概念和组块终于统一了！Cobweb扩展理论让AI同时学会分类和模式识别
A Unified Account of Concepts and Chunks
📖 AI 总结
该论文针对认知科学中长期分离的两个研究领域——概念（用于描述类别的心理表征）与组块（对熟悉元素模式的表征）——提出了一种统一的理论框架。作者在回顾Cobweb这一经典分类与概念形成计算模型的基础上，将其扩展至涵盖组块及其习得机制，且该理论不预设特定模态，适用于任何可分解为元素及其关系的经验。为验证理论，作者实现了名为Trellis的系统，并以上下文无关文法作为测试平台，因为该任务同时涉及类概念与类组块成分。在三个合成文法上的实验表明，该系统能够表征句法知识、据此解析和生成句子，并从样本解析中学习组合结构。该研究为统一认知理论提供了新的计算路径，并为概念与组块的整合研究指明了未来方向。
🔑 关键词速览
| Cobweb | 一种用于分类和概念形成的计算模型，通过概率概念层次结构进行增量式学习。 |
| Chunks | 组块，指在认知心理学中，将熟悉元素模式作为一个整体进行表征和记忆的单元。 |
| Context-free grammars | 上下文无关文法，一种形式文法，用于描述编程语言和自然语言的句法结构，由产生式规则组成。 |
| Compositional structures | 组合结构，指由更小的语言单位（如词或短语）按照句法规则组合而成的层次化结构。 |
| Syntactic knowledge | 句法知识，关于语言中词语如何组合成合法句子或短语的规则和约束的知识。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅