맨위로가기

ACT-R

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

1. 개요

ACT-R은 인간 인지 과정을 모델링하기 위한 인지 아키텍처로, 다른 인지 아키텍처와 마찬가지로 전용 언어의 인터프리터를 통해 구현된다. 이 이론은 인간의 지식을 선언적 기억과 절차적 기억으로 구분하며, 모듈과 버퍼를 통해 정보를 처리한다. ACT-R은 프로그래밍 언어와 유사한 프레임워크로, 다양한 인지 과제를 모델링하는 데 사용되며, 최근에는 뇌 영상 연구와의 통합을 통해 뇌 활성 패턴 예측에도 활용된다. ACT-R은 기억, 주의, 언어 처리, 문제 해결, 인간-컴퓨터 상호작용 등 다양한 분야에 응용되며, 인지 튜터와 같은 교육 시스템의 기반으로도 사용된다.

더 읽어볼만한 페이지

  • 인지적 구조 - Cyc
    Cyc는 더글러스 레너트가 시작한 인공지능 프로젝트로, 인간 수준의 지식을 컴퓨터에 구축하는 것을 목표로 지식베이스와 추론 엔진을 활용하며, 다양한 분야에 응용되었으나 데이터 구축의 어려움으로 비판받기도 했다.
  • 인지적 구조 - 마음의 모듈성
    마음의 모듈성이란 마음의 능력이 특정한 영역에 특화된 모듈로 구성되어 있다는 이론이며, 제리 포더는 언어 습득 장치와 착시 현상을 근거로 모듈 개념을 체계화했고, 진화 심리학자들은 이를 확장하여 연구하지만 비판도 존재하며, 한국에서는 인지과학, 뇌 과학, 인공지능 분야에서 연구하고 있다.
  • 커먼 리스프 소프트웨어 - Cyc
    Cyc는 더글러스 레너트가 시작한 인공지능 프로젝트로, 인간 수준의 지식을 컴퓨터에 구축하는 것을 목표로 지식베이스와 추론 엔진을 활용하며, 다양한 분야에 응용되었으나 데이터 구축의 어려움으로 비판받기도 했다.
  • 커먼 리스프 소프트웨어 - 맥시마 (소프트웨어)
    맥시마는 MIT에서 개발된 Macsyma를 기반으로 GPL 라이선스 하에 공개된 오픈 소스 컴퓨터 대수 시스템으로, 기호 연산, 임의 정밀도 연산, 프로그래밍 기능 등을 제공하며 프로그래밍 교육 및 컴퓨터 대수 교육용으로 활용 가능하다.
  • 인지심리학 - 의사결정
    의사결정은 특정 결과를 위해 여러 선택지 중 하나를 고르는 과정으로, 불확실성, 인지적 편향, 구조에 따라 분류되며, 합리적, 비합리적 접근과 개인 및 집단 역학의 영향을 받고, 효과적인 의사결정을 위해 객관적인 정보와 인지적 편향 인식이 중요하며, 인공지능 발전으로 윤리적 논의가 필요하다.
  • 인지심리학 - 인지주의
    인지주의는 인간의 인지 과정을 정보 처리 모델로 설명하며 지식 획득, 기억, 문제 해결 등을 연구하는 학문으로, 의미있는 학습을 위한 능동적 참여와 메타인지 훈련의 중요성을 강조하지만 계산적 설명에 대한 비판과 철학적 한계 또한 존재하며, 상황인지, 분산 인지 등의 새로운 이론으로 다각적인 이해를 시도한다.
ACT-R - [IT 관련 정보]에 관한 문서
개요
ACT-R 모델의 단순화된 다이어그램
ACT-R 모델의 단순화된 다이어그램
일반 정보
이름ACT-R
종류인지 아키텍처
개발 정보
원저자존 로버트 앤더슨
프로그래밍 언어Common Lisp
라이선스GNU LGPL v2.1
릴리스 정보
최신 릴리스 버전7.21.6-<3099:2020-12-21>
최신 릴리스 날짜2020년 12월 21일
웹사이트
웹사이트ACT-R 공식 웹사이트

2. ACT-R의 기본 개념

ACT-R은 Soar, CLARION, EPIC과 같은 다른 인지 아키텍처와 마찬가지로, 전용 언어를 해석하는 인터프리터로 구현되어 있다. 이 인터프리터는 LISP 언어로 작성되어, 일반적인 LISP 처리 시스템에서 실행할 수 있다.

연구자들은 ACT-R 웹사이트에서 코드를 다운로드하여 LISP 환경에서 실행함으로써 ACT-R 이론을 직접 접할 수 있다. 또한, ACT-R 언어의 스크립트 형식으로 인간의 인지 모델을 만들 수도 있다. 이 언어의 기본 구문과 데이터 형식은 인지에 대한 이론적 가정을 반영하며, 인지심리학 실험과 뇌 영상 처리 결과를 바탕으로 설계되었다.

ACT-R은 일반적인 프로그래밍 언어처럼 프레임워크 역할을 한다. 연구자들은 하노이 탑, 텍스트나 단어 기억, 언어 이해, 의사소통, 항공기 제어 등 다양한 과제에 대해 ACT-R 모델(프로그램)을 만들 수 있다. 이 모델은 ACT-R의 인지 관점을 반영하며, 실행을 통해 각 인지 단계(기억 부호화 및 검색, 시청각 부호화, 운동 프로그래밍 및 실행, 정신적 이미지 조작)를 단계별로 시뮬레이션하여 인간 행동을 예측한다. 이러한 예측은 실험 데이터와 비교하여 모델을 평가하는 데 사용된다.

최근 ACT-R은 fMRI를 사용한 실험에서 뇌 활성화 패턴을 예측하는 기능으로 확장되었다. 특히, 운동 피질의 손과 입 영역, 왼쪽 전전두엽 피질, 전 대상 피질, 기저핵 등 뇌 영역의 BOLD 반응 형태와 시간을 예측한다.

2. 1. 선언적 기억과 절차적 기억

ACT-R의 가장 중요한 가정은 인간의 지식이 선언적 기억과 절차적 기억이라는 두 가지 환원 불가능한 표현으로 나눌 수 있다는 것이다.

ACT-R 코드 내에서 선언적 지식은 개별 속성의 ''청크''(chunks) 형태로 표현되며, 각 청크는 레이블이 지정된 슬롯에서 접근할 수 있는 벡터 표현이다. 청크는 ''버퍼''를 통해 보관되고 접근 가능하며, 버퍼는 전문화되고 대체로 독립적인 뇌 구조인 ''모듈''의 프런트 엔드이다.

모듈에는 두 가지 유형이 있다.

  • '''지각-운동 모듈''': 실제 세계(즉, 실제 세계의 시뮬레이션)와의 인터페이스를 담당한다. ACT-R에서 가장 잘 개발된 지각-운동 모듈은 시각 모듈과 수동 모듈이다.
  • '''기억 모듈''': ACT-R에는 두 가지 종류의 기억 모듈이 있다.
  • '''선언적 기억''': ''워싱턴 D.C.는 미국의 수도이다'', ''프랑스는 유럽의 국가이다'', 또는 ''2+3=5''와 같은 사실로 구성된다.
  • '''절차적 기억''': 프로덕션으로 구성된다. 프로덕션은 우리가 무언가를 하는 방법에 대한 지식을 나타낸다. 예를 들어, 키보드에서 "Q" 문자를 입력하는 방법, 운전하는 방법 또는 덧셈을 수행하는 방법에 대한 지식이 여기에 해당한다.


모든 모듈은 해당 버퍼를 통해서만 접근할 수 있다. 특정 시점에서 버퍼의 내용은 해당 시점의 ACT-R의 상태를 나타낸다. 이 규칙의 유일한 예외는 절차적 지식을 저장하고 적용하는 절차적 모듈이다. 이 모듈은 접근 가능한 버퍼가 없으며 실제로 다른 모듈의 내용에 접근하는 데 사용된다.

절차적 지식은 ''프로덕션'' 형태로 표현된다. "프로덕션"이라는 용어는 프로덕션 시스템으로서 ACT-R의 실제 구현을 반영하지만, 사실 프로덕션은 주로 피질 영역(즉, 버퍼)에서 기저핵으로, 다시 피질로의 정보 흐름을 지정하기 위한 공식적인 표기법이다.

각 순간마다 내부 패턴 매처는 버퍼의 현재 상태와 일치하는 프로덕션을 검색한다. 특정 순간에는 하나의 프로덕션만 실행될 수 있다. 실행된 해당 프로덕션은 버퍼를 수정하여 시스템의 상태를 변경할 수 있다. 따라서 ACT-R에서 인지는 프로덕션 발화의 연속으로 전개된다.

2. 2. 모듈과 버퍼

ACT-R의 가장 중요한 가정은 인간의 지식이 ''선언적'' 기억과 ''절차적'' 기억이라는 두 가지 환원 불가능한 표현으로 나눌 수 있다는 것이다.

ACT-R 코드 내에서 선언적 지식은 개별 속성의 ''청크''(chunks) 형태로 표현되며, 각 청크는 레이블이 지정된 슬롯에서 접근할 수 있는 벡터 표현이다.

청크는 ''버퍼''를 통해 보관되고 접근 가능하며, 버퍼는 전문화되고 대체로 독립적인 뇌 구조인 ''모듈''의 프런트 엔드이다.

모듈에는 두 가지 유형이 있다.

  • '''지각-운동 모듈''': 실제 세계(즉, 실제 세계의 시뮬레이션)와의 인터페이스를 담당한다. ACT-R에서 가장 잘 개발된 지각-운동 모듈은 시각 모듈과 수동 모듈이다.
  • '''기억 모듈''': ACT-R에는 두 가지 종류의 기억 모듈이 있다.
  • '''선언적 기억''': ''워싱턴 D.C.는 미국의 수도이다'', ''프랑스는 유럽의 국가이다'', 또는 ''2+3=5''와 같은 사실로 구성된다.
  • '''절차적 기억''': 프로덕션으로 구성된다. 프로덕션은 우리가 무언가를 하는 방법에 대한 지식을 나타낸다. 예를 들어, 키보드에서 "Q" 문자를 입력하는 방법, 운전하는 방법 또는 덧셈을 수행하는 방법에 대한 지식이 여기에 해당한다.


모든 모듈은 해당 버퍼를 통해서만 접근할 수 있다. 특정 시점에서 버퍼의 내용은 해당 시점의 ACT-R의 상태를 나타낸다. 이 규칙의 유일한 예외는 절차적 지식을 저장하고 적용하는 절차적 모듈이다. 이 모듈은 접근 가능한 버퍼가 없으며 실제로 다른 모듈의 내용에 접근하는 데 사용된다.

절차적 지식은 ''프로덕션'' 형태로 표현된다. "프로덕션"이라는 용어는 프로덕션 시스템으로서 ACT-R의 실제 구현을 반영하지만, 사실 프로덕션은 주로 피질 영역(즉, 버퍼)에서 기저핵으로, 다시 피질로의 정보 흐름을 지정하기 위한 공식적인 표기법이다.

각 순간마다 내부 패턴 매처는 버퍼의 현재 상태와 일치하는 프로덕션을 검색한다. 특정 순간에는 하나의 프로덕션만 실행될 수 있다. 실행된 해당 프로덕션은 버퍼를 수정하여 시스템의 상태를 변경할 수 있다. 따라서 ACT-R에서 인지는 프로덕션 발화의 연속으로 전개된다.[1]

2. 3. 프로덕션 시스템

ACT-R에서 절차적 지식은 '프로덕션' 형태로 표현된다. '프로덕션'이라는 용어는 ACT-R이 프로덕션 시스템으로 구현되었음을 반영한다. 그러나 실제 프로덕션은 주로 피질 영역(버퍼)에서 기저핵으로, 다시 피질로 이어지는 정보 흐름을 지정하는 표기법이다.[1]

각 순간마다 내부 패턴 매처는 버퍼의 현재 상태와 일치하는 프로덕션을 찾는다. 특정 시점에는 하나의 프로덕션만 실행될 수 있으며, 실행된 프로덕션은 버퍼를 수정하여 시스템의 상태를 변경한다. 따라서 ACT-R에서 인지는 프로덕션 실행의 연속으로 진행된다.[1]

3. ACT-R의 역사

ACT-R은 앨런 뉴웰의 통합인지이론에 영향을 받아 만들어졌다. 존 R. 앤더슨은 자신의 이론을 세우는데 가장 큰 영향을 준 인물로 앨런 뉴웰을 꼽고 있다.[49]

ACT-R의 발전 과정은 다음과 같다.


  • 초기 모델 (1973-1990): 1973년 존 R. 앤더슨과 고든 보어가 발표한 기억에 대한 최초의 HAM(Human Associative Memory, 인간 연상 기억) 모델에서 시작되었다.[36] 이후 HAM 모델은 ACT 이론의 첫 번째 버전으로 확장되었고,[37] 절차적 기억이 추가되면서 인간의 뇌에서 유효한 것으로 입증된 계산적 이분법을 도입했다.[38] 이 이론은 나중에 인간 인지에 대한 ACT* 모델로 더욱 확장되었다.[39]

  • 합리적 분석과의 통합 (1990-1998): 1980년대 후반, 존 로버트 앤더슨은 인지 능력에 대한 수학적 접근 방식인 합리적 분석을 연구했다.[40][86] 합리적 분석의 기본 가정은 인지가 최적으로 적응하며, 인지 기능에 대한 정확한 추정치는 환경의 통계적 특성을 반영한다는 것이다.[41][87] 이후 그는 ACT 이론 개발에 합리적 분석을 통합하여 ACT-R로 이름을 변경했다.[42][88] 1993년에는 연결주의 모델 연구자인 크리스찬 레비에르와의 공동 작업을 통해 ACT-R 4.0이 출시되었고,[43][89] 라이스 대학교의 마이크 번 덕분에 지각 및 운동 능력이 포함되어 이론의 적용 범위가 확장되었다.

  • 뇌 영상 연구와의 통합 (1998-2015): 존 앤더슨은 뇌 영상 기술을 활용하여 ACT-R 4.0과 신경학적 타당성 간의 연관성을 연구했다. 2002년 ACT-R 5.0에서는 모듈 개념을 도입하여 뇌 시스템에 매핑될 수 있는 절차적 및 선언적 표현의 특화된 집합을 만들었다.[44] 또한, 버퍼를 통해 절차적 지식과 선언적 지식 간의 상호작용을 조절했는데, 이는 피질 활동을 반영하는 것으로 여겨졌다.[90] 2005년에는 ACT-R 코딩 언어의 개선 사항을 포함한 ACT-R 6.0이 발표되었다.[45]

  • ACT-R 7.0 이후 (2015-현재): 2015년 워크숍에서 소프트웨어 변경으로 인해 ACT-R 7.0으로 버전이 올라갔다. 청크 유형 메커니즘이 선택적 구문 메커니즘으로 변경되어 지식 표현의 유연성이 향상되었고, 동적 패턴 매칭 기능이 확장되었다. 프로덕션에서 액션을 지정하는 구문이 단순화되었고, JSON영어 RPC 1.0 기반의 원격 인터페이스가 추가되어 Lisp 이외의 언어에서도 ACT-R을 사용하기 쉬워졌다. 튜토리얼에는 파이썬 구현 예제가 제공된다.

3. 1. 초기 모델 (1973-1990)

ACT-R은 앨런 뉴웰의 통합인지이론에 영향을 받았다. 존 R. 앤더슨은 자신의 이론을 세우는데 가장 큰 영향을 준 인물로 앨런 뉴웰을 꼽는다.

ACT-R은 존 R. 앤더슨이 개발한 인간 인지에 대한 일련의 모델들의 최종 후속 모델이다. 그 뿌리는 1973년 존 R. 앤더슨과 고든 보어가 설명한 기억에 대한 최초의 HAM(Human Associative Memory, 인간 연상 기억) 모델로 거슬러 올라간다.[36] HAM 모델은 나중에 ACT 이론의 첫 번째 버전으로 확장되었다.[37] 이는 절차적 기억이 원래의 선언적 기억 시스템에 추가된 최초의 사례였으며, 나중에 인간의 뇌에서 유효한 것으로 입증된 계산적 이분법을 도입했다.[38] 이 이론은 이후 인간 인지에 대한 ACT* 모델로 더욱 확장되었다.[39]

3. 2. 합리적 분석과의 통합 (1990-1998)

1980년대 후반, 존 로버트 앤더슨은 그가 합리적 분석이라고 명명한 인지 능력에 대한 수학적 접근 방식을 탐구하고 개략적으로 설명하는 데 전념했다.[40][86] 합리적 분석의 기본 가정은 인지가 최적으로 적응한다는 것이며, 인지 기능에 대한 정확한 추정치는 환경의 통계적 특성을 반영한다는 것이다.[41][87] 이후 그는 ACT 이론의 개발로 돌아와 합리적 분석을 기본 계산의 통합 프레임워크로 사용했다. 이 새로운 접근 방식이 아키텍처를 형성하는 데 중요한 역할을 한다는 점을 강조하기 위해, 그 이름은 "R"이 "합리적(Rational)"을 의미하는 ACT-R로 수정되었다.[42][88]

1993년, 존 로버트 앤더슨은 주로 스콧 팰먼과 함께 캐스케이드 상관관계 학습 알고리즘을 개발한 것으로 유명한 연결주의 모델 연구원인 크리스찬 레비에르를 만났다. 그들의 공동 작업은 ACT-R 4.0의 출시로 이어졌다.[43][89] 라이스 대학교의 마이크 번 덕분에, 버전 4.0에는 선택적인 지각 및 운동 능력이 포함되었으며, 이는 주로 EPIC 아키텍처에서 영감을 얻어 이론의 가능한 적용 범위를 크게 확장했다.

3. 3. 뇌 영상 연구와의 통합 (1998-2015)

존 앤더슨은 ACT-R 4.0 출시 이후, 자신의 이론과 신경학적 타당성 간의 연관성에 더 큰 관심을 갖게 되었다. 그는 뇌 영상 기술을 활용하여 인간 정신의 계산적 기초를 이해하고자 했다.

뇌 활동 국소화를 설명하기 위해 이론의 주요 개정이 필요했다. 2002년 ACT-R 5.0에서는 모듈 개념이 도입되었다. 모듈은 뇌 시스템에 매핑될 수 있는 절차적 및 선언적 표현의 특화된 집합이다.[44] 절차적 지식과 선언적 지식 간의 상호작용은 새롭게 도입된 버퍼에 의해 매개되었는데, 버퍼는 임시 활성 정보를 보관하는 특화된 구조이다. 버퍼는 피질 활동을 반영하는 것으로 여겨졌으며, 이후 연구에서 피질 영역의 활성화가 버퍼에 대한 계산 작업과 성공적으로 관련될 수 있음을 확인했다.[90]

2005년에는 완전히 다시 작성된 새로운 버전의 코드인 ACT-R 6.0이 발표되었다. 여기에는 ACT-R 코딩 언어의 상당한 개선 사항도 포함되었다. 예를 들어, 동적 패턴 매칭이라는 ACT-R 생산 사양의 새로운 메커니즘이 도입되었다. 이전 버전에서는 버퍼의 정보에 대한 특정 슬롯을 포함하도록 생산에 의해 일치하는 패턴이 요구되었지만, 동적 패턴 매칭을 사용하면 슬롯이 버퍼 내용에 의해 지정되도록 일치시킬 수도 있다. ACT-R 6.0에 대한 설명과 동기는 Anderson (2007)에 제공된다.[45]

3. 4. ACT-R 7.0 이후 (2015-현재)

2015년 워크숍에서 소프트웨어 변경 사항으로 인해 모델 번호를 ACT-R 7.0으로 증가시켜야 한다는 주장이 제기되었다. 주요 변경 사항은 청크가 미리 정의된 청크 유형을 기반으로 지정되어야 한다는 요구 사항을 제거한 것이다. 청크 유형 메커니즘은 제거되지 않았지만, 아키텍처의 필수 구성 요소에서 소프트웨어의 선택적 구문 메커니즘으로 변경되었다. 이를 통해 새로운 정보를 학습해야 하는 모델링 작업에 대한 지식 표현의 유연성이 향상되었으며, 동적 패턴 매칭을 통해 제공되는 기능이 확장되어 이제 모델이 새로운 "유형"의 청크를 생성할 수 있게 되었다.

또한, 모든 액션이 이제 동일한 구문 형식을 갖기 때문에 프로덕션에서 액션을 지정하는 데 필요한 구문이 단순화되었다. ACT-R 소프트웨어는 JSON영어 RPC 1.0 기반의 원격 인터페이스를 포함하도록 업데이트되었다. 이 인터페이스는 모델에 대한 작업을 구축하고 Lisp 이외의 언어에서 ACT-R을 사용하기 쉽게 만들기 위해 추가되었으며, 소프트웨어에 포함된 튜토리얼은 튜토리얼 모델이 수행하는 모든 예제 작업에 대한 파이썬 구현을 제공하도록 업데이트되었다.

4. ACT-R의 응용 분야

ACT-R 모델은 수년에 걸쳐 700개 이상의 과학 출판물에서 사용되었으며, 훨씬 더 많은 수의 출판물에서 인용되었다.[8]

4. 1. 기억, 주의, 실행 제어

ACT-R의 선언적 기억 시스템은 인간의 기억을 모델링하는 데 사용되어 왔다. 수년에 걸쳐, 연관된 정보에 대한 간섭의 팬 효과[9], 목록 기억에 대한 초두 효과 및 최신 효과[10], 순차적 회상[11] 등 알려진 많은 효과들을 성공적으로 모델링하였다.

ACT-R은 스트룹 효과[12][13], 과제 전환[14][15], 심리적 불응기[16], 멀티태스킹[17] 등 여러 인지적 패러다임에서 주의 및 제어 프로세스를 모델링하는 데 사용되어 왔다.

4. 2. 자연어 처리

다수의 연구자들이 ACT-R을 사용하여 자연 언어 이해 및 생성의 여러 측면을 모델링해왔다. 여기에는 구문 분석,[18] 언어 이해,[19] 언어 습득,[20] 은유 이해[21] 모델이 포함된다.

ACT-R을 자연어의 이해와 생성의 몇몇 관점의 모델링에 사용하는 연구자도 있다. 예를 들어, 구문 분석 모델[64], 언어 이해 모델[65], 언어 습득 모델[66], 은유 이해 모델[67] 등이 있다.

4. 3. 복잡한 과제 해결

ACT-R은 하노이 탑[23], 대수 방정식[23] 문제 해결, 운전 및 비행[24] 시 인간 행동 모델링 등 복잡한 인지 과제 연구에 활용된다.

ACT-R은 인간-컴퓨터 상호 작용 및 인간 공학, 맨-머신 인터페이스 분야에서 모델링 도구로 사용된다. 예를 들어, 다양한 조건에서의 운전 행동,[25][26] 컴퓨터 응용 프로그램에서의 메뉴 선택 및 시각적 검색,[27][28] 웹 탐색[29], 자동차 운전,[71][72] 컴퓨터 응용 프로그램에서의 메뉴 선택, 시각의 움직임,[73][74] 웹 페이지 유도[75] 등을 모델링한다.

4. 4. 인지신경과학

최근 ACT-R은 fMRI를 이용한 실험에서 감지된 뇌 활성 패턴에 대한 정량적 예측을 하도록 확장되었다. 특히 ACT-R은 운동 피질의 손과 입 부위, 왼쪽 전전두엽 피질, 전 대상 피질, 기저핵을 포함한 여러 뇌 영역의 BOLD 반응의 형태와 시간 경과를 예측하도록 강화되었다.[30]

최근에는 이미지를 떠올릴 때의 뇌 활성화 패턴 예측에도 ACT-R이 사용되고 있다.[76] 이 분야의 성공 사례로는 기억 검색 시 전전두엽과 두정엽의 활동 예측,[77] 전대상피질의 제어 활동 모델링,[78] 경험에 따른 뇌 활동 변화 모델링 등이 있다.[79]

4. 5. 교육

ACT-R은 인지 튜터의 기반으로 자주 채택되어 왔다.[34][35] 이러한 시스템은 내부 ACT-R 모델을 사용하여 학생의 행동을 모방하고, 지침과 교육 과정을 개인화한다. 이를 통해 학생들이 겪을 수 있는 어려움을 "추측"하고 집중적인 도움을 제공하려고 시도한다.

인지 튜터는 피츠버그 학습 과학 센터에서 학습 및 인지 모델링 연구를 위한 플랫폼으로 사용되고 있다. 가장 성공적인 응용 사례로는 미국 전역의 수천 개 학교에서 사용되는 수학 인지 튜터가 있다.[80][81] 인지 튜터는 학습자 개인의 모델을 구축하고, 각 과제를 해당 학습자가 어느 정도 어렵다고 느끼는지 추정하여 과제 및 커리큘럼을 개인화하며, 적절한 조언도 제공한다.

5. ACT-R 관련 논쟁 및 오해

ACT-R은 인지과학 분야에서 인지에 대한 접근 방식을 둘러싼 논쟁의 중심에 있으며, 크게 "기호주의"와 "연결주의"로 나뉜다. ACT-R은 일반적으로 기호주의적 접근 방식으로 분류되지만,[3] ACT-R 개발자들을 포함한 커뮤니티 구성원들은 전통적인 기호주의/연결주의 논쟁을 넘어선다고 생각한다.

ACT-R이 뇌 기능을 특성화하려 한다는 오해가 있지만, 이는 잘못된 것이다. 인지 모델링에 대한 모든 접근 방식은 어떤 면에서든 뇌 기능을 특성화해야 하며, 중요한 일반화는 인지적 수준에서 유지될 수 있기 때문이다.[4]

ACT-R의 특정 속성 때문에 추가적인 오해가 발생하기도 한다. 예를 들어 청크가 서로 활성화를 확산시키거나, 청크와 프로덕션이 선택과 관련된 정량적 속성을 갖는다는 점 등이 있지만, 이는 ACT-R의 근본적인 본질(기호적)에 반하는 것은 아니다.

ACT-R 개발자들은 ACT-R 이론 자체와 실제 구현 사이의 차이점을 강조한다. 실제 구현에는 계산상의 이유로만 존재하는 추가적인 '모듈'이 사용되는 등 이론을 반영하지 않는 부분이 있다.

CMU의 앤더슨 연구실에서 공식 ACT-R 코드를 유지 관리하고 배포하지만, 이 이론의 다른 대체 구현도 제공되었다. 여기에는 미국 해군 연구소의 앤서니 M. 해리슨이 자바로 작성한 ''jACT-R'',[5] 캐나다 칼턴 대학교의 테렌스 C. 스튜어트와 로버트 L. 웨스트가 파이썬으로 작성한 ''Python ACT-R'',[6] 1993년 버전의 이론을 완전히 신경적으로 구현한 ACT-RN (현재 중단됨)[7] 등이 있다.

이러한 구현의 자유도 때문에 ACT-R 커뮤니티는 원래 형태로 채택되고 수정되지 않은 경우, "공식" Lisp 기반 버전의 이론을 "바닐라 ACT-R"이라고 부른다.

5. 1. 기호주의 vs. 연결주의 논쟁

인지과학에서는 인지에 대한 접근 방식을 크게 "기호주의"와 "연결주의"로 나눈다. ACT-R은 일반적으로 기호주의적 접근 방식으로 분류된다.[3] ACT-R의 구성 요소인 청크와 프로덕션은 분리되어 있으며, 그 연산은 구문론적이다. 즉, 표현의 의미보다는 계산에 필요한 속성만을 참조한다. 이는 청크 슬롯과 프로덕션의 버퍼 매칭 속성에서 명확히 드러나며, 이들은 표준적인 기호 변수로 기능한다.

하지만 ACT-R 개발자들을 포함한 ACT-R 커뮤니티 구성원들은 ACT-R을 뇌의 구조와 작동 방식, 그리고 인지 심리학에서 연구되는 마음이 어떻게 발생하는지를 명시하는 일반적인 프레임워크로 간주하며, 전통적인 기호주의/연결주의 논쟁을 넘어선다고 생각한다. 그러나 인지에 대한 모든 기호적 접근 방식은 뇌 기능의 산물로서 마음을 설명하는 것을 목표로 하므로, 이는 ACT-R을 기호 시스템으로 분류하는 것에 대한 반론이 되지 않는다.

ACT-R이 뇌 기능을 특성화하려고 하기 때문에 기호 시스템이 아닐 수 있다는 오해가 있지만, 이는 두 가지 측면에서 잘못되었다. 첫째, 마음은 뇌 기능이므로, 인지에 대한 계산 모델링에 대한 모든 접근 방식(기호적 접근 방식을 포함)은 어떤 면에서든 뇌 기능을 특성화해야 한다. 둘째, 연결주의 접근 방식을 포함한 모든 이러한 접근 방식은 신경 수준이 아닌 인지적 수준에서 마음을 특성화하려고 한다. 중요한 일반화가 유지될 수 있는 것은 인지적 수준이기 때문이다.[4]

ACT-R의 특정 속성, 예를 들어 청크가 서로 활성화를 확산시키거나 청크와 프로덕션이 선택과 관련된 정량적 속성을 갖는다는 사실 때문에 추가적인 오해가 발생한다. 그러나 이러한 속성은 유닛 선택, 그리고 궁극적으로 계산에서 그 역할에 관계없이 이러한 엔티티의 근본적인 본질(기호적)에 반하는 것은 아니다.

5. 2. 이론과 구현의 차이

ACT-R 개발자들은 ACT-R 이론 자체와 실제 구현 사이의 차이점을 강조한다.

실제 구현의 많은 부분은 이론을 반영하지 않는다. 예를 들어, 실제 구현에는 계산상의 이유로만 존재하는 추가적인 '모듈'이 사용된다. 이러한 모듈은 뇌의 어떤 것도 반영하지 않는다. 의사 난수 생성기를 포함하는 모듈은 노이즈가 있는 매개변수를 생성하는 데 사용되고, 다른 모듈에는 변수 이름을 통해 데이터 구조를 생성하기 위한 명명 루틴이 포함되어 있다.

또한, 실제 구현은 연구자들이 표준 매개변수를 변경하거나, 새로운 모듈을 생성하거나, 기존 모듈의 동작을 부분적으로 수정하는 방식으로 이론을 수정할 수 있도록 설계되었다.

CMU의 앤더슨 연구실에서 공식 ACT-R 코드를 유지 관리하고 배포하지만, 이 이론의 다른 대체 구현도 제공되었다. 이러한 대체 구현에는 다음이 포함된다.

  • 미국 해군 연구소의 앤서니 M. 해리슨이 자바로 작성한 ''jACT-R''[5]
  • 캐나다 칼턴 대학교의 테렌스 C. 스튜어트와 로버트 L. 웨스트가 파이썬으로 작성한 ''Python ACT-R''[6]
  • 1993년 버전의 이론을 완전히 신경적으로 구현한 ACT-RN (현재 중단됨)[7]


이러한 모든 버전은 완전히 작동하며, 모든 버전으로 모델을 작성하고 실행할 수 있다.

이러한 구현의 자유도 때문에 ACT-R 커뮤니티는 원래 형태로 채택되고 수정되지 않은 경우, "공식" Lisp 기반 버전의 이론을 "바닐라 ACT-R"이라고 부른다.

6. ACT-R 관련 연구 및 커뮤니티

1995년, 카네기 멜론 대학교는 해마다 ACT-R 워크숍과 서머 스쿨을 개최하기 시작했다.[46] 현재 ACT-R 워크숍은 해마다 열리는 MathPsych/ICCM 컨퍼런스에서 개최되며, 서머 스쿨은 카네기 멜론 대학교 캠퍼스에서 개최되고 가상 참석 옵션도 제공한다.

7. ACT-R 파생 모델

앤더슨의 초기 이론을 구현한 '''PUPS 생산 시스템'''(이후 폐기됨)과 크리스찬 레비에르가 개발한 이론의 신경망 구현인 '''ACT-RN'''[7]이 있다.

카네기 멜론 대학교의 린 M. 레더는 1990년대 초에 '''SAC'''를 개발했는데, SAC는 ACT-R 핵심 선언적 시스템과 많은 특징을 공유하지만 일부 가정에서 차이를 보이는 기억의 개념적 및 지각적 측면의 모델이다.

카네기 멜론 대학교에서 박사 학위 논문을 위해 크리스토퍼 L. 댄시는 ACT-R에 인간의 생리적 과정과 인터페이스할 수 있는 생리적 모듈을 추가한 '''ACT-R/Phi'''[47]를 개발하였다.

ACT-R의 작업 기억 구성 요소의 경량 Python 기반 구현인 '''pyACTUp'''[48]는 카네기 멜론 대학교의 돈 모리슨이 만들었으며, ACT-R 코드베이스를 유지 관리한다. 이 라이브러리는 분류 작업을 위한 단일 모드 지도 학습 모델로 ACT-R을 구현한다.

참조

[1] 웹사이트 ACT-R » Software http://act-r.psy.cmu[...] 2021-03-24
[2] 서적 Unified Theories of Cognition Harvard University Press
[3] 서적 Cognitive Modeling MIT Press
[4] 서적 Computation and Cognition: Toward a Foundation for Cognitive Science MIT Press
[5] 간행물 jACT-R: Java ACT-R http://act-r.psy.cmu[...] 2008-09-07
[6] 간행물 Deconstructing ACT-R https://web.archive.[...]
[7] 간행물 A connectionist Implementation of the ACT-R production system Lawrence Erlbaum Associates
[8] 웹사이트 ACT-R Publications and Published Models - CMU http://act-r.psy.cmu[...]
[9] 논문 The fan effect: New results and new theories
[10] 논문 An integrated theory of list memory
[11] 논문 A production system theory of serial memory
[12] 논문 A strategy-based interpretation of Stroop
[13] 논문 A repetition-suppression account of between-trial effects in a modified Stroop paradigm
[14] 논문 An integrated model of cognitive control in task switching
[15] 논문 Task preparation and task repetition: Two-component model of task switching
[16] 논문 Serial modules in parallel: The psychological refractory period and perfect time-sharing
[17] 논문 Threaded cognition: An integrated theory of concurrent multitasking
[18] 논문 An activation-based model of sentence processing as skilled memory retrieval
[19] 논문 Interpretation-Based Processing: A Unified Theory of Semantic Sentence Processing
[20] 논문 Why do children learn to say "broke"? A model of learning the past tense without feedback
[21] 논문 Comprehending anaphoric metaphors
[22] 논문 Memory for goals: An activation-based model
[23] 논문 Human symbol manipulation within an integrated cognitive architecture
[24] 논문 Using computational cognitive modeling to diagnose possible sources of aviation error
[25] 논문 Modeling driver behavior in a cognitive architecture
[26] 간행물 Predicting the effects of cellular-phone dialing on driver performance Lawrence Erlbaum Associates
[27] 논문 ACT-R/PM and menu selection: Applying a cognitive architecture to HCI
[28] 논문 Modeling icon search in ACT-R/PM
[29] 논문 SNIF-ACT: A cognitive model of user navigation on the World Wide Web http://www.humanfact[...]
[30] 논문 A central circuit of the mind
[31] 간행물 Competition and representation during memory retrieval: Roles of the prefrontal cortex and the posterior parietal cortex
[32] 간행물 Anticipation of conflict monitoring in the anterior cingulate cortex and the prefrontal cortex
[33] 간행물 Predicting the practice effects on the blood oxygenation level-dependent (BOLD) function of fMRI in a symbolic manipulation task
[34] 서적 The teacher's apprentice: Designing an intelligent authoring system for high school mathematics Addison-Wesley
[35] 서적 What role do cognitive architectures play in intelligent tutoring systems? Lawrence Erlbaum Associates
[36] 서적 Human associative memory Winston and Sons 1973
[37] 서적 Language, memory, and thought Lawrence Erlbaum Associates 1976
[38] 논문 Preserved learning and retention of pattern-analyzing skill in amnesia: dissociation of knowing how and knowing that Science 1980
[39] 서적 The architecture of cognition Harvard University Press 1983
[40] 서적 The adaptive character of thought Lawrence Erlbaum Associates 1990
[41] 논문 Reflections of the environment in memory Psychological Science 1991
[42] 서적 Rules of the mind Lawrence Erlbaum Associates 1993
[43] 서적 The atomic components of thought Lawrence Erlbaum Associates 1998
[44] 논문 An integrated theory of the mind Psychological Review 2004
[45] 서적 How can the human mind occur in the physical universe? Oxford University Press 2007
[46] 웹사이트 ACT-R » Workshops http://act-r.psy.cmu[...]
[47] 간행물 Towards adding a physiological substrate to ACT-R 21st Annual Conference on Behavior Representation in Modeling and Simulation 2012, BRiMS 2012 2012
[48] 웹사이트 pyactup https://github.com/r[...] 2023-09-15
[49] 서적 Unified Theories of Cognition Harvard University Press 1994
[50] 서적 Cognitive Modeling MIT Press 2002
[51] 서적 Computation and Cognition: Toward a Foundation for Cognitive Science MIT Press 1984
[52] 간행물 jACT-R: Java ACT-R http://act-r.psy.cmu[...] Proceedings of the 8th Annual ACT-R Workshop 2002
[53] 간행물 Python ACT-R: A New implementation and a new syntax http://terrystewart.[...] Proceedings of 12th Annual ACT-R Workshop 2005
[54] 간행물 A connectionist Implementation of the ACT-R production system Proceedings of the Fifteenth Annual Conference of the Cognitive Science Society 1993
[55] 논문 The fan effect: New results and new theories Journal of Experimental Psychology: General 1999
[56] 논문 An integrated theory of list memory Journal of Memory and Language 1998
[57] 논문 A production system theory of serial memory Psychological Review 1997
[58] 논문 A strategy-based interpretation of Stroop Cognitive Science 2005
[59] 논문 A repetition-suppression account of between-trial effects in a modified Stroop paradigm Acta Psychologica 2009
[60] 논문 An integrated model of cognitive control in task switching Psychological Review 2008
[61] 논문 Task preparation and task repetition: Two-component model of task switching Journal of Experimental Psychology: General
[62] 논문 Serial modules in parallel: The psychological refractory period and perfect time-sharing Psychological Review 2001
[63] 논문 Threaded cognition: An integrated theory of concurrent multitasking Psychological Review 2008
[64] 논문 An activation-based model of sentence processing as skilled memory retrieval Cognitive Science 2005
[65] 논문 Interpretation-Based Processing: A Unified Theory of Semantic Sentence Processing Cognitive Science 2004
[66] 논문 Why do children learn to say "broke"? A model of learning the past tense without feedback Cognition 2002
[67] 논문 Comprehending anaphoric metaphors Memory & Cognition 2002
[68] 논문 Memory for goals: An activation-based model Cognitive Science 2002
[69] 논문 Human symbol manipulation within an integrated cognitive architecture Cognitive Science 2005
[70] 논문 Using computational cognitive modeling to diagnose possible sources of aviation error International Journal of Aviation Psychology 2005
[71] 논문 Modeling driver behavior in a cognitive architecture
[72] 논문 Predicting the effects of cellular-phone dialing on driver performance Lawrence Erlbaum Associates
[73] 논문 ACT-R/PM and menu selection: Applying a cognitive architecture to HCI
[74] 논문 Modeling icon search in ACT-R/PM
[75] 간행물 SNIF-ACT: A Model of Information-Seeking Behavior in the World Wide Web.
[76] 논문 A central circuit of the mind
[77] 논문 Competition and representation during memory retrieval: Roles of the prefrontal cortex and the posterior parietal cortex
[78] 논문 Anticipation of conflict monitoring in the anterior cingulate cortex and the prefrontal cortex
[79] 논문 Predicting the practice effects on the blood oxygenation level-dependent (BOLD) function of fMRI in a symbolic manipulation task
[80] 서적 The teacher's apprentice: Designing an intelligent authoring system for high school mathematics Addison-Wesley
[81] 서적 What role do cognitive architectures play in intelligent tutoring systems? Lawrence Erlbaum Associates
[82] 서적 Human associative memory Winston and Sons
[83] 서적 Language, memory, and thought Lawrence Erlbaum Associates
[84] 논문 Preserved learning and retention of pattern-analyzing skill in amnesia: dissociation of knowing how and knowing that
[85] 서적 The architecture of cognition Harvard University Press
[86] 서적 The adaptive character of thought Lawrence Erlbaum Associates
[87] 논문 Reflections of the environment in memory
[88] 서적 Rules of the mind Lawrence Erlbaum Associates
[89] 서적 The atomic components of thought Lawrence Erlbaum Associates
[90] 논문 An integrated theory of the mind
[91] 웹인용 ACT-R » Software http://act-r.psy.cmu[...] 2021-03-24


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