Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
geschikt voor het proces van modularisatie, maar dan voor slecht één module. Netwerken kunnen<br />
niet aantonen hoe uit een starting state meerdere specialistische modules ontstaan.<br />
Eisen aan de input. Connectionistische modellen kunnen één bepaalde taak uitvoeren. Dit is<br />
vaak een taak, die versimpeld is en aangepast aan de mogelijkheden van hun architectuur. Er zijn<br />
echter veel rijkere inputvectoren nodig om de manier waarop kinderen leren in echte, natuurlijke<br />
situaties te kunnen modelleren. Ook zou de nadruk dan meer moeten liggen op het simuleren van<br />
doelgericht gedrag. Dit laatste is iets, waar een hybride architectuur als ACT-R betere<br />
mogelijkheden voor biedt (Anderson & Lebiere, 1998).<br />
Eisen om de overgang van impliciete naar expliciete representaties te modelleren. Deze<br />
overgang is precies het speerpunt van de RR-theorie. Neurale netwerken vermengen echter<br />
inhoud en structuur. Daardoor kunnen ze nooit kenniscomponenten isoleren en ergens anders bij<br />
gebruiken. Om de RR-theorie te kunnen modelleren, moeten we dus een architectuur hebben, die<br />
kenniscomponenten kan isoleren en hergebruiken. Hiervoor is het wel nodig dat we weten hoe we<br />
dat isoleren en hergebruiken kunnen laten ontstaan in het model. Het voordeel van ACT-R is, dat<br />
structuur en inhoud wel netjes gescheiden zijn. Nadere bestudering van eerder ontwikkelde<br />
modellen in ACT-R kan ons wellicht leren hoe we in deze architectuur het isoleren en<br />
hergebruiken van kenniscomponenten kunnen laten ontstaan.<br />
Uit bovenstaande opsomming blijkt wel dat de RR-theorie nogal pittige eisen stelt aan de<br />
architectuur en de modellen. Het feit dat netwerken op veel punten tekort schieten, wil natuurlijk<br />
nog niet zeggen dat andersoortige architecturen wel met de eisen uit de voeten kunnen. In de<br />
volgende hoofdstukken kom ik hierop terug en spits ik de discussie nog meer toe op de<br />
architectuur ACT-R.<br />
4.2 Hoe zien de veranderende interne representaties er nu precies uit?<br />
Om goede computermodellen van de RR-theorie te kunnen maken, moeten we een zeer<br />
gedetailleerd inzicht hebben in hoe de door Karmiloff-Smith beschreven representaties er precies<br />
uitzien. Dit is een zeer lastig punt. Karmiloff-Smith (1994) beschrijft haar RR-theorie als een softcore<br />
framework, beschreven in verbale termen. Dit heeft als voordeel dat de grote lijn niet uit het<br />
oog wordt verloren en een hoog niveau van abstractie bereikt kan worden. Het nadeel is echter<br />
dat je niet veel op details hoeft in te gaan en het ook niet allemaal zo formeel hoeft aan te pakken.<br />
Het gevolg is dat de RR-theorie eigenlijk nog helemaal niet klaar is om direct gemodelleerd te<br />
worden. Hoe de herschreven representaties eruit zien, blijft een open vraag. De enige speculatie<br />
die Karmiloff-Smith doet over RR-representaties in (connectionistische) computermodellen, luidt<br />
als volgt:<br />
"Thus, one would not want the entire trajectories of the network te be redescribed, but rather the<br />
product of the most important ones. And the RR model postulates that redescribed knowledge<br />
capturing abstract notions such as "verb" and "noun" must be in a different format than the original<br />
level-I representations. In other words, redescriptions would have to be in a representational<br />
format usable across networks which had previously processed different representations at the<br />
input level." (Karmiloff-Smith, 1992, p. 187)<br />
Dit betekent dat we nog een lange weg te gaan hebben om de representaties in een vorm gegoten<br />
te krijgen, die enerzijds direct in een architectuur gestopt kan worden en anderzijds wel de<br />
uitkomsten veroorzaakt, die in de experimenten worden beschreven. Hoofdstuk 3A: Van RRtheorie<br />
naar RR-model zal een verslag zijn van hoe ik probeer het gat tussen het soft-core verbale<br />
framework en het hard-core ACT-R framework te overbruggen. Het uiteindelijk ontwikkelde model<br />
zal echter wel iets toe kunnen voegen aan de RR-theorie!<br />
23