Объектное моделирование ресурсной теории внимания

Приведены результаты теоретических исследований, цель которых — получение формализованного класс-структурированного описания ресурсной теории внимания. В качестве средства и метода формализации используется унифицированный язык моделирования UML (Unified Modeling Language), а прототипа — ресурсная т...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2006
Hauptverfasser:	Чмырь, И.А., Жирякова, И.А.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2006
Schlagworte:	Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/13882
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Объектное моделирование ресурсной теории внимания / И.А. Чмырь, И.А. Жирякова // Систем. дослідж. та інформ. технології. — 2006. — № 1. — С. 31-40. — Бібліогр.: 16 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-13882
record_format	dspace
spelling	irk-123456789-138822013-02-13T02:32:41Z Объектное моделирование ресурсной теории внимания Чмырь, И.А. Жирякова, И.А. Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Приведены результаты теоретических исследований, цель которых — получение формализованного класс-структурированного описания ресурсной теории внимания. В качестве средства и метода формализации используется унифицированный язык моделирования UML (Unified Modeling Language), а прототипа — ресурсная теория внимания Д. Канемана. Дано краткое описание этой теории и ее формализованной модели. Рассмотрены возможные сферы применения полученных моделей. The article presents results of theoretical research oriented on elaboration of formalized class — structured description of a capacity theory of attention. Authors use the Unified Modeling Language (UML) as a means and a method of formalization. Kahneman’s capacity theory of attention was chosen as a prototype. A brief description of it and its formalized model are offered. Some possible areas of using the results obtained are discussed. Наведено результати теоретичних досліджень, мета яких — одержання формалізованого клас-структурованого опису ресурсної теорії уваги. Як засіб і метод формалізації використовується уніфікована мова моделювання UML (Unified Modeling Language), а прототип — ресурсна теорія уваги Канемана. Подано короткий опис теорії Канемана та її формалізованої моделі. Розглянуто можливі сфери застосування отриманих моделей. 2006 Article Объектное моделирование ресурсной теории внимания / И.А. Чмырь, И.А. Жирякова // Систем. дослідж. та інформ. технології. — 2006. — № 1. — С. 31-40. — Бібліогр.: 16 назв. — рос. 1681–6048 http://dspace.nbuv.gov.ua/handle/123456789/13882 62-50 ru Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи
spellingShingle	Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Чмырь, И.А. Жирякова, И.А. Объектное моделирование ресурсной теории внимания
description	Приведены результаты теоретических исследований, цель которых — получение формализованного класс-структурированного описания ресурсной теории внимания. В качестве средства и метода формализации используется унифицированный язык моделирования UML (Unified Modeling Language), а прототипа — ресурсная теория внимания Д. Канемана. Дано краткое описание этой теории и ее формализованной модели. Рассмотрены возможные сферы применения полученных моделей.
format	Article
author	Чмырь, И.А. Жирякова, И.А.
author_facet	Чмырь, И.А. Жирякова, И.А.
author_sort	Чмырь, И.А.
title	Объектное моделирование ресурсной теории внимания
title_short	Объектное моделирование ресурсной теории внимания
title_full	Объектное моделирование ресурсной теории внимания
title_fullStr	Объектное моделирование ресурсной теории внимания
title_full_unstemmed	Объектное моделирование ресурсной теории внимания
title_sort	объектное моделирование ресурсной теории внимания
publisher	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate	2006
topic_facet	Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи
url	http://dspace.nbuv.gov.ua/handle/123456789/13882
citation_txt	Объектное моделирование ресурсной теории внимания / И.А. Чмырь, И.А. Жирякова // Систем. дослідж. та інформ. технології. — 2006. — № 1. — С. 31-40. — Бібліогр.: 16 назв. — рос.
work_keys_str_mv	AT čmyrʹia obʺektnoemodelirovanieresursnojteoriivnimaniâ AT žirâkovaia obʺektnoemodelirovanieresursnojteoriivnimaniâ
first_indexed	2025-07-02T15:41:35Z
last_indexed	2025-07-02T15:41:35Z
_version_	1836550345904357376
fulltext	 И.А. Чмырь, И.А. Жирякова, 2006 Системні дослідження та інформаційні технології, 2006, № 1 31 УДК 62-50 ОБЪЕКТНОЕ МОДЕЛИРОВАНИЕ РЕСУРСНОЙ ТЕОРИИ ВНИМАНИЯ И.А. ЧМЫРЬ, И.А. ЖИРЯКОВА Приведены результаты теоретических исследований, цель которых — получе- ние формализованного класс-структурированного описания ресурсной теории внимания. В качестве средства и метода формализации используется унифи- цированный язык моделирования UML (Unified Modeling Language), а прото- типа — ресурсная теория внимания Д. Канемана. Дано краткое описание этой теории и ее формализованной модели. Рассмотрены возможные сферы приме- нения полученных моделей. ВВЕДЕНИЕ Традиционный подход к проектированию систем искусственного интеллек- та (ИИ), названный С. Расселом и П. Норвигом «проектирование систем, действующих, как человек» [1], базируется на операционном определении интеллектуальности в соответствии с известным тестом Тьюринга. Однако такой подход не единственный. Настоящая статья отражает подход, име- нуемый «проектирование систем, думающих, как человек». Понимание сис- темы ИИ, демонстрирующей не только внешнее «человеческое» поведение, но и копирующей психологические его функции, чаще всего связывается с моделями, полученными в когнитивной психологии. В работе [2] сделана попытка интеграции отмеченных подходов. В [3–7] показана возможность применения объектно-ориентированной концепции в версии унифициро- ванного языка моделирования UML (Unified Modeling Language) для моде- лирования когнитивных процессов и возможность использования получен- ных моделей для разработки программных симуляторов. Данная статья продолжает эти разработки и посвящена класс-структурированному пред- ставлению ресурсной теории феномена внимания [8]. Феномен внимания является одним из ключевых в исследованиях мен- тальной деятельности человека. Система внимания тесно связана с сенсор- ной системой и обеспечивает селективное восприятие окружающего мира. Внимание также имеет отношение к категоризации сенсорных событий (распознается то событие, на котором оно сфокусировано) и с ментальными процессами, выполняемыми осознанно, в отличие от автоматических, не требующих внимания. Восприятие новых, впервые появившихся внешних стимулов, а также решение новых, ранее не встречавшихся, задач требуют внимания. Селективный характер внимания в процессе восприятия часто ассоции- руется с процессом фильтрации внешних стимулов. Модели внимания, ба- зирующиеся на идее фильтрации, представляют внимание как психологиче- ский фильтр. Эти модели отличаются местом расположения фильтра в цепочке информационной трансформации внешнего сенсорного события, а И.А. Чмырь, И.А. Жирякова ISSN 1681–6048 System Research & Information Technologies, 2006, № 1 32 также характером психологической фильтрации. В модели фильтрации вни- мания, предложенной Д. Бродбентом, предполагается, что фильтр располо- жен между сенсорной системой и системой категоризации и работает как переключатель входных потоков сенсорных событий по принципу «все или ничего» [9]. В модели фильтрации внимания, предложенной А. Трейсманом [10], фильтр располагается в той же точке, что и в модели Д. Бродбента, од- нако иначе интерпретирует его работу. Согласно [10] фильтр пропускает все без исключения входные потоки сенсорных событий. При этом все потоки, кроме релевантного, существенно ослаблены. Поэтому распознаются только события из релевантного потока. В модели фильтрации внимания, предло- женной Й. Дойч и Д. Дойч предполагается, что фильтр-переключатель рас- положен после блока категоризации [11]. Таким образом, согласно этой мо- дели все входные сенсорные события подвергаются категоризации, а селекция осуществляется на уровне процессов принятия решений. Ресурсная теория внимания, впервые предложенная Д. Канеманом [8], ассоциирует внимание с ментальным усилием или ресурсом. Любая мен- тальная задача, выполняемая осознанно, может быть решена только в том случае, если ей выделен необходимый ресурс. Ресурсная теория внимания является более общей, чем теория фильтрации, и объясняет большее коли- чество экспериментальных данных, полученных при исследовании феноме- на внимания. РЕСУРСНАЯ ТЕОРИЯ ВНИМАНИЯ Д. КАНЕМАНА В публикациях, посвященных исследованию внимания, легко обнаружить несколько направлений, отличающихся как совокупностью эксперимен- тальных данных, положенных в основу теории внимания, так и используе- мой терминологией. Например, теории фильтрации внимания являются главным образом обобщением результатов экспериментов, полученных при изучении слухового внимания. Теория Д. Канемана, хотя и не различает яв- но сенсорные модальности, но часто опирается на результаты эксперимен- тов по изучению визуального внимания. Теории фильтрации внимания объясняют его селективный характер, проявляющийся в процессе восприятия. Однако феномен внимания облада- ет не только свойством селективности и проявляется не только в процессе восприятия. Понятие «внимание» содержит также способность человека осознанно решать ментальные задачи. Это могут быть задачи восприятия, например, осознанная селекция одного из входных сенсорных событий и его категоризация, или задачи принятия решений с соответствующей моторной реакцией. Одним из факторов успешного осознанного их решения является количество внимания, которое им выделяется. Д. Берлин [12] обратил внимание на связь между вниманием и степе- нью возбуждения организма. Успешность решения задачи и степень возбу- ждения не связаны линейной зависимостью, а подчиняются закону Йеркеса– Додсона [13], который можно проиллюстрировать рис. 1. Из закона Йеркеса–Додсона следует: имеется некоторый оптимальный уровень возбуждения, при котором успешность решения задачи (продук- тивность ментальной деятельности) является наивысшей, а также то, что как Объектное моделирование ресурсной теории внимания Системні дослідження та інформаційні технології, 2006, № 1 33 недовозбуждение, так и перевозбуждение оказывают одинаково негативный эффект на успешность решения задачи. Д. Канеман [8] предполагает, что не любое возбуждение определяет ус- пешность решения задачи, а только тот его тип, который способствует мен- тальному усилию (mental effort). По- этому Д. Канеман отождествляет такие выражения, как «уделить внимание» (pay attention), «при- ложить ментальное усилие» (exert effort), или «инвестировать способность» (invest capacity). Таким об- разом, внимание — это некий менталь- ный ресурс, без ко- торого осознанная психологическая ак- тивность невозмож- на. Одно из главных предположений Д. Канемана заключается в том, что общее количество внимания, которое человек может выделить для реше- ния ментальных задач в каждый момент времени, ограничено, и поэтому организм вынужден решать задачу рационального распределения ограни- ченного ресурса внимания между несколькими задачами. Теория Д. Канемана не дает полного ответа на вопрос о логической или физической природе ресурса внимания. Предполагается, что каждой мен- тальной деятельности соответствует некоторая когнитивная структура (КС) в долговременной памяти. Такая структура может находиться в актив- ном или пассивном состоянии. Выделение ресурса внимания эквивалентно активизации той КС, которая релевантна задаче, требующей решения. В об- щем случае для осознанной ментальной деятельности необходимо, чтобы соответствующая КС получила как порцию информации со стороны сен- сорной системы, так и ресурс внимания. На диаграмме (рис. 2) показаны базовые концептуальные элементы теории внимания Д. Канемана. В каждый момент времени существует неко- торое конечное множество ментальных задач, претендующих на выделение ресурса внимания. Предполагается, что каждой из задач соответствует КС в долговременной памяти. Только те КС, которые были выбраны, получили ресурс внимания и, возможно, порцию сенсорной информации, становятся активными, а соответствующая им ментальная деятельность выполняется осознанно. Д. Канеман предполагает, что для автоматического выполнения ментальных процессов достаточно, чтобы соответствующие КС были только выбраны и получили сенсорную информацию. Для таких задач нет необхо- димости выделять ресурс внимания. Поэтому модель (рис. 2) рассматривает только задачи, решаемые осознанно. Позволим себе сделать предположение, Рис. 1. Графическая интерпретация закона Йеркеса– Додсона Сложная задача Простая задача Уровень возбуждения Пр од укт ив но ст ь д ея те ль но ст и П ро ду кт ив но ст ь де ят ел ьн ос ти И.А. Чмырь, И.А. Жирякова ISSN 1681–6048 System Research & Information Technologies, 2006, № 1 34 что КС, которая получила ресурс внимания, может изменяться в процессе решения задачи, и это — главное отличие осознанного решения от автома- тического. При автоматическом решении задачи соответствующая ей КС остается неизменной. Различные ментальные задачи требуют разное количество ресурса внимания, или разный «размер» КС. В тех случаях, когда задача не получает достаточного количества ресурса внимания, она либо не решается, либо ре- шается с ошибками. Таким образом, задача не решается в том случае, когда по той или иной причине не получила: 1) необходимого ресурса и 2) доста- точного количества сенсорной информации. Так, например, если в некото- ром тексте отсутствует часть букв, то мы можем, сконцентрировав внима- ние (привлекая дополнительные знания и увеличивая «размер» КС), восстановить его в исходном виде. Однако ясно, что если в тексте отсутст- вует слишком большое количество букв, то никакая концентрация внимания не позволит восстановить его в исходном виде. Модель Д. Канемана (рис. 2) содержит два важных элемента: страте- гию распределения ресурса (allocation policy) и оценку потребности в ресур- се (evaluation of demands). Количество ресурса, необходимое и достаточное для решения задачи, имманентно присуще самой задаче. Элемент модели, названный «оценка потребности в ресурсе», определяет количество ресурса и выделяет его, что происходит только в том случае, если задача выбрана вторым элементом модели — стратегией распределения ресурса. Ресурс внимания могут получить только выбранные стратегией распределения ре- сурса. Реакции Ре су рс д ля за да чи № 1 Ресурс для задачи № 2 Оценка потребности в ресурсе Стратегия распределения ресурса учитывающая: 1. Продолжительные диспозиции 2. Краткосрочные намерения Регуляция уровня возбуждения Внешние детерминанты возбуждения Физиологические проявления возбуждения Общий ресурс внимания Ре су рс д ля за да чи № 3 Рис. 2. Базовые концептуальные элементы теории внимания Д. Канемана (пунк- тирные линии — возможность изменения общего ресурса внимания) Объектное моделирование ресурсной теории внимания Системні дослідження та інформаційні технології, 2006, № 1 35 Д. Канеман не относит рассматриваемые элементы модели (оценку по- требности в ресурсе и стратегию распределения) к ментальным задачам, ко- торые сами потребляют ресурс внимания. Поэтому будем считать, что эти задачи выполняются автоматически без участия сознания. Работа стратегии распределения ресурса подчиняется следующим четырем принципам: 1. Принцип продолжительных диспозиций (enduring dispositions). Ре- сурс внимания должен выделяться непреднамеренно (involuntary) для реше- ния таких задач, как, например: наблюдение за движущимся объектом, вне- запно появившемся в поле зрения; слушание разговора, в котором упомянуто ваше имя и т.п. Этот принцип применим во всех случаях, когда в окружающей среде появляется новый, экстраординарный и подозрительный стимул. 2. Принцип краткосрочных намерений (momentary intention). Ресурс внимания должен выделяться преднамеренно (voluntary) для решения таких задач, как, например: слушание голоса в правом наушнике, разыскивание рыжеволосого мужчины со шрамом и т.п. Предполагается также, что ресурс, выделенный для решения задач, перешедших в ранг рутинных, уменьшает- ся, что, с одной стороны, тормозит решение рутинных задач, а, с другой — высвобождает ресурс для решения задач, связанных с обработкой новых и подозрительных стимулов. 3. Принцип оценки потребности в ресурсе. Если две задачи требуют увеличения ресурса, то одна из них завершается. В случае, если детектиру- ется подозрительный стимул, этот принцип позволяет прогнозировать по- требность в ресурсе для задач обработки подозрительных стимулов. Убыст- ренное движение глаз и навостренные уши у кошек и собак являются признаком готовности к решению задачи, связанной с обработкой подозри- тельного стимула. Тревожный звук с конкретного направления является признаком, вызывающим перераспределение ресурса с целью облегчения регистрации и обработки стимулов, поступающих с этого направления. 4. Принцип регуляции уровня возбуждения. Если общего ресурса недос- таточно, то его можно увеличить путем увеличения уровня возбуждения. В случае, когда детектируется подозрительный стимул, уровень возбуждения и общий ресурс внимания повышаются. Это делается с целью подготовки к возможному решению задачи по обработке подозрительного стимула. Даже в том случае, когда со стороны задач отсутствуют требования о выделении ресурса, некоторое количество внимания все равно зарезервиро- вано. Этот ресурс используется для непрерывного мониторинга окружаю- щей среды и называется резервный ресурс (spare capacity). Опыты показы- вают, что резервный ресурс может, тем не менее, частично использоваться, если возникает потребность в увеличении ресурса для решения первоочере- дной задачи. Существует взаимная зависимость между степенью возбуждения, об- щим ресурсом внимания и множеством активных задач. Если для решения задачи требуется увеличение ресурса внимания, то это приводит к увеличе- нию степени возбуждения и, следовательно, к увеличению общего ресурса внимания. С другой стороны, если внешние детерминанты изменяют уро- вень возбуждения, то это сказывается на решении задач. Согласно Д. Канеману регуляция уровня возбуждения выполняется автоматически и не находится под управлением сознания. И.А. Чмырь, И.А. Жирякова ISSN 1681–6048 System Research & Information Technologies, 2006, № 1 36 Существуют внешние и внутренние источники возбуждения. Внутрен- ние источники используются системой автоматического отслеживания тре- буемого ресурса. К внешним источникам относятся источники безусловно повышающие возбуждение даже тогда, когда в этом нет необходимости с точки зрения потребности решаемой задачи. К внешним источникам отно- сятся: тревога, страх, мускульное напряжение (muscular strain), сексуаль- ное возбуждение (sexual excitement), прием лекарственных препаратов. Уве- личение возбуждения может быть зарегистрировано в следующих физиологических проявлениях: расширение зрачков, увеличение электриче- ской проводимости кожи и учащение пульса. Закон Йеркеса–Додсона можно интерпретировать как зависимость ре- сурса внимания от возбуждения. Поэтому объяснение этого закона связано с природой ресурса внимания. Одно из объяснений дает Й. Истербрук [14]: возрастание возбуждения приводит к более точному выбору КС (сужению диапазона КС), которые организм использует для ментальной деятельности. При низком уровне возбуждения диапазон КС широкий и содержит как ре- левантные, так и нерелевантные структуры. Большая доля нерелевантных структур затрудняет решение задачи. При возрастании возбуждения количе- ство нерелевантных структур уменьшается, и эффективность решения зада- чи увеличивается. При дальнейшем возрастании возбуждения часть реле- вантных КС не попадает в диапазон, и эффективность решения задачи снова уменьшается. Оптимальный диапазон КС, необходимый для решения слож- ных задач, шире, чем тот, который необходим для решения простых, что подтверждают графики на рис. 1. Последнее предположение подтверждает- ся тем, что перевозбужденные субъекты лучше справляются с простыми за- дачами, чем со сложными. Метафорическое описание внимания дает П. Вачтел [15]. Он рассмат- ривает внимание как луч света, в котором центральная яркая часть пред- ставляет собой фокус, окруженный менее интенсивным краем. Такой луч имеет две характеристики, определяющие ресурс: ширину луча и протяжен- ность рыскания луча при сканировании поля активизации КС. ОБЪЕКТНОЕ МОДЕЛИРОВАНИЕ РЕСУРСНОЙ ТЕОРИИ ВНИМАНИЯ Для получения класс-структурированного описания теории внимания Д. Канемана необходимо транслировать концептуальный базис этой тео- рии в концептуальный базис объектно-ориентированного моделирования. Для описания теории внимания Д. Канемана воспользуемся UML- диаграммами классов, предназначенными для представления статической структуры модели системы в терминологии классов объектно-ориенти- рованного программирования. Начнем с некоторого обобщения. Будем считать, что на каждом этапе (шаге) активности организма окружающая среда ставит его перед необхо- димостью решать ментальную задачу. Таким образом, окружающую среду правомерно рассматривать как постоянный работающий генератор мен- тальных задач. Введем в рассмотрение класс ментальных задач MentalTask, примеры которого соответствуют задачам взаимодействия с окружающей средой. Ат- Объектное моделирование ресурсной теории внимания Системні дослідження та інформаційні технології, 2006, № 1 37 рибуты класса MentalTask — релевантная КС и информация со стороны сенсорной системы. Человек воспринимает объекты и события окружающей среды, а не сенсорные входы той или иной модальности. Поэтому понятие «сенсорное событие», используемое в работе [6], интегрирующее несколько сенсорных модальностей, шире понятия «внешний стимул». Будем считать, что атри- бут класса MentalTask, соответствующий информации от сенсорной систе- мы, представляет собой сенсорное событие (SensoryEvent). Второй атрибут класса MentalTask, называемый Д. Канеманом «когни- тивные структуры долговременной памяти» — это схемы, общепринятые в когнитивной психологии (см., например [16, с. 165–189]). Класс ментальных задач распадается на два подкласса: задачи, решение которых контролируется (VoluntaryControlTask) и не контролируется (In- voluntaryControlTask) сознанием. Выбор схемы и ее активизация (выделение ресурса) для задач класса VoluntaryControlTask осуществляются по принципу краткосрочных наме- рений (momentary intention), предполагающему выбор схемы и ее активиза- цию. Выбор схемы для задач класса InvoluntaryControlTask осуществляет- ся по принципу продолжительных диспозиций (enduring dispositions), предполагающему автоматический выбор схемы без ее активизации. В процессе формализации модели внимания Д. Бродбента [7] введена классификация сенсорных событий, разделяющая их на рутинные и подоз- рительные, что хорошо согласуется с предложением Д. Канемана рассмат- ривать два типа селекции: voluntary selection (произвольная или осознанная селекция) и involuntary selection (непроизвольная или автоматическая селек- ция). Можно предположить, что непроизвольная селекция имеет место в том случае, когда обнаруживается (детектируется) подозрительное со- бытие. На рис. 3 приведена диаграмма классов, отражающая структуру систе- мы ментальных задач в теории Д. Канемана. Одна из отличительных черт теории Д. Канемана в том, что она интег- рирует понимание внимания как феномена, связанного с восприятием, и по- нимание внимания как ресурса, необходимого для решения ментальных за- дач. Как следует из теории Д. Канемана, при решении ментальной задачи, организм использует механизм внимания в двух направлениях: VoluntaryControlTask InvoluntaryControlTask Выбор схем для этого класса осу- ществляется по принципу enduring dispositions Выбор схем для задач этого класса осуществляется по принципу momen- tary intention MentalTask cognitiveStructure: Schemata sensoryInput: SensoryEvent Рис. 3. Структура системы ментальных задач: VoluntaryControlTask — решение контролируется сознанием и InvoluntaryControlTask — решаются автоматически И.А. Чмырь, И.А. Жирякова ISSN 1681–6048 System Research & Information Technologies, 2006, № 1 38 1. Внимание фокусируется на тех сенсорных событиях, которые необ- ходимы для решения ментальной задачи. Здесь механизм внимания работает как селектор сенсорных событий в смысле теорий фильтрации внимания [9–11]. 2. Внимание фокусируется на схемах, релевантных некоторой задаче, и должны быть активизированы. Здесь механизм внимания работает как се- лектор схем. Таким образом, внимание является неким «посредником» между клас- сами ментальных задач и схем, а также классом сенсорных событий. Иными словами, внимание можно рассматривать как тернарное отношение между следующими классами: ментальных задач (MentalTask); сенсорных собы- тий (SensoryEvent) и релевантных схем (TaskRelevantSchemata). На рис. 4 приведена диаграмма классов, отражающая точку зрения на внимание как на тернарное отношение. Особенностью модели (рис. 4) является понимание внимания как от- ношения между классами, для моделирования которого использовано отно- шение типа «ассоциация», рассматриваемое, в свою очередь, в виде класса Attention. Класс Attention — базовый для двух субклассов: SensoryEvent- Attention и SchemataAttention. Класс SensoryEventAttention «отвечает» за фокусировку внимания на сенсорных событиях, соответствующих решае- мой задаче, а класс SchemataAttention — за фокусировку внимания на схе- мах, которые релевантны задаче и должны быть активизированы. С учетом базовых понятий теории Д. Канемана опишем класс Schema- taAttention при помощи следующих атрибутов и операций: • spareCapacity: Capacity — атрибут, моделирующий резервный ре- сурс; • totalCapacity: Capacity — атрибут, моделирующий общий, ограни- ченный ресурс; • arousal (sources out totalCapacity) — операция, моделирующая зави- симость общего ресурса от возбуждения и реализующая закон Йер- кеса-Додсона, sources — источники возбуждения (мускульное на- пряжение, прием лекарственных препаратов и т.п.); MentalTask cognitiveStructure: Schemata sensoryInput: SensoryEvent SensoryEvent TaskRelevantSchemata Attention SensoryEventAttention SchemataAttention 1..* 1..* 1..* Рис. 4. Моделирование внимания тернарной ассоциацией, представленной в виде класса Объектное моделирование ресурсной теории внимания Системні дослідження та інформаційні технології, 2006, № 1 39 • evaluationDemands() — операция, моделирующая принцип оценки потребности в ресурсе; • selectionAndAllocation() — операция, моделирующая выбор и за- крепление ресурса за задачей. Эта операция осуществляет выбор схемы и ее возможную активизацию, реализует принцип продолжи- тельных диспозиций и принцип краткосрочных намерений. Объединяя диаграммы (рис. 3 и 4), с учетом введенных операций полу- чаем представление теории внимания Д. Канемана в виде обобщенной диа- граммы классов (рис. 5). ВЫВОДЫ Показана возможность применения идей и методов современной теории объектного моделирования и унифицированного языка моделирования UML для формализованного описания ментальных процессов и феноменов. В хо- де моделирования определилось новое понимание феномена внимания: вни- мание играет роль отношения между классами ментальных задач, реле- вантных схем и сенсорных событий. Возможны следующие направления использования полученных резуль- татов. Структурно-графическое описание теории внимания Д. Канемана (рис. 3–5) предлагается использовать в учебном процессе в дисциплинах, которые относятся к когнитивным наукам и искусственному интеллекту. Это особенно актуально для студентов, обучающихся по специальностям, Рис. 5. Класс-структурированное представление теории внимания Д. Канемана SensoryEvent TaskRelevantSchemata Attention SensoryEventAttention SchemataAttention spareCapacity: Capacity totalCapacity: Capacity arousal(args out totalCapacity) evaluationDemands() selectionAndAllocation() VoluntaryControlTask InvoluntaryControlTask MentalTask cognitiveStructure: Schemata sensoryInput: SensoryEvent 1..* 1..* 1..* И.А. Чмырь, И.А. Жирякова ISSN 1681–6048 System Research & Information Technologies, 2006, № 1 40 объединенным в «компьютерные науки». Авторы считают, что отмеченные диаграммы и их описание могут быть полезны при создании современного учебника по указанным дисциплинам. Феномен внимания — только одно из проявлений ментальной деятель- ности человека. Поэтому важно уметь интегрировать различные модели ментальной деятельности в более обширные и когерентные модели. Напри- мер, интегрировать модели фильтрации внимания и ресурсные модели вни- мания, модели восприятия и внимания и т.п. Способ формализации описа- ний когнитивных моделей, использованный в настоящей статье, является по сути способом унифицированного представления различных концепций и теорий в области когнитивных наук и существенно облегчает задачу инте- грации. ЛИТЕРАТУРА 1. Russel S., Norvig P. Artificial Intelligence. A Modern Approach // Prentice Hall, New Jersey. — 1995. — 932 р. 2. Wagman M. Cognitive Psychology and Artificial Intelligence. Theory and Research in Cognitive Science // Praeger Publishers, Westport. — 1993. — 180 р. 3. Sinan Si Alhir Guide to Applying the UML. Springer-Verlag, 2002. — 252 р. 4. Chimir I., Horney M. New Visions of Old Models. In W. M. Beynon, C. L. Nehaniv & K. Dautenhahn (Eds.), Cognitive Technology: Instruments of Mind (Proc. 4-th International Conference on Cognitive Technology, CT 2001. — University of Warwick, U.K.), Springer Lecture Notes in Artificial Intelligence. — 2001. — 2117. — Р. 157–163. 5. Чмырь И.А., Верлань А.Ф. Объектно-ориентированное моделирование когни- тивных процессов // Электронное моделирование. — 2002. — 24. — № 4. — C. 53–64. 6. Чмырь И.А., Раид Мусса Аль-Кавасми. Цикл перцепции Нейсера: формальное представление и практическое применение // Искусственный интеллект. — 2003. — № 1. — C. 107 – 116. 7. Чмырь И.А., Раид Мусса Аль-Кавасми, Жирякова И.А. Объектные модели фильтрации внимания: классификация и интеграция // Искусственный ин- теллект. — 2003. — № 2. — С. 52–63. 8. Kanheman D. Attention and Effort // Prentice-Hall, New Jersey, 1973. — 247 р. 9. Broadbent D.E. Perception and Communication // Oxford: Pergamon, 1958. — 252 р. 10. Treisman A.M. Strategies and models of selective attention // Psychological Review. — 1969. — Р. 18–26. 11. Deutsch J.A. and Deutsch D. Attention: Some theoretical consideration // Psycholog- ical Review. — 1963. — 70. — Р. 80–90. 12. Berlyne D.E. Conflict, arousal and curiosity // New York, McGraw-Hill, 1960. — 235 р. 13. Yerkes R.M. and Dodson J.D. The relation of strength of stimulus to rapidity of ha- bit-formation // Journal of Comparative Neurology of Psychology. — 1908. — 18. — Р. 459–482. 14. Easterbrook J.A. The effect of emotion on cue utilization and the organization of be- havior // Psychological Review. — 1959. — 66. — Р. 183–201. 15. Wachtel P.L. Conceptions of broad and narrow attention // Psychological Bulletin, 1967. — 68. — Р. 417–429. 16. Kellogg R.T. Cognitive Psychology // SAGE Publications Inc., London. — 1997. — 268 р. Поступила 15.09.2004 ОБЪЕКТНОЕ МОДЕЛИРОВАНИЕ РЕСУРСНОЙ ТЕОРИИ ВНИМАНИЯ И.А. ЧМЫРЬ, И.А. ЖИРЯКОВА ВВЕДЕНИЕ РЕСУРСНАЯ ТЕОРИЯ ВНИМАНИЯ Д. КАНЕМАНА ОБЪЕКТНОЕ МОДЕЛИРОВАНИе ресурсной теории внимания ВЫВОДЫ Рис. 1. Графическая интерпретация закона Йеркеса–Додсона Рис. 3. Структура системы ментальных задач: VoluntaryControlTask — решение контролируется сознанием и InvoluntaryControlTask — решаются автоматически VoluntaryControlTask Рис. 4. Моделирование внимания тернарной ассоциацией, представленной в виде класса SensoryEventAttention TaskRelevantSchemata SensoryEventAttention Рис. 5. Класс-структурированное представление теории внимания Д. Канемана VoluntaryControlTask InvoluntaryControlTask

Объектное моделирование ресурсной теории внимания

Institution

Ähnliche Einträge