Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2D: Computationele modellen van verandering<br />
1 Inleiding<br />
In hoofdstuk 2A: De Representational Redescription theorie heb ik al een eerste stap gemaakt van<br />
de theorie naar de te ontwikkelen cognitieve modellen. In de laatste paragraaf daarvan beschreef<br />
ik wat Karmiloff-Smith zelf aan heeft gegeven als belangrijke punten en eisen voor modellen van<br />
de RR-theorie. In dit literatuuronderzoek wil ik verdergaan met onderzoeken aan welke eisen de<br />
modellen moeten voldoen en welke tussenstappen ik moet nemen om tot een ACT-R model te<br />
komen. Nu zal ik mij echter niet beperken tot Karmiloff-Smith zelf, maar juist ook andere auteurs<br />
raadplegen. Ik zal me verdiepen in de computationele modellen die reeds bestaan van<br />
ontwikkelingspsychologische theorieën. Ik leg hierbij de nadruk op modellen die aangeven hoe je<br />
van impliciete naar expliciete representaties kunt overgaan. Er bestaan zowel connectionistische<br />
als symbolische modellen die zich hiermee bezig houden. In de volgende subparagrafen ga ik in<br />
op het verschil in uitgangspunten en mogelijkheden van beide soorten modellen. In paragraaf 2<br />
zal ik vervolgens een aantal connectionistische modellen onder de loep nemen. Daarna zijn de<br />
symbolische en hybride modellen aan de beurt. Tot slot probeer ik te concluderen wat ik kan leren<br />
van deze eerder ontworpen modellen en beschrijf ik waaraan de door mij te ontwikkelen modellen<br />
moeten voldoen.<br />
1.1 Connectionisme en symbolisme<br />
Binnen het connectionisme werkt men met kunstmatige neurale netwerken. De manier waarop<br />
deze zijn vormgegeven is gebaseerd op hoe de menselijke hersenen en het centrale zenuwstelsel<br />
biologisch in elkaar zitten. Natuurlijk zijn de connectionistische modellen wel altijd een<br />
versimpeling van de werkelijkheid. Over het algemeen wordt vantevoren bepaald hoeveel cellen<br />
(units) het netwerk heeft en hoe de verbindingen lopen. Door middel van een leermechanisme<br />
wordt dan tijdens een trainingsperiode de sterke van de verschillende verbindingen bepaald. Eén<br />
bepaald netwerk kan één bepaalde taak uitvoeren. Verderop in dit literatuuronderzoek zullen we<br />
wat geavanceerdere netwerken tegenkomen, die juist wel tijdens het leren hun architectuur nog<br />
aan kunnen passen. Deze netwerken beginnen met een bepaald aantal units, maar breiden dit<br />
aantal uit als dat nodig is tijdens het leerproces. Het symbolisme heeft een heel ander<br />
uitgangspunt. In symbolische modellen heb je als kleinste eenheden symbolen. Deze symbolen<br />
zijn representaties van kleine stukjes kennis. De symbolen worden gemanipuleerd door<br />
productieregels. Deze regels zorgen ervoor dat er uit de huidige kennis nieuwe kennis kan<br />
ontstaan.<br />
Het blijkt dat beide uitgangspunten hun eigen sterke punten hebben. Connectionistische<br />
modellen zijn goed in het simuleren van simpelere taken, die een directe relatie tussen perceptie<br />
en actie hebben. Dit soort taken zijn een stuk lastiger in een symbolisch model te vangen.<br />
Symbolische modellen zijn echter weer beter in het simuleren van taken die meer planning en<br />
redenering met zich meebrengen. Er komen ook steeds meer hybride modellen, die de voordelen<br />
van beide soorten proberen te verenigen. Ondanks deze dappere pogingen, is er toch vaak nog<br />
sprake van twee kampen, die beiden beweren de beste methode in handen te hebben. Simon en<br />
Halford (1995) vinden deze "oorlog" niet nodig. Zij bespreken de voordelen van computationele<br />
modellen in het doen van onderzoek naar cognitieve veranderingen. Juist het modelleren van die<br />
veranderingen moet ons inzicht brengen in wat er precies gebeurt:<br />
35