概述
ACT-R 是一种
认知架构：一种关于人类认知如何运作的理论。从外观上看，ACT-R 像是一种编程语言；然而，它的构造反映了关于人类认知的假设。这些假设基于从心理学实验中得出的大量事实。ACT-R 由卡内基梅隆大学开发，该软件基于 Lisp，并且有大量的文档。操作系统：Windows，Linux，macOS。
像编程语言一样，ACT-R 是一个框架：对于不同的任务（例如，汉诺塔、文本或单词列表的记忆、语言理解、通信、飞机控制），研究人员创建模型（又名程序），这些模型被编写在 ACT-R 中，除了结合 ACT-R 的认知观点外，还添加了他们自己对特定任务的假设。可以通过将模型的结果与执行相同任务的人的结果进行比较来检验这些假设。“结果”是指认知心理学的传统测量方法：
- 执行任务的时间，
- 任务的准确性，以及，
- （最近）神经学数据，例如从 FMRI 获得的数据。
ACT-R 区别于该领域其他理论的一个重要特征是它允许研究人员收集可以直接与从人类参与者获得的定量测量进行比较的定量测量。
ACT-R 已成功用于在以下领域创建模型：
-
[hidecontent type="logged" desc="隐藏内容：登录后可查看"]
- 学习和记忆，
- 解决问题和决策，
- 语言和交流，
- 感知和关注，
- 认知发展，或
- 个体差异。
除了在认知心理学中的应用外，ACT-R 还被用于
- 人机交互产生可以评估不同计算机界面的用户模型，
- 教育（认知辅导系统）“猜测”学生可能遇到的困难并提供有针对性的帮助，
- 计算机生成的力量提供居住在训练环境中的认知代理，
- 神经心理学，解释 FMRI 数据。
一些最成功的应用程序，
即 Cognitive Tutors for Mathematics，已在全国数千所学校中使用。
作为匹兹堡学习科学中心的一部分，这种“认知导师”被用作学习和认知建模研究的平台。
ACT-R 如何运作
ACT-R 教程中提供了 ACT-R 的详细介绍。这里我们只介绍最基本的机制。 ACT-R 的主要组成部分是：
模块
有两种类型的模块：
- 感知运动模块，负责与现实世界的接口（即模拟真实世界），ACT-R 中发展最完善的感知运动模块是视觉模块和手动模块。
- 内存模块。
ACT-R中有两种内存模块：
- 陈述性记忆，由诸如华盛顿特区是美国首都、法国是欧洲国家或2+3=5等事实组成，以及
- 程序记忆，由作品组成。产生式代表关于我们如何做事的知识：例如，关于如何在键盘上键入字母“Q”、关于如何驾驶或关于如何执行加法的知识。
缓冲器
ACT-R 通过缓冲区访问其模块（程序内存模块除外）。对于每个模块，专用缓冲区用作与该模块的接口。给定时刻缓冲区的内容代表 ACT-R 在该时刻的状态。
模式匹配器
模式匹配器搜索与缓冲区当前状态匹配的产生式。在给定时刻只能执行一个这样的生产。该产生式在执行时可以修改缓冲区，从而改变系统的状态。因此，在 ACT-R 中，认知是作为连续的产生式激发展开的。
ACT-R 是一种
混合认知架构。它的
符号结构是一个生产系统；亚
符号结构由一组大规模并行过程表示，这些过程可以用许多数学方程式来概括。子符号方程控制许多符号过程。
例如，如果多个产品与缓冲区的状态相匹配，则子符号效用方程会估计与每个产品相关的相对成本和收益，并决定选择具有最高效用的产品来执行。类似地，是否（或多快）可以从陈述性记忆中检索一个事实取决于子符号检索方程，该方程考虑了该事实的上下文和使用历史。亚符号机制也负责 ACT-R 中的大多数学习过程。
[/hidecontent]
