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.
5A: Terug naar de RR-Theorie<br />
1 Vertaling van de RR-theorie naar ACT-R<br />
1.1 Globale vertaling van de niveaus en de overgangsmechanismen<br />
Nu we twee modellen hebben ontworpen van RR-experimenten, kunnen we op een rijtje zetten<br />
hoe we nou eigenlijk een vertaling hebben gemaakt van de RR-theorie naar ACT-R. In wat voor<br />
vorm komen de representaties op ieder niveau in ACT-R terug en welke mechanismen<br />
veroorzaken de overgangen tussen de niveaus? We beginnen weer met niveau I. De kennis is<br />
dan nog impliciet en taakspecifiek. Het gedrag op dit niveau kan, zoals ik al aangaf in hoofdstuk 4,<br />
beschreven worden als instance-based learning (Logan, 1988). Bij deze vorm van leren maakt de<br />
persoon gebruik van twee strategieën: een arbeidsintensief algoritme (bijvoorbeeld tellen) en het<br />
zich herinneren van eerdere uitkomsten van specifieke instanties (voorbeelden). Vertaald naar<br />
ACT-R betekent dit dat het model specifieke productieregels tot zijn beschikking heeft, die het<br />
algoritme representeren en daarnaast productieregels heeft die een geschikt voorbeeld uit het<br />
declaratieve geheugen zoeken en dit voorbeeld gebruiken (Lebiere, Wallach & Taatgen, 1998).<br />
Het model kan op verschillende manieren gebruik maken van zo'n voorbeeld. Als het voorbeeld<br />
identiek is aan het huidige doel, dan kan het model direct het antwoord bepalen. Als dat niet zo is,<br />
dan kan het model het voorbeeld als bron voor een analogieproces gebruiken (Taatgen &<br />
Anderson, 2002). De representaties op niveau I hebben dus de vorm van voorbeelden in het<br />
declaratieve geheugen. De strategie die op deze representaties opereert, is een arbeidsintensieve<br />
analogiestrategie.<br />
Op niveau E1 zijn de representaties minder specifiek van vorm. Het cognitieve systeem<br />
gebruikt geen losse instanties, maar meer algemeen toepasbare regels. Een combinatie van de<br />
analogiestrategie die we al hadden en het productiecompilatiemechanisme van ACT-R leidt tot<br />
een mechanisme dat regelmatigheden in voorbeelden probeert te zoeken en dat de instanties<br />
transformeert naar nieuwe, algemene productieregels (Taatgen & Anderson, 2002). Het gevolg<br />
hiervan is dat de representaties op het E1-niveau in feite die nieuwe productieregels zijn, die door<br />
het productiecompilatiemechanisme zijn gebouwd. Maar productieregels zijn een vorm van<br />
procedurele kennis. Ze zijn niet voor het systeem zelf toegankelijk. Welke regels het cognitieve<br />
systeem heeft en hoe die eruit zien, kan het systeem niet aangeven. Om de overgang naar niveau<br />
E2/3 te maken, waarin het systeem de kennis kan verwoorden, moeten de productieregels dus<br />
weer worden herschreven tot chunks in het declaratieve geheugen. Deze nieuwe chunks staan<br />
dan in een duidelijke relatie tot elkaar. Ze vormen onderdelen van een groter systeem,<br />
bijvoorbeeld het taalsysteem van lidwoorden. Ze kunnen onder woorden gebracht worden en zijn<br />
ook te gebruiken in andere cognitieve taken.<br />
2 Leren in een U-vorm<br />
2.1 Vergelijking tussen de RR-verklaring en de verklaring van het determinatorenmodel<br />
In hoofdstuk 3 zagen we al hoe Karmiloff-Smith met behulp van de concepten uit de RR-theorie de<br />
U-vorm in prestatie op de playroomstaak verklaart. In deze paragraaf zullen we haar verklaring<br />
vergelijken met een verklaring op basis van het determinatorenmodel. Op een wat abstracter<br />
niveau kunnen we het ontwikkelingsproces van het determinatorenmodel als volgt beschrijven.<br />
Tijdens de gehele simulatieperiode gebruikt het model een analogiestrategie om de functie van de<br />
determinator te achterhalen. Hiervoor zoekt het steeds actief naar een geschikt voorbeeld. In de<br />
97