다. 음성 처리의 일부는 실시간으로 발생하는 온라인 처리, 나머지는 배경 정신 처리의 일부로 발생하는 오프라인 처리로 구분된다.^[1]

상자-화살표 심리 언어학적 모델에서 각 가설 표현 또는 처리 수준은 "상자"로, 그 사이의 관계는 "화살표"로 표현된다. 이 모델은 특정 인지 기능(예: 언어)에서 수행되는 가설 정보 처리 활동을 명시적으로 나타낸다. 상자-화살표 모델은 설명하는 보이지 않는 심리적 과정의 수와 그에 따른 상자 수에서 크게 다르다. 기본 표현(UR)은 아동이 알고 사용하는 단어에 대한 정보를 아동의 마음에 저장하는 것으로, 많은 논쟁의 원천이 된다.^[1]

4. 2. 상자-화살표 모델의 예시

언어 병리학자들은 아동 환자를 치료할 때 음성 지각, 저장 및 생성과 관련된 과정을 설명하기 위해 여러 핵심 용어를 사용한다. 입력 신호는 아동이 듣는 음성 신호(주로 성인 화자로부터)이고, 출력 신호는 아동이 생성하는 발화이다. 심리 언어학적 모델은 입력 신호와 발화 생성 사이에 발생하는 심리적 사건에 초점을 맞춘다. 입력 신호를 처리하는 사건은 입력 과정, 발화 생성을 처리하는 사건은 출력 과정이라고 한다. 온라인 처리는 실시간으로 발생하며 음성 작업에 할당된 주의 자원을 공유하고, 오프라인 처리는 배경 정신 처리의 일부로 발생한다.

상자 및 화살표 심리 언어학적 모델에서 각 처리 수준은 "상자"로, 그 사이의 관계는 "화살표"로 표현된다. 이러한 모델은 컴퓨터 흐름도와 유사하게 특정 인지 기능(예: 언어)에서 수행되는 정보 처리 활동을 나타낸다. 모델들은 보이지 않는 심리적 과정의 수와 상자 수에서 크게 다르다. 일부는 입력 및 출력 신호 사이에 상자가 하나 또는 두 개만 있지만(예: Smith, 1973; Menn, 1978), 다른 모델은 여러 상자를 가진다(예: Hewlett, 1990; Hewlett, Gibbon, & Cohen- McKenzie, 1998; Stackhouse & Wells, 1997).^[1] 기본 표현(UR)은 아동이 알고 사용하는 단어에 대한 정보를 아동의 마음에 저장하는 것으로, 많은 논쟁의 원천이 된다.^[1]

5. 계산 모델 (Computational models)

계산 모델은 컴퓨터 시뮬레이션을 통해 복잡한 시스템의 동작을 연구하기 위해 광범위한 계산 자원을 필요로 하는 계산 과학의 수학적 모델이다. 연구 대상 시스템은 종종 간단하고 직관적인 분석으로는 해답을 쉽게 얻을 수 없는 복잡한 비선형 시스템이다. 문제에 대한 수학적 분석 해답을 도출하는 대신, 컴퓨터에서 시스템의 매개변수를 변경하고 실험 결과의 차이를 연구하여 모델을 실험한다. 이러한 계산 실험을 통해 모델 작동에 대한 이론을 도출하거나 추론할 수 있다.^[1]

5. 1. 계산 모델의 예시

일반적인 계산 모델의 예로는 날씨 예측 모델, 지구 시뮬레이터 모델, 비행 시뮬레이터 모델, 분자 단백질 폴딩 모델, 신경망 모델이 있다.

5. 2. 계산 모델의 유형

계산 모델은 컴퓨터 시뮬레이션을 통해 복잡한 시스템의 동작을 연구하기 위해 광범위한 계산 자원을 필요로 하는 계산 과학의 수학적 모델이다. 연구 대상 시스템은 종종 간단하고 직관적인 분석 솔루션을 쉽게 얻을 수 없는 복잡한 비선형 시스템이다. 문제에 대한 수학적 분석 솔루션을 도출하는 대신, 컴퓨터에서 시스템의 매개변수를 변경하고 실험 결과의 차이를 연구하여 모델을 실험한다. 이러한 계산 실험을 통해 모델 작동에 대한 이론을 도출/추론할 수 있다.

일반적인 계산 모델에는 날씨 예측 모델, 지구 시뮬레이터 모델, 비행 시뮬레이터 모델, 분자 단백질 폴딩 모델, 신경망 모델 등이 있다. ''기호적'' 모델은 일반적으로 숫자 외의 문자로 표현되며, 사용하기 전에 변환이 필요하다. 인지 모델이 ''준기호적''이라는 것은 구성 요소 개체가 그 자체로 표현이 아닌 경우(예: 픽셀, 귀로 인지되는 소리 이미지, 신호 샘플)를 말한다. 신경망의 준기호적 단위는 이 범주의 특별한 경우로 간주될 수 있다.

6. 동역학 시스템 (Dynamical systems)

인간의 인지가 연속적이고 실시간으로 일어난다는 점을 고려할 때, 전통적인 이산적인 처리 방식은 인지 과정을 온전히 포착하지 못할 수 있다.^[5] 대안적인 접근 방식으로 동역학 시스템은 (1) 주어진 시간에서의 시스템 상태, (2) 시간 경과에 따른 전체 상태 변화, (3) 시스템이 가질 수 있는 모든 상태를 나타내는 상태 공간을 통해 정의된다.^[5] 이 시스템은 상태 변화가 다른 측면에 영향을 준다는 특징을 갖는다.^[6]

동역학적 모델은 일반적으로 미분 방정식으로 형식화되어 시간에 따른 시스템 상태 변화를 나타낸다. 이를 통해 궤적 공간의 형태와 동역학의 메커니즘보다는, 특정 궤적을 만드는 내외부 힘이 설명력을 갖게 된다. 이 관점에서 매개변수 입력은 시스템의 고유한 동역학을 변화시킨다.

6. 1. 동역학 시스템의 특징

전통적인 계산적 접근 방식에서 표상은 이산적인 기호의 정적인 구조로 간주된다. 인지는 정적인 기호 구조를 이산적이고 순차적인 단계로 변환함으로써 이루어진다. 감각 정보는 기호 입력으로 변환되고, 이는 운동 출력으로 변환되는 기호 출력을 생성한다. 전체 시스템은 지속적인 순환 과정으로 작동한다.

이러한 전통적인 관점에서는 인간의 인지가 연속적으로 그리고 실시간으로 일어난다는 사실이 간과된다. 프로세스를 이산 시간 단계로 나누는 것은 이러한 동작을 완전히 포착하지 못할 수 있다. 대안적인 접근 방식은 (1) 주어진 시간에서의 시스템 상태, (2) 시간 경과에 따른 전체 상태 변화로 정의되는 동작, (3) 시스템이 있을 수 있는 전체 상태를 나타내는 상태 집합 또는 상태 공간을 갖는 시스템을 정의하는 것이다.^[5] 이 시스템은 시스템 상태의 모든 측면 변화가 동일하거나 다른 시스템 상태의 다른 측면에 의존한다는 사실로 구별된다.^[6]

전형적인 동역학적 모델은 시스템의 상태가 시간에 따라 어떻게 변하는지 설명하는 여러 개의 미분 방정식으로 형식화된다. 그렇게 함으로써, 가능한 궤적 공간의 형태와 이러한 동역학을 나타내는 근본적인 메커니즘의 물리적 본질 대신 시간에 걸쳐 펼쳐지는 특정 궤적을 형성하는 내부 및 외부 힘이 설명력을 갖는다. 이 동적 관점에서 매개변수 입력은 외부 상태를 설명하는 내부 상태를 지정하기보다는 시스템의 고유한 동역학을 변경한다.

6. 2. 동역학 시스템 모델의 형식화

전통적인 계산적 접근 방식에서 표상은 이산적인 기호의 정적인 구조로 간주된다. 인지는 정적인 기호 구조를 이산적이고 순차적인 단계로 변환함으로써 이루어진다. 감각 정보는 기호 입력으로 변환되고, 이는 운동 출력으로 변환되는 기호 출력을 생성한다. 전체 시스템은 지속적인 순환 과정으로 작동한다.

이 전통적인 관점에서 빠져있는 것은 인간의 인지가 연속적으로 그리고 실시간으로 일어난다는 것이다. 프로세스를 이산 시간 단계로 나누는 것은 이러한 동작을 완전히 포착하지 못할 수 있다. 대안적인 접근 방식은 (1) 주어진 시간에서의 시스템 상태, (2) 시간 경과에 따른 전체 상태 변화로 정의되는 동작, (3) 시스템이 있을 수 있는 전체 상태를 나타내는 상태 집합 또는 상태 공간을 갖는 시스템을 정의하는 것이다.^[5] 이 시스템은 시스템 상태의 모든 측면 변화가 동일하거나 다른 시스템 상태의 다른 측면에 의존한다는 사실로 구별된다.^[6]

전형적인 동역학적 모델은 시스템의 상태가 시간에 따라 어떻게 변하는지 설명하는 여러 개의 미분 방정식으로 형식화된다. 그렇게 함으로써, 가능한 궤적 공간의 형태와 이러한 동역학을 나타내는 근본적인 메커니즘의 물리적 본질 대신 시간에 걸쳐 펼쳐지는 특정 궤적을 형성하는 내부 및 외부 힘이 설명력을 갖는다. 이 동적 관점에서 매개변수 입력은 외부 상태를 설명하는 내부 상태를 지정하기보다는 시스템의 고유한 동역학을 변경한다.

6. 3. 초기 동역학 시스템

호프필드 네트워크 모델은 인지 능력에 대한 동역학 시스템 적용의 초기 연구 사례로, 연상 기억을 모델링했다.^[7]^[8] 약 30개의 뉴런으로 구성된 시스템은 켜짐/꺼짐 상태로 기억의 신경 수준을 나타낸다. 신경망은 자체 학습을 통해 구조와 계산 속성을 자연스럽게 발생시키며, 전체 기억의 일부만으로도 기억을 불러올 수 있고 시간 순서도 인코딩 가능하다. 시스템 동작은 유클리드 벡터로 모델링되어 서로 다른 상태를 나타낸다.

엘만은 언어와 인지를 역학적 시스템으로 취급해야 한다고 제안하며, 엘만 네트워크를 통해 이를 구현했다.^[9] 언어를 정적인 어휘와 문법 규칙 집합이 아닌, 역학 시스템 내 상태 공간 영역과 끌개, 반발기로 정의했다. 정신적 표상은 궤적으로 간주되며, 엘만 네트워크는 간단한 문장 훈련을 통해 문법을 역학 시스템으로 나타내고 복잡한 문장을 구문 분석할 수 있었다.^[10]

A-not-B 오류는 특정 연령에서 발생하는 오류가 아니라, 동적인 학습 과정의 특징으로 제안된다.^[11]^[12] 2세 아이들은 모래 상자에 숨겨진 장난감을 찾는 실험에서 A-not-B 오류와 유사한 오류를 보였으며, 이는 시간에 따라 변화하는 장난감 위치에 대한 지속적인 표상을 시사한다.

연속 시간 순환 신경망(CTRNN) 분석은 동적 시스템의 메커니즘으로 제안된다.^[13] 3개의 뉴런으로 구성된 중추 패턴 발생기(CPG)는 보행 중 다리 움직임과 같은 시스템을 표현하며, 운동 뉴런을 통해 발과 다리 관절의 움직임을 제어한다.

6. 3. 1. 연상 기억 (Associative memory)

호프필드 네트워크 모델에서 인지 능력에 대한 동적 시스템 적용에 대한 초기 연구를 찾아볼 수 있다.^[7]^[8] 이러한 네트워크는 연상 기억의 모델로 제안되었다. 이들은 켜짐 또는 꺼짐 상태일 수 있는 약 30개의 뉴런 시스템을 모델링하여 기억의 신경 수준을 나타낸다. 신경망이 자체적으로 학습하도록 함으로써 구조와 계산 속성이 자연스럽게 발생한다. 이전 모델과 달리, 전체 기억의 작은 부분을 입력하여 "기억"을 형성하고 불러올 수 있다. 기억의 시간 순서도 인코딩할 수 있다. 시스템의 동작은 값을 변경할 수 있는 유클리드 벡터로 모델링되며, 이는 시스템의 서로 다른 상태를 나타낸다. 이 초기 모델은 인간 인지에 대한 동적 시스템 관점의 중요한 단계였지만, 많은 세부 사항을 추가하고 더 많은 현상을 설명해야 했다.

6. 3. 2. 언어 습득 (Language acquisition)

엘만은 인간 신경계의 진화 발생 생물학적 발달과 뇌가 다른 기관과 유사하다는 점을 고려하여, 언어와 인지를 디지털 기호 처리기가 아닌 역학적 시스템으로 취급해야 한다고 제안했다.^[9] 엘만이 구현한 유형의 신경망은 엘만 네트워크로 알려지게 되었다. 언어를 고정된 규칙에 따라 학습하고 사용하는 정적인 어휘 항목과 문법 규칙의 집합으로 취급하는 대신, 역학 시스템 관점에서는 어휘를 역학 시스템 내의 상태 공간 영역으로 정의한다. 문법은 상태 공간에서의 움직임을 제약하는 끌개와 반발기로 구성된다. 이는 표상이 맥락에 민감하다는 것을 의미하며, 정신적 표상은 구성되어 정적으로 남아있는 객체가 아닌 정신 공간을 통과하는 궤적으로 간주된다. 엘만 네트워크는 간단한 문장으로 훈련되어 문법을 역학 시스템으로 나타냈다. 기본적인 문법을 학습한 후, 네트워크는 역학적 모델에 따라 다음에 어떤 단어가 나타날지 예측하여 복잡한 문장을 구문 분석할 수 있었다.^[10]

6. 3. 3. 인지 발달 (Cognitive development)

A-not-B 오류는 특정 연령(8~10개월)에 발생하는 별개의 오류가 아니라, 더 나이가 많은 아이들에게도 나타나는 역동적인 학습 과정의 특징으로 제안된다.^[11]^[12] 2세 아이들은 모래 상자에 숨겨진 장난감을 찾을 때 A-not-B 오류와 유사한 오류를 범하는 것으로 밝혀졌다. 장난감이 위치 A에 숨겨지는 것을 관찰하고 그곳에서 반복적으로 찾은 후, 2세 아이들은 새로운 위치 B에 숨겨진 장난감을 보았다. 장난감을 찾을 때, 그들은 위치 A로 편향된 위치에서 찾았다. 이것은 시간이 지남에 따라 변화하는 장난감 위치에 대한 지속적인 표상이 있음을 시사한다. 아이의 과거 행동은 모래 상자 위치에 대한 모델에 영향을 미치므로, 행동과 학습에 대한 설명은 모래 상자 시스템과 아이의 과거 행동이 시간이 지남에 따라 어떻게 변화하는지를 고려해야 한다.^[12]

6. 3. 4. 운동 (Locomotion)

동적 시스템의 한 가지 메커니즘으로 연속 시간 순환 신경망(CTRNN) 분석이 제안된다. 신경망의 상태가 아닌 출력에 초점을 맞추고, 완전 연결된 네트워크를 이용하여 3개의 뉴런으로 구성된 중추 패턴 발생기(CPG)로 보행 중 다리 움직임과 같은 시스템을 표현할 수 있다.^[13] 이 CPG는 다리의 발, 뒤쪽 스윙, 앞쪽 스윙 작동기를 제어하기 위해 세 개의 운동 뉴런을 포함한다. 네트워크의 출력은 발이 위로 향하는지 아래로 향하는지, 그리고 다리 관절에서 토크를 발생시키기 위해 얼마나 많은 힘이 가해지는지를 나타낸다. 이 패턴의 특징은 뉴런 출력이 대부분의 시간 동안 꺼져 있거나 켜져 있다는 것이다. 또 다른 특징은 상태가 준 안정적이라는 것인데, 이는 결국 다른 상태로 전환됨을 의미한다. 이러한 간단한 패턴 발생기 회로는 동적 시스템의 구성 요소로 제안된다. 한 준안정 상태에서 다른 상태로 동시에 전환되는 뉴런 집합은 동적 모듈로 정의된다. 이론적으로 이러한 모듈을 결합하여 완전한 동적 시스템을 구성하는 더 큰 회로를 만들 수 있다. 그러나 이러한 조합이 어떻게 가능한지에 대한 세부 사항은 아직 완전히 밝혀지지 않았다.

6. 4. 현대 동역학 시스템

역학계의 현대적 형식화는 인지 연구에 다양하게 적용된다.

6. 4. 1. 행동 동역학 (Behavioral dynamics)

역학계의 현대적 형식화는 인지 연구에 다양하게 적용된다. 그중 하나가 "행동 역학"인데,^[14] 에이전트와 환경을 고전 역학계 이론을 기반으로 하는 한 쌍의 결합된 역학계로 취급한다. 이 형식화에서 환경 정보는 에이전트의 행동에 영향을 미치고, 에이전트의 행동은 환경을 수정한다. 지각-행동 주기의 경우, 환경과 에이전트의 결합은 두 개의 함수로 형식화된다. 첫 번째는 에이전트의 행동 표현을 근육 활성화의 특정 패턴으로 변환하여 환경에 힘을 가한다. 두 번째 함수는 환경 정보(환경의 현재 상태를 반영하는 에이전트 수용체에서 발생하는 자극 패턴)를 에이전트의 행동을 제어하는 데 유용한 표현으로 변환한다. 에이전트의 신경계, 신체, 환경이 함께 결합되는 다른 유사한 역학계가 제안되었지만, 공식적인 프레임워크로 개발되지는 않았다.^[15]^[16]

6. 4. 2. 개방 동역학 시스템 (Open dynamical systems)

고전적인 동역학계 이론의 확장으로,^[19] 환경과 에이전트의 동역학계를 서로 결합하는 대신, "열린 동역학계"는 "전체 시스템", "에이전트 시스템" 및 이 두 시스템을 관련시키는 메커니즘을 정의한다. 전체 시스템은 환경 내의 에이전트를 모델링하는 동역학계인 반면, 에이전트 시스템은 에이전트의 내적 동역학(즉, 환경이 없는 상태에서의 에이전트의 동역학)을 모델링하는 동역학계이다. 중요한 점은 관계 메커니즘이 두 시스템을 함께 연결하는 것이 아니라, 끊임없이 전체 시스템을 분리된 에이전트의 전체 시스템으로 수정한다는 것이다. 전체 시스템과 에이전트 시스템을 구별함으로써, 환경으로부터 격리된 경우와 환경 내에 포함된 경우 에이전트의 행동을 조사하는 것이 가능하다. 이러한 공식화는 고전적인 공식화에서 일반화된 것으로 볼 수 있으며, 여기서 에이전트 시스템은 열린 동역학계의 에이전트 시스템으로, 환경과 결합된 에이전트와 환경은 열린 동역학계의 전체 시스템으로 볼 수 있다.

참조

_[1] 서적 The Cambridge Handbook of Computational Psychology Cambridge University Press
_[2] 웹사이트 ISO/IEC 2382-28:1995 https://www.iso.org/[...] 2023-05-13
_[3] 웹사이트 ISO/IEC 2382:2015 https://www.iso.org/[...] 2023-05-13
_[4] 서적 Cognitive Design for Artificial Minds Routledge, Taylor & Francis
_[5] 논문 The dynamical hypothesis in cognitive science https://static.cambr[...]
_[6] 논문 It's about time: An overview of the dynamical Approach to cognition http://cogsci.ucd.ie[...] MIT Press
_[7] 논문 Neural networks and physical systems with emergent collective computational abilities http://www.pnas.org/[...]
_[8] 논문 Neurons with graded response have collective computational properties like those of two-state neurons http://www.pnas.org/[...]
_[9] 논문 Language as a dynamical system http://citeseerx.ist[...] MIT Press
_[10] 논문 Distributed representations, simple recurrent networks, and grammatical structure https://link.springe[...]
_[11] 논문 Tests of dynamical systems account of the A-not-B error: The influence of prior experience on the spatial memory abilities of two-year-olds
_[12] 논문 The dynamics of embodiment: A field theory of infant preservative reaching https://static.cambr[...]
_[13] 논문 Evolution and analysis of model CPGs for walking
_[14] 논문 The dynamics of perception and action http://rci.rutgers.e[...]
_[15] 논문 Dynamical approaches to cognitive science
_[16] 논문 The dynamics of active categorical perception in an evolved model agent http://citeseerx.ist[...]
_[17] 논문 Behavioral dynamics of steering, obstacle avoidance, and route selection http://www.rc.unesp.[...]
_[18] 논문 A dynamical model of visually-guided steering, obstacle avoidance, and route selection http://cs.ait.ac.th/[...]
_[19] 논문 The dynamics of embodied cognition
_[20] 논문 Extending dynamical systems theory to model embodied cognition https://onlinelibrar[...]
_[21] 논문 Mind embodied and embedded https://philpapers.o[...] Harvard University Press
_[22] 논문 Interactive skill in scrabble https://www.research[...] Lawrence Erlbaum Associates
_[23] 논문 The extended mind https://www.era.lib.[...]
_[24] 서적 Cognition in the wild https://books.google[...] MIT Press

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com