For handing out at Cognition 2006, Montreal Lessons from decompiling an embodied cognitive model
Notice bibliographique
Résumé
Cognitive models and intelligent agents are becoming more complex and pervasive. It is time again to consider high-level behavior representation languages and development environments that make it easier to create, share, and reuse cognitive models. One of these languages is Herbal, a high-level behavior representation language. Users represent knowledge in Protégé, an ontology editor. Herbal compiles this knowledge into cognitive models in Soar, a rule-based cognitive architecture. Herbal includes the ability to automatically link the resulting models to dTank, a simple, distributed tank game co-developed with Herbal. To understand the theoretical implications of the process of compiling cognitive models from high-level descriptions more clearly, we generated by hand the Herbal high-level description of a well-written, medium-sized (50 rule) Soar model that plays dTank. This process is a type of decompilation process, of going from low- to high-level language, that yields lessons for both the compiler and the process of modeling. Many of the constructs in the model were supported by Herbal, particularly elaborations and simple and regular actions. In some cases, Herbal’s representation prevents the user from generating incomplete, incorrect or atheoretical code—we saw hand written code that cannot be generated by Herbal because it is incorrect or overgeneral. This process also highlights problems with Herbal. Certain types of theoretically sound handwritten rules do not yet possess an exact translation to the high-level language (mostly knowledge about which action to chose, and links across known representations). We have several suggestions for constructs to be added. This process of decompilation illustrates how users are creating models and could do so more easily and less error prone with more appropriate languages, in addition to helping develop Herbal, and, if automated, this decompilation process done by hand could lead to a decompilation feature in Herbal to help explain raw Soar code.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».