Описаны основные подходы к моделированию познавательной деятельности человека и нейронных механизмов, лежащих в ее основе. Приведена систематизация когнитивных архитектур и дан обзор таких популярных моделей как ACT-R, SOAR, CLARION и CHREST с примерами их практического применения в психологии и нейрофизиологии. Разработанные модели когнитивных функций позволяют давать прогнозы эффективности восприятия и селекции информации, какие знания и процедуры требуются для оптимального решения задачи, ожидаемую частоту ошибок при выполнении задания и какая функциональная система мозга используется для организации поведения. Совершенствование и дополнение существующих моделей когнитивной архитектуры рассматривается как перспектива развития когнитивной нейронауки, понимания закономерностей формирования естественного интеллекта и разработки искусственного интеллекта.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Биология
Активно развивающаяся разработка технологий искусственного интеллекта опирается на знания, полученные в когнитивной психологии, представляя их в формализованном виде как систему: когнитивную архитектуру.
Список литературы
1. Бондарко В.М., Данилова М.В., Красильников Н.Н., Леушина Л.И., Невская А.А., Шелепин Ю.Е. Пространственное зрение. Спб: Наука, 1999. 224 с.
2. Глезер В.Д. Механизмы опознания зрительных образов. Л: Наука, 1966. 203 с.
3. Глезер В.Д. Зрение и мышление. Спб: Наука, 1993. 248 с.
4. Красильников Н.Н. Передача, прием и восприятие изображений. М.: Радио и связь, 1986. 246 с.
5. Малашин Р.О. Принцип наименьшего действия в динамически конфигурируемых системах анализа изображений // Оптический журнал. 2019. Т. 86. № 11. С. 5–13. EDN: HEVUET
6. Шелепин Ю.Е. Введение в нейроиконику: СПб: Троицкий мост, 2017. 352 с.
7. Anderson J.R. How can the human mind exist in the physical universe? New York, NY: Oxford University Press. 2007.
8. Anderson J.R., Bothell D., Byrne M.D., Douglass S., Lebiere C., Qin Y. An integrated theory of the mind // Psychological Review. 2004. V. 111. № 4. P. 1036–1060.
9. Anderson J.R., Farrell R., Sauers R. Learning to program in LISP // Cognitive Science. 1984. V. 8. P. 87–129.
10. Anderson J.R., Lebiere C. The Atomic Components of Thought. Mahwah, NJ: Erlbaum. 1998.
11. Anderson J.R., Reder L.M. The fan effect: New results and new theories // J. Experimental Psychology: General. 1999. V. 128. P. 186–197. EDN: GXLGCV
12. Bakaev M., Razumnikova O. What makes a UI Simple? Difficulty and complexity in tasks engaging visual-spatial working memory // Future Internet. 2021. V. 13. № 1. Ar. 21. DOI: 10.3390/fi13010021 EDN: HZEYBU
13. Borst J.P., Nijboer M., Taatgen N.A., van Rijn H., Anderson J.R. Using data-driven model-brain mappings to constrain formal models of cognition // PLoS One. 2015. V. 10. № 3. Ar. e0119673. DOI: 10.1371/journal.pone.0119673
14. Bourguignon N.J., Braem S., Hartstra E., De Houwer J., Brass M. Encoding of novel verbal instructions for prospective action in the lateral prefrontal cortex: evidence from univariate and multivariate functional magnetic resonance imaging analysis // J. Cogn. Neurosci. 2018. V. 30. P. 1170–1184.
15. Brass M., Liefooghe B., Braem S., De Houwer J. Following new task instructions: Evidence for a dissociation between knowing and doing // Neurosci. Biobehav. Rev. 2017. V. 81. P. 16–28.
16. Bullmore E, Sporns O. Complex brain networks: graph theoretical analysis of structural and functional systems // Nat Rev Neurosci. 2009. V. 10. № 3. P. 186–198.
17. Czerwinski M., Horvitz E., Wilhite S. A diary study of task switching and interruptions // In Proceedings of the Conference on Applications, Technologies, Architectures, and Protocols for Computer Communications. 2004. P. 175-182.
18. De Groot A.D., Gobet F. Perception and memory in chess: Heuristics of the professional eye. Assen: Van Gorcum. 1996. 346 p.
19. Demanet J., Liefooghe B., Hartstra E., Wenke D., De Houwer J., Brass M. There is more into ‘doing’ than ‘knowing’: the function of the right inferior frontal sulcus is specific for implementing versus memorising verbal instructions // Neuroimage. 2016. V. 141. P. 350–356. EDN: YEOBCH
20. Duch W., Oentaryo R., Pasquier M. Cognitive Architectures: Where do we go from here? Frontiers in Artificial Intelligence and Applications Conference: Artificial General Intelligence. 2008. V. 171. P. 122–136.
21. Engelhardt L.E., K. Harden P., Tucker-Drob E.M., Church J.A. The neural architecture of executive functions is established by middle childhood // Neuroimage. 2019. V. 185. P. 479–489. EDN: QJXFJB
22. Everaert T., Theeuwes M., Liefooghe B., De Houwer J. Automatic motor activation by mere instruction // Cogn. Affect. Behav. Neurosci. 2014. V. 14. P. 1300–1309. EDN: AMUHSU
23. Gobet F. Chunking Models of Expertise: Implications for Education // Appl. Cognit. Psychol. 2005. V. 19. P. 183–204.
24. Gobet F., Lane P.C.R., Croker S., Cheng P.C.H., Jones G., Oliver I., Pine J.M. Chunking mechanisms in human learning // Trends in Cognitive Sciences. 2001. V. 5. P. 236–243.
25. Gobet F., Lane P.C.R., Lloyd-Kelly M. Chunks, Schemata, and Retrieval Structures: Past and Current // Computational Models Front Psychol. 2015. V. 6. Ar. 1785. DOI: 10.3389/fpsyg.2015.01785
26. Gobet F., Simon H.A. Five seconds or sixty? Presentation time in expert memory // Cognitive Science. 2000. V. 24. № 4. P. 651–682.
27. González-García C., Formica S., Wisniewski D., Brass M. Frontoparietal action-oriented codes support novel instruction implementation // NeuroImage. 2021. 226. Ar. 117608.
28. González-García C., Formica S., Liefooghe B., Brass M. Attentional prioritization reconfigures novel instructions into action-oriented task sets // Cognition 2020. V. 194. Ar. 104059. DOI: 10.1016/j.cognition.2019.104059 EDN: CHROAT
29. González-García C., Mas-Herrero E., de Diego-Balaguer R., Ruz M. Task-specific preparatory neural activations in low-interference contexts // Brain Struct. Funct. 2016. V. 221. № 8. P. 3997–4006. EDN: HSVYYS
30. Hartstra E., Waszak F., Brass M. The implementation of verbal instructions: Dissociating motor preparation from the formation of stimulus–response associations // Neuroimage. 2012. V. 63. P. 1143–1153.
31. Harrison J. Handbook of practical logic and automated reasoning. Cambridge University Press, 2009. 1305 p.
32. Jones G., Gobet F., Pine J.M. Linking working memory and long-term memory: a computational model of the learning of new words. Dev Sci. 2007. V. 10. № 6. P. 853–873.
33. Jones R.M., Laird J.E., Nielsen P.E., Coulter K., Kenny P., Koss F. Automated Intelligent Pilots for Combat Flight Simulation // AI Magazine. 1999. V. 20. № 1. P. 27–42.
34. Jones G., Gobet F., Pine J.M. Linking working memory and long-term memory: A computational model of the learning of new words // Developmental Science. 2007. V. 10. № 6. P. 853–873.
35. Jones G., Gobet F., Pine J.M. Computer simulations of developmental change: The contributions of working memory capacity and long-term knowledge // Cognitive Science. 2008. V. 32. № 7. P. 1148–1176.
36. Katidioti I., Borst J.P., Taatgen N.A. What happens when we switch tasks: Pupil dilation in multitasking // J. Exp. Psychol. Appl. 2014. V. 20. P. 380–396.
37. Kahneman D.A. perspective on judgment and choice: mapping bounded rationality // American psychologist. 2003. V. 58. № 9. P. 697–720. EDN: GSFKNH
38. Kim N.Y., House R., Yun M.H., Nam C.S. Neural Correlates of Workload Transition in Multitasking: An ACT-R Model of Hysteresis Effect // Front Hum Neurosci. 2019. V. 12. Ar. 535.
39. Kotseruba I., Tsostsos J.K. A review of 40 years of cognitive architecture research: Focus on perception, attention, learning and applications // arXiv preprint: 1610.08602. 2016. DOI: 10.48550/arXiv.1610.08602
40. Lane P.C.R., Gobet F., Smith R.L. Attention Mechanisms in the CHREST Cognitive Architecture. In: Paletta L., Tsotsos J.K. (eds) Attention in Cognitive Systems. WAPCV 2008. Lecture Notes in Computer Science. 2009. V. 5395. Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-642-00582-4_14
41. Lane P.C.R., Gobet F. Perception in chess and beyond: Commentary on Linhares and Freitas (2010)’ // New Ideas in Psychology. 2011. V. 29. P. 156–161.
42. Lebiere C., O’Reilly R., Jilk D., Taatgen N.A., Anderson J.R. The SAL integrated cognitive architecture. In A. Samsonovich (Ed.). Biologically inspired cognitive architectures: Papers from the AAAI 2008 Fall Symposium Menlo Park, CA: AAAI Press. 2009. P. 98-104.
43. Lehman J.F., Laird J.E., Rosenbloom P.A. Gentle Introduction to Soar, An Architecture for Human Cognition // An Invitation to Cognitive Science. MIT Press. 2006. V. 4.
44. Li Y., Wang Y., Yu F., Chen A. Large-scale reconfiguration of connectivity patterns among attentional networks during context-dependent adjustment of cognitive control // Hum Brain Mapp. 2021. V. 42. P. 3821–3832. EDN: ZMZIGF
45. Malakhova E.Yu. Information representation space in artificial and biological neural networks // J. Optical Technology. V. 87. № 10. P. 598–603.
46. Malashin R. Principle of least action in dynamically configured image analysis systems // J. Optical Technology. 2019. V. 86. № 11. P. 678–685. EDN: WBDDTF
47. Malashin R.O. Training an improved recurrent attention model using an alternative reward function // J. Optical Technology. 2021. V. 88. № 3. P. 127–130. EDN: FTYOHZ
48. Malashin D.O., Malashin R.O. Efficient hardware implementation of neural networks // Neural Networks and Neurotechnologies. Aleksandrov A.A., Alizade M.R., Andreeva G.O., Andreeva I.G., (Eds). St. Petersburg, 2019. P. 187–192.
49. Martin L., Rosales J.H., Jaime K., Ramos F. Affective episodic memory system for virtual creatures: The first step of emotion-oriented memory // Comput Intell Neurosci. 2021. Ar. 7954140. DOI: 10.1155/2021/7954140 EDN: FGILHW
50. Maxwell A., Thomas B.B.T., Yeo and M. D’Esposito. The modular and integrative functional architecture of the human brain // PNAS. 2015. Ar. E6798-E6807. DOI: 10.1073/pnas.1510619112
51. Mill R.D., Ito T., Cole M. W. From connectome to cognition: The search for mechanism in human functional brain networks // Neuroimage. 2017. V. 160. P. 124–139.
52. Mishkin M., Ungerleider L.G., Macko K.A. Object vision and spatial vision: two cortical pathways // Trends in Neurosci. 1983. V. 6. P. 414–417.
53. Moreira J.F.G., McLaughlin K.A., Silvers J.A. Characterizing the Network Architecture of Emotion Regulation Neurodevelopment // Cerebral Cortex. 2021. V. 31. P. 4140–4150. EDN: AGDVZQ
54. Muhle-Karbe P.S., Duncan J., Baene W.De, Mitchell D.J., Brass M. Neural coding for instruction-based task sets in human frontoparietal and visual cortex // Cereb. Cortex. 2017. V. 27. P. 1891–1905.
55. Newell A., Simon H. GPS, A Program that Simulates Human Thought. In: Computers and Thought, E.A. Feigenbaum, J. Feldman (Eds.), R. Oldenbourg KG., 1963. P. 109–124.
56. Neves D.M., Anderson J.R. Knowledge compilation: Mechanisms for the automatization of cognitive skills. In: J. R. Anderson (Ed.) Cognitive skills and their acquisition Hillsdale, NJ: Erlbaum. 1981. P. 57–84.
57. Oh H., Yun Y., Myung R. Cognitive Modeling of Task Switching in Discretionary Multitasking Based on the ACT-R Cognitive Architecture // Appl. Sci. 2021. V. 11. Ar. 3967. DOI: 10.3390/app11093967 EDN: WURLNX
58. Palenciano A.F., González-García C., Arco J.E., Pessoa L., Ruz M. Representational organization of novel task sets during proactive encoding // J. Neurosci. 2019. V. 39. № 42. P. 8386–8397. DOI: 10.1523/JNEUROSCI.0725-19.2019
59. Palenciano A.F., González-García C., Arco J.E., Ruz M. Transient and sustained control mechanisms supporting novel instructed behavior // Cereb. Cortex. 2019. V. 29. P. 3948–3960.
60. Pearl J. Probabilistic reasoning in intelligent systems: networks of plausible inference. 1988. Elsevier Inc. 152 p.
61. Prezenski S., Brechmann A., Wolff S., Russwinkel N.A. Cognitive Modeling Approach to Strategy Formation in Dynamic Decision Making // Front Psychol. 2017. V. 8. Ar.1335. DOI: 10.3389/fpsyg.2017.01335
62. Razumnikova O., Bakaev M. Ontology of frequency-spatial organization of brain activity reflecting the cognitive reserves // International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). 2019. P. 0950-0954. EDN: IUWWUR
63. Richards J.M., Gross J.J. Emotion regulation and memory: the cognitive costs of keeping one’s cool // J. Pers Soc. Psychol. 2000. V. 79. № 3. P. 410–424. EDN: GXUFAF
64. Ritter F.E. Tehranchi F., Oury J.D. ACT-R: A cognitive architecture for modeling cognition WIREs // Cogn Sci. 2018. Ar. e1488. DOI: 10.1002/wcs.1488
65. Rumelhart D., McClelland J. Parallel distributed processing: Psychological and biological models. The MIT press. 1986. V. 2. 581 p.
66. Schultz D.H., Cole M.W. Integrated Brain Network Architecture Supports Cognitive Task Performance // Neuron. 2016. V. 92. P. 278–279.
67. Shine J.M., Bissett P.G., Bell P.T., Koyejo O., Balsters J.H., Gorgolewski K.J., Moodie C.A., Poldrack R.A. The dynamics of functional brain networks: Integrated network states during cognitive task performance // Neuron. 2016. V. 92. № 2. P. 544–554.
68. Sun R. Anatomy of the Mind: Exploring Psychological Mechanisms and Processes with the Clarion Cognitive Architecture. Oxford University Press. 2016. 481 p.
69. Sun R. The importance of cognitive architectures: An analysis based on clarion // J. Experimental & Theoretical Artificial Intelligence. 2007. V. 19. № 2. P. 159–193.
70. Slovic P. Affect, Reason, Risk and Rationality // Notas Económicas. 2018. № 46. P. 1–10.
71. Strannegård C., von Haugwitz R., Wessberg J., Balkenius C.A. Cognitive Architecture Based on Dual Process Theory. In: Kühnberger K.U., Rudolph S., Wang P. (eds) Artificial General Intelligence. AGI 2013. Lecture Notes in Computer Science. 2013. V. 7999. Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-642-39521-5_15
72. Turner B.M., Forstmann B.U., Love B.C., Palmeri T.J., Van Maanen L. Approaches to Analysis in Model-based Cognitive Neuroscience // J Math Psychol. 2017. V. 76 (B). P. 65-79.
73. van Vugt M.K. Cognitive architectures as a tool for investigating the role of oscillatory power and coherence in cognition // Neuroimage. 2014. V. 85. Pt 2. P. 685–693.
74. Wickens C.D., Gutzwiller R.S., Santamaria A. Discrete task switching in overload: A meta-analyses and a model // Int. J. Hum. Comp. Stud. 2015. V. 79. P. 79–84.
75. Woolgar A., Afshar S., Williams M.A., Rich A.N. Flexible coding of task rules in frontoparietal cortex: an adaptive system for flexible cognitive control // J. Cogn. Neurosci. 2015. V. 27. P. 1895–1911.
Выпуск
Другие статьи выпуска
Обзор посвящен применению методов нелинейной динамики к анализу динамических изменений в паттернах физиологических ритмов мозга при возникновении нарушений, связанных с хронически повышенным артериальным давлением и с нарушением сердечного ритма по типу фибрилляции предсердий при наличии и отсутствии умеренных когнитивных нарушений. Показана возможность применения этих методов для выявления маркеров этих нарушений. Эти маркеры связаны с параметрами фазовой синхронизации между ритмическими фотостимулами и ответами мозга в виде электроэнцефалографических паттернов.
Мигрень представляет собой форму первичной головной боли, от которой страдает не менее 10% населения планеты. Кроме рекомендаций по модификации образа жизни пациента, менеджмент мигрени подразумевает купирование уже возникшего приступа и/или профилактику его возникновения. В абортивном лечении этой цефалгии могут использоваться фармакологические агенты как неспецифического (например, ненаркотические анальгетики), так и специфического действия. К числу последних относят, в частности, серотонинергические средства классов триптанов (селективных агонистов 5-НТ1B/1D-рецепторов), дитанов (избирательных 5-НТ1F-миметиков) и алкалоидов спорыньи (неселективных модуляторов различных подтипов 5-НТ-рецепторов). В обзоре представлены известные к настоящему времени результаты множества фундаментально-прикладных исследований препаратов указанных групп, в ходе которых были выявлены нейрональные и сосудистые составляющие их антимигренозной фармакодинамики. Значительная часть этих данных получена invivo на различных экспериментальных моделях мигрени, основанных на тригемино-васкулярной теории ее патогенеза. Другие сведения являются итогами работы ехvivo на изолированных тканях и клеточных культурах. При анализе результатов этих исследований приводятся доказательства в пользу схожих механизмов реализации антимигренозного потенциала представителей всех перечисленных фармакологических классов, у которых нейротропная активность преобладает над прямым вмешательством в сосудистый тонус. Специальное внимание уделено неоднозначным и дискуссионным вопросам в этой области, успешное решение которых является залогом дальнейшего прогресса в фармакотерапии мигрени.
Широкое распространение заболеваний центральной нервной системы (ЦНС) требует непрерывного поиска методов и средств их фармакологической коррекции. Основные подходы экспериментального моделирования данных заболеваний включают использование грызунов, недостатками которых является стоимость проводимых исследований, сложность содержания, ухода и долгий рост организма. Использование альтернативных модельных организмов, таких как рыба зебраданио (Danio rerio, zebrafish), в трансляционной нейробиологии и медицине позволяет проводить быстрые экспериментальные работы на фоне простоты содержания и манипуляций, а также ускоренного онтогенеза. Зебраданио также чувствительны к основным классам фармакологических препаратов, что делает данную модель незаменимой для доклинических исследований широкого спектра физиологически активных веществ. Сходство нейрохимических систем, высокая физиологическая и генетическая гомология с человеком, возможность проведения исследований на личинках и взрослых особях, легкость генетических манипуляций, прозрачность эмбрионов и ряд других биологических особенностей открывают широкий спектр возможностей использования зебраданио для моделирования различных патологий ЦНС.
Сократительная функция сердца осуществляется за счет согласованного взаимодействия основных свойств миокарда – растяжимости, сократимости и расслабимости. Нарушение сократимости миокарда по каким-либо причинам создает ситуацию хронической сердечной недостаточности (ХСН). Выраженность ХСН определяется способностью кровеносной системы в определенной степени компенсировать ослабление сократимости сердца, критерием которой является величина фракции выброса. Форма ХСН с сохраненной фракцией выброса определяется как диастолическая дисфункция. Это первый этап ХСН, его отличительными особенностями являются замедленное расслабление и повышенное диастолическое давление в левом желудочке. Обзор посвящен рассмотрению структуры диастолы при 4 типах ХСН – ишемической болезни сердца при инфаркте миокарда или микроинфарктах, вызванных изопротеренолом, повреждении миокарда, индуцированном доксорубицином и сахарном диабете 1 типа. Общим признаком всех видов ХСН является повышение растяжимости миокарда и замедление расслабления. Показано, что в их основе лежит изменение свойств коннектина (титина) – саркомерного белка, соединяющего концы миозиновых нитей с границами саркомера. Его свойства определяют растяжение и расслабление миокарда, и эти изменения лежат в основе первичной компенсаторной реакции сердца на ослабление его сократимости. Также мобилизуются механизмы, увеличивающие приток к сердцу и снижающие периферическое сопротивление. Степень их мобилизации зависит от степени снижения сократимости миокарда. Наряду с этим, каждая форма ХСН имеет свою специфику, которую необходимо учитывать при выборе средств терапии.
Лимфатическая система играет определяющую роль в иммунитете, выходящую далеко за рамки простого транспорта иммунных клеток и антигенов. Эндотелиальные клетки в различных отделах этой сосудистой сети высоко специализированы для выполнения различных специфических функций. Лимфатические капилляры экспрессируют хемокины и молекулы адгезии, которые в тканях способствуют привлечению и трансмиграции иммунных клеток. Сигнальные молекулы, продуцируемые эндотелиальными клетками лимфатических капилляров при воспалении, модулируют в лимфатических узлах миграцию лимфоцитов через венулы с высоким эндотелием из крови в паренхиму лимфатических узлов. Лимфатические сосуды обеспечивают активный регулируемый транспорт иммунных клеток и антигенов в лимфатические узлы. В лимфатических узлах с их сложной структурой, организованной стромальными клетками, создаются оптимальные условия для контактов антигенпрезентирующих клеток с лимфоцитами. Различные субпопуляции лимфатических эндотелиальных клеток лимфатических узлов выполняют специфические функции в соответствии с локализацией в лимфатическом узле и способствуют как врожденному, так и приобретенному иммунному ответу посредством презентации антигена, ремоделирования лимфатического узла и регуляции входа и выхода лейкоцитов.
Издательство
- Издательство
- ИЗДАТЕЛЬСТВО НАУКА
- Регион
- Россия, Москва
- Почтовый адрес
- 121099 г. Москва, Шубинский пер., 6, стр. 1
- Юр. адрес
- 121099 г. Москва, Шубинский пер., 6, стр. 1
- ФИО
- Николай Николаевич Федосеенков (Директор)
- E-mail адрес
- info@naukapublishers.ru
- Контактный телефон
- +7 (495) 2767735