시퀀스 학습

Sequence learning

인지심리학에서 시퀀스 학습은 활동뿐만 아니라 의식적 학습과 비의식적 학습의 통합된 부분이기 때문에 인간의 능력에 내재되어 있다.정보 순서나 행동 순서는 "언어의 소리 순서 지정에서, 타이핑이나 악기 연주 시 동작 순서 지정, 자동차 운전 시 동작 순서 지정"[1] 등 다양한 일상적인 작업에 사용된다.시퀀스 학습은 기술 습득과 신경정신병 환자에서 유아에 이르는 다양한 그룹의 연구에 이용될 수 있다.[1]리터와 네르브에 따르면 "자료가 제시되는 순서는 학습되는 것과 성능의 증가 속도, 때로는 소재가 전혀 학습되지 않는지에 강한 영향을 미칠 수 있다"[2]고 한다.명시적 학습의 한 형태로 더 많이 알려지고 이해되는 시퀀스 학습도 이제 다른 형태의 학습뿐만 아니라 암묵적 학습의 한 형태로 연구되고 있다.시퀀스 학습은 동작에서 순차적 동작, 동작 순서, 직렬 순서라고도 할 수 있다.

역사

20세기 전반에는 마가렛 플로이 워시번, 존 B. 왓슨과 다른 행동학자들은 행동 순서가 초기 움직임으로 인한 자극이 추가적인 움직임을 유발하고, 또 다른 추가적인 움직임을 유발한다는 것을 말하는 반사 사슬에 의해 지배된다고 믿었다.1951년 하버드 대학의 신경생리학자인 칼 라슐리는 "행동에서의 연속 질서의 문제"를 발표하면서 시퀀스 학습에 대한 현재의 신념을 다루고 그의 가설을 소개했다.그는 여섯 줄의 증거에 근거하여 이전의 견해를 비판했다.

첫 번째 줄은 감각 피드백이 중단되어도 움직임이 일어날 수 있다는 것이다.두 번째는 일부 이동 시퀀스가 너무 빨리 발생하기 때문에 앞의 요소들의 피드백에 의해 시퀀스 요소들이 촉발된다는 것이다.다음으로 행동의 오류는 나중에 이루어질 일에 대한 내부 계획을 시사하는 것이다.또한 이동 시퀀스를 시작하는 시간은 시퀀스의 길이 또는 복잡성에 따라 증가할 수 있다.다음 선은 일련의 초기에 발생하는 움직임의 특성으로서 이후의 특징을 예상할 수 있다.그리고 마지막으로 신경활동은 비교적 장기적인 미래에서 다가올 행동 사건을 포함하여 다가올 행동 사건들의 준비를 나타낼 수 있다.[3]

래슬리는 시퀀스 학습, 즉 행동의 순서나 연속적인 순서는 감각 피드백에 기인하지 않는다고 주장했다.오히려 신경계가 일부 행동을 준비하지만 다른 행동을 준비하지 않기 때문에 행동에 대한 계획이 있다고 제안했다.그는 계획의 계층적 구성이 있다고 말했다.그는 몇 줄의 증거를 생각해 냈다.그 중 첫 번째는 문장의 문맥에 따라 '라이트, 우, 우, 의례, 글쓰기'를 해석하는 방식 등 같은 행동에 대한 문맥이 기능적 해석을 바꾼다는 점이다.'맞다'는 맥락에 따라 방향이나 좋은 것으로 해석할 수 있다.두 번째 줄의 증거는 오류들이 계층적 조직으로서 인간의 행동에 관련되어 있다고 말한다.게다가, "계획의 계층적 구성은 행동 순서의 타이밍에서 온다."구문이 클수록 응답 시간이 길어져서 "디코딩" 또는 "포장되지 않은" 계층적 계획으로 인자가 된다.추가 증거는 시퀀스를 배우는 것이 얼마나 쉽거나 어려운가이다.정신은 '지금 일어나려고 하는 일에 대한 기억'뿐만 아니라 '지금 일어났던 일에 대한 기억'을 만들어 낼 수 있다.계획의 계층적 구성에 대한 최종 증거는 "취급"으로 특징지어진다.이 기술은 여러 단위를 더 큰 단위로 결합한다.[3]

시퀀스 학습 유형

하위 범주를 포함하는 시퀀스 학습에는 두 가지 광범위한 범주가 있다.명시적 시퀀스 학습은 시퀀스 학습의 발견 이후 알려지고 연구되어 왔다.그러나 최근에는 암묵적 시퀀스 학습이 더 많은 관심과 연구를 얻고 있다.암묵적 학습의 한 형태로서 암묵적 시퀀스 학습은 사람들이 알지 못하는 학습 방법, 즉 알지 못하는 학습 방법에 관한 것이다.암묵적 학습의 정확한 특성과 메커니즘의 수가 논의된다.[4]암묵적 시퀀스 학습의 다른 형태로는 모터 시퀀스 학습, 시간 시퀀스 학습, 연관 시퀀스 학습이 있다.

시퀀스 학습 문제

시퀀스 학습 문제는 다양한 유형의 시퀀스 학습을 더 잘 이해하기 위해 사용된다.시퀀스 학습의 기본 문제로는 시퀀스 예측, 시퀀스 생성, 시퀀스 인식, 순차적 의사결정 등 4가지가 있다.이러한 "문제"는 시퀀스가 어떻게 형성되는지를 보여준다.그들은 시퀀스가 따르는 패턴과 이러한 다른 시퀀스 학습 문제가 어떻게 서로 연관되어 있는지를 보여준다.

시퀀스 예측은 앞의 모든 요소에 기초하여 시퀀스의 다음 즉시 요소를 예측하려고 시도한다.시퀀스 생성은 기본적으로 시퀀스 예측과 동일하다. 즉, 시퀀스가 자연적으로 발생하는 방식으로 차례를 하나씩 조립하려는 시도.시퀀스 인식은 특정 기준을 적용하여 시퀀스가 합법적인지 여부를 결정한다.행동을 통한 순차적 의사 결정 또는 시퀀스 생성은 목표 지향, 궤적 지향, 강화 최대화의 세 가지 변형으로 구분된다.이 세 가지 변형은 모두 미래에 목표를 향해 나아갈 행동이나 단계를 선택하기를 원한다.[5]

이러한 시퀀스 학습 문제는 시퀀스의 각 요소가 이전 요소를 기반으로 구축되기 때문에 계획의 계층적 구성을 반영한다.

1967년에 출판된 고전적인 실험에서, 알프레드 L. 야르부스는 초상화를 보는 피실험자들이 초상화 전체를 이해하는 것으로 보고되었지만, 그들의 눈 움직임은 계속해서 이미지에서 가장 유익한 부분에 고정되어 있다는 것을 보여주었다.이러한 관찰은 표면적으로 평행한 얼굴 인식의 기초가 되는 일련의 오쿨로모터 과정이 은폐되어 있음을 시사한다.[6]기술을 습득하고 있을 때는 초기 단계에서는 더욱 주의를 기울이지만, 반복적인 연습 후에는 기술이 거의 자동으로 된다는 것이 일반적인 관측이다.[7] 이를 무의식적 능력이라고도 한다.그러면 우리는 이전에 배운 행동을 능숙하게 수행하면서 새로운 행동을 배우는 데 집중할 수 있다.따라서 학습된 기술에 대한 신경 코드나 표현이 우리 뇌에 만들어지는 것으로 나타나는데, 보통 이것을 절차적 기억이라고 한다.절차 메모리는 사실보다는 절차나 알고리즘을 암호화한다.

진행 중인 연구

시퀀스 학습을 위한 지원 분야도 많다.인간이 어떻게 순차적 절차를 배우느냐 하는 것은 인지과학에서 오랜 연구 문제였으며 현재 신경과학에서는 중요한 주제다.인공지능, 신경망, 공학 등 여러 분야에서 연구 작업이 진행되고 있다.[8]철학적 관점은 귀납적 추론과 유도 문제를 참조한다.이론적 컴퓨터 과학 관점은 솔로몬프의 귀납적 추론과 귀납적 프로그래밍 이론을 참조하라.수학적 관점은 Extrapolation을 참조하십시오.

참조

  1. ^ a b Clegg, Benjamin A; DiGirolamo, Gregory J; Keele, Steven W (August 1998). "Sequence learning". Trends in Cognitive Sciences. 2 (8): 275–81. doi:10.1016/S1364-6613(98)01202-9.
  2. ^ Frank E. Ritter; et al., eds. (2007). In order to learn: how the sequence of topics influences learning. Oxford series on cognitive models and architectures. Oxford/New York: Oxford University Press. ISBN 978-0-19-517884-5.
  3. ^ a b Rosenbaum, David; Rajal G. Cohen; Steven A. Jax; Daniel J. Weiss; Robrecht van der Wel (2007). "The problem of serial order in behavior: Lashley's legacy". Human Movement Science. 26 (4): 525–54. doi:10.1016/j.humov.2007.04.001. PMID 17698232.
  4. ^ Lin, Hsiang-Ling Jennifer (1994). Implicit sequence learning: One or two learning mechanisms? (MA thesis). Columbia, Missouri: University of Missouri. OCLC 36106139.
  5. ^ Sun, Ron. "Introduction to Sequence Learning". Retrieved 30 June 2011.
  6. ^ 야버스, 알프레드 L, "복잡한 물체의 지각 중 눈 움직임", 야버스, 알프레드 L, 트르 바질 헤이, 에드.로린 A.리그스, 아이 무브먼트 앤 비전, 뉴욕: 플레넘, 1967, OCLC 220267263, ch. 7, 페이지 171–96.
  7. ^ Pitts, P. M. "지각 운동 기술 학습"은 Arthur W. Melton(ed.), Categories of Human Learning, New York: Academic Press, 1964, OCLC 180195, 페이지 243–85에서 볼 수 있다.
  8. ^ Sun, Ron; C. Lee Giles (July–August 2001). "Sequence Learning: From Recognition and Prediction to Sequential Decision Making" (PDF). IEEE Intelligent Systems & Their Applications. 16 (4).

추가 읽기