Inteligencia artificial, enfoque situado

En la investigación de inteligencia artificial , el enfoque situado construye agentes que están diseñados para comportarse de manera efectiva y exitosa en su entorno. Esto requiere diseñar la IA "de abajo hacia arriba", centrándose en las habilidades motoras y perceptivas básicas necesarias para sobrevivir. El enfoque situado da una prioridad mucho menor al razonamiento abstracto o las habilidades de resolución de problemas.

El enfoque se propuso originalmente como una alternativa a los enfoques tradicionales (es decir, enfoques populares antes de 1985 aproximadamente). Después de varias décadas, las tecnologías de IA clásicas comenzaron a enfrentar problemas insolubles (por ejemplo, explosión combinatoria) cuando se enfrentaron a problemas de modelado del mundo real. Todos los enfoques para abordar estos problemas se centran en modelar inteligencias situadas en un entorno. Se los conoce como el enfoque situado a la IA.

Aparición de un concepto

De la IA tradicional a la Nouvelle AI

A fines de la década de 1980, el enfoque ahora conocido como Nouvelle AI ( Nouvelle significa nuevo en francés) fue pionero en el Laboratorio de Inteligencia Artificial del MIT por Rodney Brooks . A diferencia de la inteligencia artificial clásica o tradicional , Nouvelle AI evitó deliberadamente el objetivo tradicional de modelar el rendimiento a nivel humano, sino que intenta crear sistemas con inteligencia al nivel de los insectos, más cercanos a los robots del mundo real. Pero finalmente, al menos en el MIT, la nueva IA condujo a un intento de IA humanoide en el Proyecto Cog .

De Nouvelle AI a AI basada en el comportamiento y situada

El cambio conceptual introducido por la nouvelle AI floreció en el área de la robótica, dando paso a la inteligencia artificial basada en el comportamiento (BBAI), una metodología para el desarrollo de la IA basada en una descomposición modular de la inteligencia. Rodney Brooks lo hizo famoso : su arquitectura de subsunción fue uno de los primeros intentos de describir un mecanismo para desarrollar BBAI. Es extremadamente popular en robótica y en menor medida para implementar agentes virtuales inteligentes porque permite la creación exitosa de sistemas dinámicos en tiempo real que pueden ejecutarse en entornos complejos. Por ejemplo, subyace a la inteligencia de Sony ,Aibo y muchos equipos de robots RoboCup .

Al darse cuenta de que, de hecho, todos estos enfoques tenían como objetivo construir no una inteligencia abstracta, sino más bien una inteligencia situada en un entorno dado, se los conoce como el enfoque situado. De hecho, este enfoque surge de las primeras ideas de Alan Turing , que describen la necesidad de construir máquinas equipadas con órganos de los sentidos para aprender directamente del mundo real en lugar de centrarse en actividades abstractas, como jugar al ajedrez. ^{[ relevante? ]}

Definiciones

Clásicamente, una entidad de software se define como un elemento simulado, capaz de actuar sobre sí mismo y sobre su entorno, y que tiene una representación interna de sí mismo y del mundo exterior. Una entidad puede comunicarse con otras entidades y su comportamiento es consecuencia de sus percepciones, sus representaciones y sus interacciones con las otras entidades.

Bucle AI

Simular entidades en un entorno virtual requiere simular todo el proceso que va desde una percepción del entorno, o más generalmente desde un estímulo, hasta una acción sobre el entorno. Este proceso se denomina bucle de IA y la tecnología utilizada para simularlo se puede subdividir en dos categorías. La IA sensoriomotora o de bajo nivel se ocupa del problema de la percepción (¿qué se percibe?) O del problema de la animación (¿cómo se ejecutan las acciones?). La IA decisional o de alto nivel se ocupa del problema de selección de acciones (¿cuál es la acción más adecuada en respuesta a una percepción determinada, es decir, cuál es el comportamiento más adecuado?).

IA tradicional o simbólica

Hay dos enfoques principales en la IA decisional. La gran mayoría de las tecnologías disponibles en el mercado, como los algoritmos de planificación , las máquinas de estados finitos (FSA) o los sistemas expertos , se basan en el enfoque tradicional o simbólico de la IA. Sus principales características son:

Es de arriba hacia abajo : subdivide, de forma recursiva, un determinado problema en una serie de subproblemas supuestamente más fáciles de resolver.
Se basa en el conocimiento : se basa en una descripción simbólica del mundo, como un conjunto de reglas.

Sin embargo, los límites de la IA tradicional, cuyo objetivo es construir sistemas que imiten la inteligencia humana, son bien conocidos: inevitablemente, se produce una explosión combinatoria del número de reglas debido a la complejidad del entorno. De hecho, es imposible predecir todas las situaciones que enfrentará una entidad autónoma.

IA situada o conductual

Para abordar estos problemas, se ha propuesto otro enfoque de la IA decisional, también conocida como IA situada o conductual . No intenta modelar sistemas que produzcan procesos de razonamiento deductivo, sino más bien sistemas que se comportan de manera realista en su entorno . Las principales características de este enfoque son las siguientes:

Es de abajo hacia arriba : se basa en comportamientos elementales, que se pueden combinar para implementar comportamientos más complejos.
Se basa en el comportamiento : no se basa en una descripción simbólica del entorno, sino en un modelo de las interacciones de las entidades con su entorno.

El objetivo de la IA situada es modelar entidades que son autónomas en su entorno. Esto se consigue gracias tanto a la robustez intrínseca de la arquitectura de control, como a su capacidad de adaptación a situaciones imprevistas.

Agentes situados

En inteligencia artificial y ciencia cognitiva , el término situado se refiere a un agente que está incrustado en un entorno. El término situado se usa comúnmente para referirse a robots , pero algunos investigadores argumentan que los agentes de software también pueden estar situados si:

existen en un entorno dinámico (que cambia rápidamente), que
pueden manipular o cambiar a través de sus acciones, y que
pueden sentir o percibir .

Los ejemplos pueden incluir agentes basados en la web, que pueden alterar datos o desencadenar procesos (como compras) a través de Internet, o bots de realidad virtual que habitan y cambian mundos virtuales, como Second Life .

Estar situado generalmente se considera parte de estar encarnado , pero es útil considerar cada perspectiva individualmente. La perspectiva situada enfatiza que el comportamiento inteligente se deriva del entorno y de las interacciones del agente con él. La naturaleza de estas interacciones está definida por la encarnación de un agente.

Principios de implementación

Descomposición modular

El atributo más importante de un sistema impulsado por IA situada es que la inteligencia está controlada por un conjunto de módulos semiautónomos independientes . En los sistemas originales, cada módulo era en realidad un dispositivo separado o al menos se concibió como ejecutándose en su propio hilo de procesamiento . Sin embargo, generalmente los módulos son solo abstracciones . En este sentido, la IA situada puede verse como un enfoque de ingeniería de software para la IA, quizás similar al diseño orientado a objetos .

La IA situada a menudo se asocia con la planificación reactiva , pero los dos no son sinónimos. Brooks abogó por una versión extrema del minimalismo cognitivo que requería inicialmente que los módulos de comportamiento fueran máquinas de estados finitos y, por lo tanto, no contuvieran memoria o aprendizaje convencional . Esto está asociado con la IA reactiva porque la IA reactiva requiere reaccionar al estado actual del mundo, no a la memoria o preconcepción de un agente de ese mundo. Sin embargo, el aprendizaje es obviamente clave para una IA fuerte y realista , por lo que esta restricción se ha relajado, aunque no se ha abandonado por completo.

Mecanismo de selección de acciones

La comunidad de IA situada ha presentado varias soluciones para modelar los procesos de toma de decisiones, también conocidos como mecanismos de selección de acciones. El primer intento de resolver este problema se remonta a las arquitecturas de subsunción , ^[1] que de hecho eran más una técnica de implementación que un algoritmo. Sin embargo, este intento allanó el camino para varios otros, en particular las jerarquías de flujo libre ^[2] y las redes de activación . ^[3] Una comparación de la estructura y el desempeño de estos dos mecanismos demostró la ventaja de utilizar jerarquías de flujo libre para resolver el problema de selección de acciones. ^[4]^[5] Sin embargo, los esquemas motores^[6] y los lenguajes de descripción de procesos ^[7] son otros dos enfoques que se han utilizado con éxito para robots autónomos.

Notas y referencias

^ Brooks, R. (1986). Un sistema de control robusto en capas para un robot móvil. Revista IEEE de robótica y automatización 2 (1): 14-23.
^ Rosenblatt J. y Payton D (1989). Una alternativa detallada a la arquitectura de subsunción para el control de robots móviles. En: Actas de la Conferencia Internacional IEEE sobre Redes Neuronales 2: 317-324.
^ Maes P. (1989). Cómo hacer lo correcto. Informe técnico AIM-1180, Laboratorio de Inteligencia Artificial del MIT.
^ Tyrrell T. (1993). Mecanismos computacionales para la selección de acciones. PhD, Universidad de Edimburgo.
^ Tyrrell T (1993). El uso de jerarquías para la selección de acciones. Comportamiento adaptativo 1 (4): 387-420.
^ Arkin R. Navegación basada en esquemas de motor para un robot móvil: un enfoque de la programación por comportamiento. En: Actas de la Conferencia IEEE sobre Robótica y Automatización, págs. 264-271, 1987.
^ Aceros, L. (1993). Agentes constructores con sistemas de comportamiento autónomos. En: La ruta artificial a la inteligencia artificial. Edificio situado agentes encarnados. Lawrence Erlbaum Associates, New Haven.

Arsenio, Artur M. (2004) Hacia una IA incorporada y situada , en: Actas de la conferencia internacional FLAIRS, 2004. (en línea)
La ruta de la vida artificial hacia la inteligencia artificial: agentes situados en la construcción , Luc Steels y Rodney Brooks Eds., Lawrence Erlbaum Publishing, 1995 ( ISBN 978-0805815184 )
Rodney A. Brooks Cambrian Intelligence (MIT Press, 1999) ISBN 0-262-52263-2 ; colección de artículos antiguos que incluyen "Inteligencia sin representación" e "Inteligencia sin razón", de 1986 y 1991 respectivamente.
Robótica basada en el comportamiento de Ronald C. Arkin (MIT Press, 1998) ISBN 0-262-01165-4
Hendriks-Jansen, Horst (1996) Atraparnos en el acto: actividad situada, emergencia interactiva, evolución y pensamiento humano . Cambridge, Mass .: MIT Press.

Ver también

Enlaces externos

Artículo Inteligencia artificial: el enfoque situado de la Encyclopædia Britannica
Nouvelle AI - Definición
Planificación reactiva y nouvelle AI

[1] Brooks, R. (1986). Un sistema de control robusto en capas para un robot móvil. Revista IEEE de robótica y automatización 2 (1): 14-23.

[2] Rosenblatt J. y Payton D (1989). Una alternativa detallada a la arquitectura de subsunción para el control de robots móviles. En: Actas de la Conferencia Internacional IEEE sobre Redes Neuronales 2: 317-324.

[3] Maes P. (1989). Cómo hacer lo correcto. Informe técnico AIM-1180, Laboratorio de Inteligencia Artificial del MIT.

[4] Tyrrell T. (1993). Mecanismos computacionales para la selección de acciones. PhD, Universidad de Edimburgo.

[5] Tyrrell T (1993). El uso de jerarquías para la selección de acciones. Comportamiento adaptativo 1 (4): 387-420.

[6] Arkin R. Navegación basada en esquemas de motor para un robot móvil: un enfoque de la programación por comportamiento. En: Actas de la Conferencia IEEE sobre Robótica y Automatización, págs. 264-271, 1987.

[7] Aceros, L. (1993). Agentes constructores con sistemas de comportamiento autónomos. En: La ruta artificial a la inteligencia artificial. Edificio situado agentes encarnados. Lawrence Erlbaum Associates, New Haven.