ACT-R

ACT-R（Adaptive Control of Thought--Rational）とは

ACT-Rは、アメリカ合衆国のカーネギーメロン大学において、主にジョン・R・アンダーソン教授によって創出された認知アーキテクチャです。これは、人間の心を構成する基本的な認識や知覚に関する操作を明確に定義し、これらの操作が連鎖することで生じる人間の行動を理解しようとするものです。ACT-Rの理論的な基盤の多くは、認知神経科学の進展によってもたらされた知見に影響を受けており、脳内の特定の処理単位（モジュール）がどのように協調して認知を生み出すかを説明する枠組みとしても捉えることができます。

理論の構造と仕組み

ACT-Rの最も重要な前提の一つは、人間の持つ知識が根本的に異なる二つの種類に分類されるという点です。それは、宣言的記憶と手続き的記憶です。

• - 宣言的記憶は、事実に関する知識を保持します。例えば、「日本の首都は東京である」「犬は哺乳類である」といった具体的な情報です。
• - 手続き的記憶は、行動の方法に関する知識を保持します。例えば、自転車の乗り方、文字の入力方法、計算の実行手順などです。

ACT-Rの計算可能な実装においては、宣言的知識は「チャンク」という単位で表現されます。チャンクは、特定の属性を持つ情報のまとまりとして構造化されています。一方、手続き的知識は「プロダクション」として表現されます。プロダクションは「もし〜ならば、〜せよ」という形式を持ち、特定の条件（バッファの内容）が満たされた場合に、ある操作（バッファの内容変更など）を実行するというルールとして機能します。プロダクションは、皮質と基底核間の情報フローをモデル化したものと見なされます。

これらの知識にアクセスし、操作するために「モジュール」という概念が導入されています。モジュールは、脳内のほぼ独立した機能部分に対応すると考えられます。主なモジュールには、視覚や手の動きを司る「知覚運動モジュール」と、知識を保持する「記憶モジュール」（宣言的記憶モジュールと手続き的記憶モジュール）があります。

各モジュールは、「バッファ」と呼ばれる構造を介してのみ他の部分と情報をやり取りします。バッファは一時的に情報が保持される場所であり、その時点でのバッファの内容がACT-Rシステムの現在の状態を表します。手続き的記憶モジュールのみは例外的にバッファを持たず、他のモジュールのバッファ内容を参照してプロダクションの実行を決定します。

認知プロセスは、現在のバッファ内容に一致するプロダクションを探し出すパターン照合器の働きと、そこから選択されたプロダクションの逐次的実行によって進行します。一つのプロダクションが実行されるごとにバッファの内容が変化し、システムの次の状態が形成されます。

計算可能な実装とモデル構築

ACT-R理論には、専用言語のインタプリタとして計算可能な実装が存在します。このインタプリタは主にLISP言語で記述されており、研究者はこれを用いてACT-Rの理論を実際に動かすことができます。これにより、ACT-R言語で人間の認知モデルを記述し、コンピュータ上で実行することが可能となります。

ACT-Rはフレームワークとして機能し、特定の課題（例：ハノイの塔、読解、操縦など）に対応する「モデル」（プログラム）を作成します。これらのモデルは、ACT-Rの枠組み内で、モデル作成者が考える認知プロセスを反映しています。モデルを実行すると、記憶の検索、視覚情報の処理、運動制御など、認知操作の連鎖がシミュレーションされます。各操作には実行時間や正確さに関する予測値が伴います。モデルの実行結果を実際の実験データと比較することで、そのモデルの妥当性を評価します。

近年のACT-Rは、fMRIなどによって観測される脳の活動パターンを量的に予測するようにも拡張されています。特に、前頭前野、前帯状皮質、基底核など、特定の脳領域における活動のタイミングやパターンを予測する研究が進められています。

公式のLISPベースの実装が「バニラACT-R」と呼ばれますが、Java (jACT-R) やPython (Python ACT-R) など、他の言語で開発された実装も存在します。

応用分野

ACT-Rモデルは、幅広い認知現象や課題のモデリングに活用されています。

記憶と注意: 宣言的記憶システムは、干渉による記憶の忘却（ファン効果）、リスト学習における位置効果（初頭効果、新近性効果）、注意の制御プロセス（ストループ課題、課題切り替え、心理的不応期、マルチタスク）などのモデル化に用いられます。
自然言語: 言語理解、生成、獲得、構文解析などのモデルがACT-Rを用いて開発されています。
複雑な課題遂行: パズル解決や、自動車・航空機の操縦など、複雑な認知的タスクにおける人間の行動モデル作成に利用されています。
人間工学とマンマシンインタフェース: 知覚運動機能の統合により、コンピュータ操作、ウェブサイトのナビゲーション、運転行動といった人間とシステムのインタラクションのモデリングツールとして応用されています。
認知神経科学: 脳活動パターン（特にfMRIデータ）の予測を通じ、記憶検索や制御機能における特定の脳領域の役割解明に貢献しています。
教育: 学習システム「コグニティブチューター」の基盤として応用されています。学習者の認知モデルを構築し、個人に合わせた課題の難易度調整や適切なフィードバックを提供することで、効果的な学習を支援します。

歴史

ACT-Rは、ジョン・R・アンダーソンによる一連の認知モデル研究の集大成です。その源流は、1973年に彼がゴードン・バウアーと共に開発した記憶モデル「HAM」に遡ります。HAMに手続き的記憶の概念が加わり、最初の「ACT」理論が誕生しました。その後、ACT*へと発展を遂げます。

1980年代後半、アンダーソンは認知が環境に適応的であるという考え方に基づく「Rational Analysis」を研究します。このアプローチがACT理論に統合され、その重要性を示すためにRational Analysisの「R」が加えられ、「ACT-R」と改称されました。

コネクショニズム研究者のクリスチャン・レビエールとの共同研究を経て、1993年にはACT-R 4.0が発表されます。このバージョンでは、EPICアーキテクチャの影響を受けた知覚運動機能が追加され、応用範囲が大きく広がりました。

1998年以降、アンダーソンは理論と脳機能との関連に注力します。脳活動の局所性を説明するため、2002年のACT-R 5.0でモジュールの概念が本格的に導入され、脳構造との対応が図られました。手続き的知識と宣言的知識の相互作用を担うバッファもこの時期に導入されます。理論自体に大きな変更はないものの、コードが全面的に書き直されたACT-R 6.0が2005年にリリースされ、言語機能が改善されました。

ACT-Rの開発と並行して、初期の実装であるPUPSや、ニューラルネットワークに基づいたACT-RN、宣言的記憶モデルSACのような関連プロジェクトも生まれました。

ACT-Rは、人間の認知を理解し、モデル化するための強力なフレームワークとして、現在も活発に研究・応用が進められています。

もう一度検索