教计算机“集中注意力”提高了安全性和对人类心理的理解

计算机科学的研究人员已经编写了一款电脑来玩“集中注意力”(也被称为“记忆”)游戏。这项工作可以帮助提高计算机的安全性，并提高我们对人类大脑如何工作的理解。

研究人员开发了一个程序，让名为ACT-R的软件系统来玩“集中注意力”游戏。ACT-R是一种试图复制人类思维过程的计算机模拟软件。在游戏中，多对匹配的卡片被随机地朝下放置，玩家被要求翻转两张卡片，一次一张，以找到匹配的卡片。如果一个玩家翻转了两张不匹配的牌，这些牌就会被正面朝下放置。玩家通过记住匹配纸牌的位置而获得成功。

研究人员可以加快ACT-R的决策，这使它玩得更快，但会犯更多的错误，或者允许ACT-R慢慢来，这使游戏时间更长，错误更少。

作为研究的一部分，179名人类参与者每人玩了20次“集中”游戏，其中10次是为了提高准确性，10次是为了提高速度，这样研究人员就可以比较他们的ACT-R模型了。

这些发现将帮助研究人员区分人类玩家和自动化的“机器人”，最终帮助他们开发模型来识别各种应用程序中的机器人。这些机器人给网络游戏、在线投票和其他Web应用程序带来了安全问题。

“区分机器人行为和人类行为的一种方法是观察机器人的行为，”北卡罗来纳州立大学(NC State)计算机科学副教授罗伯特·圣·阿曼特(Robert St. Amant)博士说，他是一篇描述这项工作的论文的合著者。“另一种方法是观察人类的行为。我们正专注于后者。”

“我们正在寻找非常细微的差别，它们很难在ACT-R这样的认知结构之外复制，”北卡罗来纳州立大学计算机科学助理教授、论文合著者大卫·罗伯茨博士说。“就时间和金钱而言，在机器人身上复制这些特征所需要的复杂程度将非常昂贵，以至于它的成本可能会高得令人望而却步。”

研究人员还能够修改他们的注意力模型的参数，以确定哪组变量导致游戏玩法与人类研究参与者的游戏玩法最匹配。

这为在玩专注游戏时人类大脑中发生的认知过程提供了一个合理的解释。例如，Concentration模型有时需要做出选择:记住之前匹配的纸牌并选择它，或者通过选择新纸牌来探索棋盘。当考虑速度时，该模型采用后一种选择，因为它比从记忆中检索信息更快。这也可能是当我们在玩“专注”游戏时，大脑中发生的事情。

罗伯茨说:“这些信息让我们逐渐了解认知功能与我们与电脑互动的方式之间的关系。”最终，这类信息有一天可以用来开发工具，帮助软件设计师确定他们的设计决策如何影响产品的最终用户。例如，是否有些设计功能会让用户感到困惑?在什么点上?这将是有用的信息。”

这篇题为“用ACT-R建模注意力游戏”的论文将于7月11日至14日在渥太华举行的认知建模国际会议上发表。该论文的主要作者是北卡罗来纳州立大学的博士生泰特斯·巴里克。合著者包括St. Amant, Roberts和北卡罗莱纳州的博士生Arpan Chakraborty和Brent Harrison。这项研究得到了美国国家安全局的支持。

希普曼-

编辑:研究摘要如下。

用ACT-R建模注意力博弈

作者: Titus barick, Arpan Chakraborty, Brent Harrison, David L. Roberts和Robert St. Amant，北卡罗莱纳州立大学

提出了: 7月11日-14日，认知建模国际会议，渥太华

文摘:本文描述了用于注意力博弈的ACT-R模型的发展。性能数据来自一个实验，在这个实验中，参与者在两种条件下玩游戏:最小化游戏中的不匹配/回合数，最小化完成游戏的时间。视觉注意驱动着模型中游戏棋盘的探索，而冲突解决则用来捕捉速度和精度条件之间的差异。建模结果通常与人类的表现一致，尽管可以看到一些系统的差异。讨论了建模决策、模型限制和开放问题。