توانمندی های مدل انرژی آزاد مغز نسبت به مدل های شبکه های معنایی و ACT-R

مقدمه: مدل­ های مختلف شناختی که نمایان­ گر فرایندهای شناختی مغز هستند در حوزه­ هایی مانند روان­ شناسی و هوش مصنوعی پیشنهاد شده که موارد استفاده فراوانی هم دارند. با توجه به اهداف ارائه این مدل­ ها که مهم ترین آنها مطالعه ویژگی­ های مغز در فرایند انجام عملکردهای عالی شناختی، بازتوان­بخشی بیماران و هوشمندسازی ماشین­ هاست، نیاز است تا مدل­ های پیشنهادی مورد بررسی و مقایسه دقیق قرار گیرند. روش کار: در این پژوهش از طریق جمع­ آوری داده­ های کتابخانه ­ایی اطلاعات مربوط به سه مدل شناختی یعنی مدل­ های شناختی شبکه­ های معنایی ((ACT-R) Adaptive Control of Thought-Rational) و انرژی آزاد مغز بررسی شدند. یافته ­ها: مدل شبکه ­های معنایی امکان تولید دانش معنایی (اخباری) را دارد. مدل ACT-R که یکی از کاربردی­ ترین مدل­ های شناختی انسان است، امکان تولید دانش­ های اخباری و رویه­ ایی (مهارتی) را فراهم می­ کند. مدل­ های شبکه­ های معنایی و انرژی آزاد، نیازمند برنامه­ نویسی هستند، در حالی که مدل ACT-R در قالب یک نرم ­افزار کاربردی ارائه شده است. مدل انرژی آزاد مغز ضمن تولید انواع دانش ­های اخباری، تولیدی و شرطی با بروزرسانی مفاهیم و ادراکات حسی دریافتی و نیز فرضیه­ های پیشین مبتنی بر استنباطات احتمالی بیزی، و بر اساس کمینه­ سازی انرژی آزاد مغز، مشابه استنباطات انسانی عمل می­ کند. نتیجه ­گیری: علی­رغم پیچیدگی مدل انرژی آزاد ولی با توجه به جامعیت بیشتر آن، در توصیف عملکردهای شناختی مانند ادراک، یادگیری، توجه، تصمیم­ سازی و همچنین تحلیل بیماری­ های شناختی انسان می­ تواند نتایج بهتر و گسترده­ تری به دست دهد.

کلیدواژه ها:

Semantic networks ، ACT-R ، Free energy model ، Active inference ، شبکه ­های معنایی ، ACT-R ، مدل انرژی آزاد مغز ، استنباط فعال