认知架构

认知架构既指关于人类思维结构的理论，也指在人工智能（AI）和计算认知科学领域使用的这种理论的计算实例。形式化的模型可以用来进一步完善认知的综合理论，并作为有用的人工智能程序。成功的认知架构包括ACT-R（AdaptiveControlofThought-Rational）和SOAR。认知架构作为认知理论的软件实例化的研究是由AllenNewell在1990年发起的。他将他对长期记忆和思维过程的研究的更多方面纳入这项研究，并最终设计了一个他最终称之为ACT的认知架构。他和他的学生们受到了艾伦-纽维尔对认知架构这一术语的影响。安德森的实验室用这个词来指代ACT理论，它体现在一系列的论文和设计中（当时还没有ACT的完整实现）。1983年，约翰-R-安德森发表了这一领域的开创性工作，题为《认知的结构》。人们可以区分认知理论和理论的实现。认知理论概述了头脑各部分的结构，并对规则的使用、联想网络和其他方面做出了承诺。认知架构在计算机上实现了该理论。用来实现认知架构的软件也是认知架构。因此，认知架构也可以指的是智能代理的蓝图。它提出了像某些认知系统一样的（人工）计算过程，最常见的是像人一样，或者在某种定义下表现出智能。认知架构是一般代理架构的一个子集。术语"架构"意味着一种方法，它不仅试图对行为进行建模，而且还试图对被建模系统的结构属性进行建模。

认知架构可以是符号的、连接主义的或混合的。一些认知架构或模型是基于一套通用规则的，例如，信息处理语言（例如，基于统一认知理论的Soar，或者类似的ACT-R）。这些架构中的许多都是基于"心是计算机"的比喻。相比之下，亚符号处理没有先验地指定这种规则，而是依赖于处理单元（如节点）的突发属性。混合架构结合了两种处理方式（如CLARION）。另一个区别是该架构是以处理器的神经关联为核心的集中式，还是分散式（分布式）。分散式的味道，在80年代中期以并行分布式处理和连接主义的名义变得流行，一个主要的例子是神经网络。

另一个设计问题是在整体性和原子性，或（更具体的）模块化结构之间做出决定。在传统的人工智能中，智能往往是自上而下的编程：程序员是创造者，他制造一些东西并赋予其智能，尽管许多传统的人工智能系统也被设计为学习（例如，提高其游戏或解决问题的能力）。另一方面，生物启发的计算有时采取一种更自下而上的分散方法；生物启发的技术通常涉及指定一组简单的通用规则或一组简单的节点的方法，从它们的互动中出现整体行为。希望能建立起复杂性，直到最终的结果是明显复杂的东西（见复杂系统）。然而，也可以说，根据对人类和其他动物的观察，而不是对大脑机制的观察，自上而下设计的系统也是受生物启发的，尽管是以不同方式。

2010年，Samsonovich等人对已实现的认知架构进行了全面的回顾.