Un sistema de pizarra es un enfoque de inteligencia artificial basado en el modelo arquitectónico de pizarra , [1] [2] [3] [4] donde una base de conocimiento común , la "pizarra", se actualiza iterativamente por un grupo diverso de fuentes de conocimiento especializadas, comenzando con la especificación de un problema y terminando con una solución. Cada fuente de conocimiento actualiza la pizarra con una solución parcial cuando sus limitaciones internas coinciden con el estado de la pizarra. De esta forma, los especialistas trabajan juntos para solucionar el problema. El modelo de pizarra fue diseñado originalmente como una forma de manejar problemas complejos y mal definidos, donde la solución es la suma de sus partes.
Metáfora
El siguiente escenario proporciona una metáfora simple que da una idea de cómo funciona una pizarra:
Un grupo de especialistas está sentado en una sala con una gran pizarra . Trabajan en equipo para pensar en una solución a un problema, utilizando la pizarra como lugar de trabajo para desarrollar la solución de manera cooperativa.
La sesión comienza cuando las especificaciones del problema se escriben en la pizarra. Todos los especialistas miran la pizarra, buscando una oportunidad para aplicar su experiencia a la solución en desarrollo. Cuando alguien escribe algo en la pizarra que le permite a otro especialista aplicar su experiencia, el segundo especialista registra su contribución en la pizarra, con la esperanza de que permita a otros especialistas aplicar su experiencia. Este proceso de agregar contribuciones a la pizarra continúa hasta que se resuelva el problema.
Componentes
Una aplicación de sistema de pizarra consta de tres componentes principales
- Los módulos especializados en software, que se denominan fuentes de conocimiento (KS) . Al igual que los expertos humanos en una pizarra, cada fuente de conocimiento proporciona la experiencia específica que necesita la aplicación.
- La pizarra , repositorio compartido de problemas, soluciones parciales, sugerencias e información aportada. La pizarra se puede considerar como una "biblioteca" dinámica de contribuciones al problema actual que han sido "publicadas" recientemente por otras fuentes de conocimiento.
- El caparazón de control , que controla el flujo de la actividad de resolución de problemas en el sistema. Así como los ansiosos especialistas humanos necesitan un moderador para evitar que se pisoteen unos a otros en una carrera loca para agarrar la tiza, los KS necesitan un mecanismo para organizar su uso de la manera más efectiva y coherente. En un sistema de pizarra, esto lo proporciona la carcasa de control.
Lenguaje de modelado de tareas que se puede aprender
Un sistema de pizarra es el espacio central en un sistema de múltiples agentes . Se utiliza para describir el mundo como una plataforma de comunicación para agentes. Para darse cuenta de la pizarra de un programa de ordenador, una lectura mecánica es necesaria la notación en la que los hechos pueden ser almacenados. Un intento de hacerlo es una base de datos SQL , otra opción es el Lenguaje de modelado de tareas aprendidas (LTML) . La sintaxis del lenguaje de planificación LTML es similar a PDDL , pero agrega características adicionales como estructuras de control y modelos OWL-S . [5] [6] LTML fue desarrollado en 2007 [7] como parte de un proyecto mucho más grande llamado POIROT ( Plan Order Induction by Reasoning from One Trial ), [8] que es un marco de aprendizaje de demostraciones para la minería de procesos . En POIROT, las trazas e hipótesis de Plan se almacenan en la sintaxis LTML para crear servicios web semánticos . [9]
Aquí hay un pequeño ejemplo: un usuario humano está ejecutando un flujo de trabajo en un juego de computadora. Presiona algunos botones e interactúa con el motor del juego . Mientras lo hace, se crea un seguimiento del plan. Eso significa que las acciones del usuario se almacenan en un archivo de registro . El archivo de registro se transforma en una notación legible por máquina que se enriquece con atributos semánticos . El resultado es un archivo de texto en la sintaxis LTML que se pone en la pizarra. Los agentes (programas de software en el sistema de pizarra) pueden analizar la sintaxis LTML.
Implementaciones
Los ejemplos famosos de los sistemas de pizarra académicos primeros son los rumores II sistema de reconocimiento de voz y Douglas Hofstadter 's Copycat proyectos y Numbo.
Ejemplos más recientes incluyen aplicaciones implementadas en el mundo real, como el componente PLAN del Sistema de Control de Misión para RADARSAT-1, [10] un satélite de observación de la Tierra desarrollado por Canadá para monitorear los cambios ambientales y los recursos naturales de la Tierra.
El software GTXImage CAD de GTX Corporation se desarrolló a principios de la década de 1990 utilizando un conjunto de bases de reglas y redes neuronales como especialistas que operan en un sistema de pizarra.
Adobe Acrobat Capture (ahora descontinuado) utilizó un sistema Blackboard para descomponer y reconocer páginas de imágenes para comprender los objetos, el texto y las fuentes en la página. Esta función está integrada actualmente en la versión comercial de Adobe Acrobat como "Reconocimiento de texto OCR". Los detalles de una pizarra OCR similar para texto en farsi son de dominio público. [11]
Los sistemas Blackboard se utilizan de forma rutinaria en muchos sistemas militares C4ISTAR para detectar y rastrear objetos.
Crítica
Los sistemas Blackboard eran populares antes del invierno de la IA y, junto con la mayoría de los modelos simbólicos de IA, pasaron de moda durante ese período. Junto con otros modelos, se advirtió que los éxitos iniciales en problemas de juguetes no se adaptaban bien a problemas reales en las computadoras disponibles de la época. La mayoría de los problemas relacionados con el uso de pizarrones son inherentemente NP-hard , así que resista la solución manejable por cualquier algoritmo en el límite de tamaño grande. Durante el mismo período, el reconocimiento de patrones estadísticos se volvió dominante, sobre todo a través de los modelos ocultos de Markov simples que superaron los enfoques simbólicos como Hearsay-II en el dominio del reconocimiento de voz.
Desarrollos recientes
Los sistemas tipo pizarra se han construido dentro de la configuración moderna de aprendizaje automático bayesiano , utilizando agentes para agregar y eliminar nodos de red bayesianos . En estos sistemas de 'pizarra bayesiana', las heurísticas pueden adquirir significados probabilísticos más rigurosos como propuesta y aceptaciones en el muestreo de Metropolis Hastings a través del espacio de estructuras posibles. [12] [13] [14] A la inversa, utilizando estos mapeos, los muestreadores existentes de Metropolis-Hastings sobre espacios estructurales ahora pueden verse como formas de sistemas de pizarra incluso cuando los autores no los nombran como tales. Tales muestreadores se encuentran comúnmente en algoritmos de transcripción musical , por ejemplo. [15]
Los sistemas Blackboard también se han utilizado para construir sistemas inteligentes a gran escala para la anotación de contenido multimedia, automatizando partes de la investigación tradicional en ciencias sociales. En este dominio, el problema de integrar varios algoritmos de IA en un solo sistema inteligente surge espontáneamente, con pizarrones que brindan una forma para una colección de algoritmos de procesamiento de lenguaje natural modulares distribuidos para que cada uno anote los datos en un espacio central, sin necesidad de coordinar su comportamiento. [dieciséis]
Ver también
- Razonamiento oportunista
- Espacios de tupla
- Sistemas autónomos descentralizados
- Integración de sistemas de inteligencia artificial
Referencias
- ^ Erman, LD; Hayes-Roth, F .; Menor, VR; Reddy, DR (1980). "El sistema de comprensión del habla Hearsay-II: integración del conocimiento para resolver la incertidumbre". Encuestas de computación ACM . 12 (2): 213. doi : 10.1145 / 356810.356816 .
- ^ Corkill, Daniel D. (septiembre de 1991). "Sistemas de pizarra" (PDF) . Experto en IA . 6 (9): 40–47.
- ^ * Nii, H. Penny (1986). Blackboard Systems (PDF) (Informe técnico). Departamento de Ciencias de la Computación, Universidad de Stanford. STAN-CS-86-1123 . Consultado el 12 de abril de 2013 .
- ^ Hayes-Roth, B. (1985). "Una arquitectura de pizarra para el control". Inteligencia artificial . 26 (3): 251–321. doi : 10.1016 / 0004-3702 (85) 90063-3 .
- ^ Goldman, Robert P y Maraist, John (2010). Shopper: un sistema para ejecutar y simular planes expresivos . ICAPS. págs. 230–233.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Pechoucek, Michal (2010). Computación basada en agentes en la planificación adversa distribuida (informe técnico). Universidad Técnica Checa de Praga.
- ^ Burstein, Mark y Brinn, Marshall y Cox, Mike y Hussain, Talib y Laddaga, Robert y McDermott, Drew y McDonald, David y Tomlinson, Ray (2007). Una arquitectura y un lenguaje para el aprendizaje integrado de demostraciones . Taller AAAI Adquirir conocimientos de planificación mediante demostración. págs. 6-11.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Morrison, Clayton T y Cohen, Paul R (2007). El diseño de experimentos para poner a prueba la planificación conocimiento acerca de las limitaciones de orden plan de pasos . Taller de ICAPS sobre planificación y aprendizaje inteligentes.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Burstein, Mark y Bobrow, Robert y Ferguson, William y Laddaga, Robert y Robertson, Paul (2010). Aprendiendo de la observación: visión y POIROT: uso del metarazonamiento para la autoadaptación . Taller de sistemas autoadaptativos y autoorganizados (SASOW), 2010 Cuarta Conferencia Internacional IEEE sobre. págs. 300-307.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Corkill, Daniel D. "Cuenta regresiva para el éxito: objetos dinámicos, GBB y RADARSAT-1". Comunicaciones del ACM 40.5 (1997): 48-58.
- ^ Khosravi, H. y Kabir, E. (2009). Un enfoque de pizarra hacia el sistema integrado de Farsi OCR. Revista Internacional de Análisis y Reconocimiento de Documentos (IJDAR), 12 (1), 21-32.
- ^ Fox C, Evans M, Pearson M, Prescott T (2011). "Hacia el mapeo jerárquico de la pizarra en un robot bigotudo" (PDF) . Robótica y sistemas autónomos . 60 (11): 1356–66. doi : 10.1016 / j.robot.2012.03.005 .
- ^ Sutton C. Una pizarra bayesiana para la fusión de información, Proc. En t. Conf. Fusión de información, 2004
- ^ Carver, Norman (mayo de 1997). "Una visión revisionista de los sistemas de pizarra" . Actas de la Conferencia de la Sociedad de Ciencia Cognitiva e Inteligencia Artificial del Medio Oeste de 1997 .
- ^ Godsill, Simon y Manuel Davy. "Modelos armónicos bayesianos para la estimación y el análisis del tono musical". Procesamiento de acústica, habla y señales (ICASSP), Conferencia internacional IEEE de 2002 sobre. Vol. 2. IEEE, 2002.
- ^ Flaounas, Ilias; Lansdall-Welfare, Thomas; Antonakaki, Panagiota; Cristianini, Nello (25 de febrero de 2014). "La anatomía de un sistema modular para análisis de contenido de medios". arXiv : 1402,6208 [ cs.MA ].
enlaces externos
- Open Blackboard System Un marco de código abierto para desarrollar sistemas de pizarra.
- GBBopen Un marco de sistema de pizarra de código abierto para Common Lisp .
- Blackboard Event Processor Una implementación de Blackboard de código abierto que se ejecuta en la JVM, pero que admite secuencias de comandos de planes en JavaScript y JRuby.
- KOGMO-RTDB Una pizarra de código abierto en tiempo real para C / C ++, utilizada por algunos vehículos autónomos de DARPA Urban Challenge.
- HarTech Technologies Una empresa que ofrece soluciones tanto de simulación como de comando y control, todas basadas en una arquitectura Blackboard única. El marco de desarrollo de Blackboard se puede utilizar para desarrollar aplicaciones personalizadas.
- La arquitectura de BB1 Blackboard Control Un sistema Blackboard más antiguo, disponible para Common Lisp y C ++ .
- Macsy Una arquitectura de pizarra modular para Python construida sobre MongoDB para la anotación de contenido multimedia.
Otras lecturas
- Craig, Iain (1995). Sistemas de pizarra . Norwood, Nueva Jersey: Ablex. ISBN 978-0-89391-594-0.
- Corkill, Daniel D .; Gallagher, Kevin Q .; Johnson, Philip M. (julio de 1987). "Lograr flexibilidad, eficiencia y generalidad en arquitecturas de pizarra" (PDF) . Actas de la Conferencia Nacional de Inteligencia Artificial . Seattle, Washington. págs. 18–23. Archivado desde el original (PDF) el 20 de septiembre de 2006.
- Englemore, Robert; Morgan, Tony (1988). Sistemas de pizarra . Addison-Wesley. ISBN 978-0-201-17431-1.
- Jagannathan, Vasudevan; Dodhiawala, Rajendra; Baum, Lawrence S., eds. (1989). Arquitecturas y aplicaciones de Blackboard . Prensa académica. ISBN 978-0-12-379940-1.
- Corkill, Dalvi D. (1989). "Alternativas de diseño para sistemas de pizarra paralelos y distribuidos" (PDF) . En Jagannathan, V .; Dodhiawala, Rajendra; Baum, Lawrence S. (eds.). Arquitecturas y aplicaciones de Blackboard . Prensa académica. págs. 99-136.
- Corkill, Dalvi Prathamesh (octubre de 2003). "Software colaborador: Blackboard y sistemas de agentes múltiples y el futuro". (PDF) . En Actas de la Conferencia Internacional Lisp . Nueva York, Nueva York. Archivado desde el original (PDF) el 23 de julio de 2011.
- Corkill, Daniel D. (marzo de 2011). "Tutorial de GBBopen" . El Proyecto GBBopen . Recuperar artículo en PDF