Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
AI бағдарламалық жасақтамасы
AI software
Copycat – бұл 1988 жылы Дуглас Хофстадтер, Мелани Митчелл және басқалар Индиана университеті Блумингтонның Тұжырымдамалар мен таным жөніндегі зерттеу орталығында жасаған параллель террасалық сканерлеу тұжырымдамасына негізделген аналогия құру және адам танымын модельдеудің үлгісі. Алғашқы Copycat Common Lisp тілінде жазылған және уақыт өте қажетсіз болып қалған (Lucid Common Lisp-тің ескі графикалық кітапханаларына байланысты); алайда, Java және Python нұсқалары бар. 2018 жылғы ең соңғы нұсқасы – Лукас Салдит пен Дж. Алан Броган жасаған Python3 нұсқасы.
Copycat is a model of analogy making and human cognition based on the concept of the parallel terraced scan, developed in 1988 by Douglas Hofstadter, Melanie Mitchell, and others at the Center for Research on Concepts and Cognition, Indiana University Bloomington. The original Copycat was written in Common Lisp and is bitrotten (as it relies on now outdated graphics libraries for Lucid Common Lisp); however, Java and Python ports exist. The latest version in 2018 is a Python3 port by Lucas Saldyt and J. Alan Brogan.
Сипаттама
Көшіруші "abc - abd, ijk - не?" сияқты мәселелерге жауап береді. (abc: abd :: ijk: ?) Хофстадтер мен Митчелл аналогия жасауды жоғары деңгейдегі танымның немесе Хофстадтер атағандай, жоғары деңгейдегі қабылдаудың ядросы ретінде қарастырады, бұл тану мен жіктеудің негізі болып табылады. Жоғары деңгейдегі қабылдау көптеген тәуелсіз процестердің, кодлеттер деп аталатын, параллель жұмыс істеуінен, бәсекелесуінен немесе ынтымақтасуынан туындайды. Олар уақытша қабылдау құрылымдарын жасайды және жояды, ақыр соңында жауап алу үшін нұсқауларды ықтималдықпен сынап көреді. Кодлеттер алдын ала бағдарламаланған түсініктер мен олардың байланыстарына (ұзақ мерзімді жад) негізделген ассоциативтік желіге, слипнетке сүйенеді. Түсініктердің белсенділік деңгейінің өзгеруі көршілес түсініктермен түсініктердің үйлесуіне әкеледі. Copycat архитектурасы үш бөліктен тұрады: слипнет, жұмыс аймағы (қара тақта жүйелеріне ұқсас жұмыс кеңістігі деп те аталады) және кодерэк (кодлеттермен бірге). Слипнет – бұл тұрақты түсініктерді көрсететін түйіндерден және олардың арасындағы қатынастарды білдіретін салмақты байланыстардан құралған желі. Ол дәстүрлі семантикалық желілерден өзгеше, себебі нақты байланысқа байланысты тиімді салмақ белгілі бір түсініктердің (түйіндердің) белсенділік деңгейіне қарай уақыт өте келе өзгеруі мүмкін. Кодлеттер жұмыс аймағында құрылымдарды құрастырады және слипнеттегі белсенділікті сәйкесінше өзгертеді (төменнен жоғары процестер), ал слипнеттің қазіргі күйі қай кодлеттерді іске қосу керектігін ықтималдықпен анықтайды (жоғарыдан төменге әсер).
Copycat produces answers to such problems as "abc is to abd as ijk is to what?" (abc:abd :: ijk:?). Hofstadter and Mitchell consider analogy making as the core of high level cognition, or high level perception, as Hofstadter calls it, basic to recognition and categorization. High level perception emerges from the spreading activity of many independent processes, called codelets, running in parallel, competing or cooperating. They create and destroy temporary perceptual constructs, probabilistically trying out variations to eventually produce an answer. The codelets rely on an associative network, slipnet, built on pre programmed concepts and their associations (a long term memory). The changing activation levels of the concepts make a conceptual overlap with neighboring concepts. Copycat's architecture is tripartite, consisting of a slipnet, a working area (also called workspace, similar to blackboard systems), and the coderack (with the codelets). The slipnet is a network composed of nodes, which represent permanent concepts, and weighted links, which are relations, between them. It differs from traditional semantic networks, since the effective weight associated with a particular link may vary through time according to the activation level of specific concepts (nodes). The codelets build structures in the working area and modify activations in the slipnet accordingly (bottom up processes), and the current state of slipnet determines probabilistically which codelets must be run (top down influences).
Басқа когнитивтік архитектуралармен салыстыру
Көшірмелеу архитектурасы ACT-R, Soar, DUAL, Psi Theory немесе subsumption архитектуралары сияқты басқа танымдық архитектуралардан көптеген жағынан ерекшеленеді. Көшірмелеу – Хофстадтердің ең танымал моделі. Хофстадтер және оның әріптестері ұсынған басқа модельдер де архитектурасы жағынан ұқсас, бірақ микродомені, яғни қолданылу саласы бойынша ерекшеленеді, мысалы, Letter Spirit және т.б. 1995 жылы жарық көрген «Fluid Concepts and Creative Analogies» кітабында Fluid Analogies Research Group (FARG) тобының жұмысы сипатталғаннан бастап, Көшірмелеу сияқты модельдерді жетілдіру жұмысы жалғасты. 2008 жылғы мәліметтер бойынша, соңғы модельдер: Phaeaco (Бонгард есептерін шешуге арналған), SeqSee (сандар тізбегін экстраполяциялау), George (геометриялық зерттеулер) және Musicat (мелодиялық күту моделі). Бұл архитектура «FARGitecture» деп аталады, ал қазіргі кезде C# және Java сияқты заманауи тілдерде іске асырылуда. FARG-тің болашақ мақсаты – тәжірибелерді жеңілдету үшін FARGitecture бағдарламалық құралының бірыңғай, жалпы жүйесін құру.
Copycat differs considerably in many respects from other cognitive architectures such as ACT R, Soar, DUAL, Psi Theory, or subsumption architectures. Copycat is Hofstadter's most popular model. Other models presented by Hofstadter et al. are similar in architecture, but different in the so called microdomain, their application, e. g. Letter Spirit, etc. Since the 1995 book Fluid Concepts and Creative Analogies describing the work of the Fluid Analogies Research Group (FARG) book, work on Copycat like models has continued: as of 2008 the latest models are Phaeaco (a Bongard problem solver), SeqSee (number sequence extrapolation), George (geometric exploration), and Musicat (a melodic expectation model). The architecture is known as the "FARGitecture" and current implementations use a variety of modern languages including C# and Java. A future FARG goal is to build a single generic FARGitecture software framework to facilitate experimentation.