Agentes reactivos El modelo corpóreo

relacion-humanos

Arquitecturas reactivas

Surge como alternativa al paradigma simbólico de la IA clásica. Donde el comportamiento racional es el resultado del agente (o robot) con su entorno y el comportamiento inteligente “emerge” de la interacción de varios comportamientos más simples. Las arquitecturas reactivas cuestionan la viabilidad del paradigma simbólico y proponen una arquitectura que actúa siguiendo un enfoque conductista, con un modelo estimulo-respuesta y no tienen un modelo del mundo simbólico como elemento central de razonamiento al no utilizar razonamiento simbólico complejo, sino que siguen un procesamiento ascendente (de los hechos al objetivo), para lo cual mantienen una serie de patrones que se activan bajo ciertas condiciones de los sensores y tienen un efecto directo en la acción.

A finales de la década de los 80, se empezaron a investigar alternativas al paradigma de la IA simbólica. Es difícil caracterizar estos diferentes métodos, ya que sus defensores se apoyan principalmente en el rechazo de la IA simbólica. Sin embargo, determinados temas se repiten:

  • El rechazo a la representación simbólica y a la toma de decisión basada en la manipulación de estas representaciones.
  • La idea de que la inteligencia y el comportamiento racional están naturalmente unidos al ambiente que el agente ocupa: es el resultado de la interacción del agente mantiene con su entorno.
  • La idea de que el comportamiento inteligente emerge de la interacción de varios comportamientos simples.

De acuerdo a lo anterior, ésta perspectiva para organizar y concebir sistemas inteligentes, se preocupa más de mostrar un comportamiento inteligente en la realización de tareas, que, en forzar la representación de los aspectos relativos al razonamiento y planificación tradicional, los cuales asumen características muy particulares del sistema y de su medio ambiente.

Características de las estrategias de control reactivas

  • El control es derivado de un conjunto no centralizado de reglas condición, acción
  • Los modelos internos o representaciones del mundo son locales, distribuidos
  • No hay búsquedas
  • Para cada conjunto de lecturas de sensores se toma y se ordena una acción
  • No existe una representación interna, lo que hay es un acoplamiento directo entre los sensores y los actuadores/acciones
  • Hay un ciclo de re-alimentación rápido a través del mundo
  • La activación de las conductas es asíncrona

Las principales arquitecturas de tipo reactivas son:

Reglas situadas: la implementación más sencilla de reactividad consiste en definir el comportamiento con reglas del tipo: si situación-percepción entonces acciones-especificas.

Arquitectura de subsunción y autómatas de estado finito: permiten gestionar problemas de mayor complejidad que las reglas. Está compuesta por capas que ejecutan una determinada conducta.

Tareas competitivas: un agente debe decidir que tarea debe realizar de entre varias posibles, seleccionando la que proporciona un nivel de activación mayor, se basa en una aproximación ecológica del problema de resolución distribuida de problemas, simulando que cada agente es una hormiga (sistema MANTA) y decide que acción debe hacer para cumplir sus objetivos. El problema se resuelve sin comunicación entre los agentes, estableciendo un criterio de terminación del problema. Por ejemplo, los problemas clásicos de generar y probar: misioneros y caníbales, mundo de bloques, las tinas, etc. Se interpretan como agentes (cada misionero, cada bloque, cada tina, etc.) que pueden realizar movimientos y una condición global de terminación.

Los orígenes cibernéticos

Las arquitecturas reactivas tienen su punto de partida en el movimiento cibernético que dio lugar a la creación de métodos de experimentación a través de la computadora que permitieran estudiar conductas, reacciones, reflejos, formas de aprendizajes. Entre las investigaciones de los cibernéticos estaba el estudio del reflejo condicionado, un ejemplo de esto fueron las tortugas de Grey Walter, las cuales eran capaces de orientarse por la luz y luego de repetirle un sonido junto a la luz estas eran capaces de orientarse por el sonido. Los ratones de Shannon eran capaces de aprender a orientarse a través de un laberinto y encontrar la salida, aquí estamos en presencia de mecanismos de búsquedas heurísticas, que luego se convertirían en la fundamentación de los métodos de búsqueda de la inteligencia artificial.

El enfoque Brooks

 A. Brooks

Rodney Brooks uno de los críticos más influyentes de los métodos simbólicos para agentes lo cual está definido por dos características. La primera es que la toma de decisión del agente se realiza a través de un conjunto de comportamientos para lograr objetivos: cada uno de estos comportamientos puede ser una función de acción que toma constantemente entradas perceptuales y elige una acción a realizar. Cada uno de estos modos de comportamiento trata de lograr un objetivo en particular. Brooks es considerado como el líder más reciente del paradigma puramente reactivo. Su grupo impulsó este enfoque con el desarrollo de la arquitectura de subsunción [Brooks 86]. Brooks rompió con el esquema general de la IA clásica de los 70s y 80s (senso-plan-acto) y puso en entredicho el papel de la representación del conocimiento en toda la IA.

Se han utilizado lenguajes de programación funcionales como es el caso del lenguaje de representación de conductas “The Behavior Language” desarrollado por Rodney Brooks y su grupo en el MIT a principios de los años 90. Dicho lenguaje describe las conductas en términos de funciones y esquemas en lenguaje Lisp. Aunque depende de la arquitectura que se utilice, su empleo ha ayudado bastante a entender el comportamiento total del sistema que se desea lograr, y, por otro lado, permite trabajar en un nivel más alto si se le compara con la especificación necesaria en términos de diagramas de estados finitos.

En la implementación de Brooks, los módulos de comportamiento son máquinas de estados finitos. Debe quedar claro que estos módulos no incluyen representación simbólica compleja y asume que no hay razonamiento simbólico. Incluso algunos expertos, en particular Brooks que no era ni siquiera necesario generar dichas representaciones internas, esto es, que no es necesario que un agente tenga que tener una representación interna del mundo que le rodea ya que el propio mundo es el mejor modelo posible de sí mismo y que la mayor parte de las conductas inteligentes no requieren razonamiento, sino que emergen a partir de la interacción entre el agente y su entorno. Esta idea generó mucha polémica y el propio Brooks, unos años más tarde, admitió que hay muchas situaciones en las que una representación interna del mundo es necesaria para que el agente tome decisiones racionales.

Sobre Rodney. A. Brooks

  • Profesor e investigador en Standford y en el MIT
  • Director del laboratorio de IA del MIT
  • En los 80’s Brooks se hizo preguntas con respecto a la IA clásica y la inteligencia en general. Como tantos otros ingenieros y filósofos anteriormente.
  • Su paternidad: Arquitectura Subsunción
  • Su meta: Desarrollar criaturas artificiales capaces de habitar en el mundo real y no en un mundo simplificado/simulado
  • Actualmente es empresario (IRobot ) y actor (Fast, Cheap and Out of Control)

Arquitectura de subsunción

La arquitectura de subsunción tiene una inspiración biológica en el sentido conductual, tomando como modelo la semejanza con algunas conductas en los insectos, pero sin considerar los mecanismos biológicos que las producían. Desarrollada originalmente en el MIT AI Lab por el propio Brooks a principios de los 80. Este modelo se caracteriza por utilizar un mecanismo de coordinación competitivo y en una organización jerárquica de niveles, en donde los más altos representan las conductas abstractas y lo de más abajo, las conductas más básicas que interactúan asincrónicamente. También se provee de mecanismos de inhibición de entradas, supresión de salidas y otros, para sincronizar la operación de las diferentes conductas del sistema.

La toma de decisiones del agente (función acción) se realiza mediante un conjunto de módulos de comportamiento que realizan tareas.

Un módulo de comportamiento suele implementarse como un autómata finito sin ningún tipo de representación o razonamiento simbólico.

Casi siempre el comportamiento se implementa como reglas del tipo:

Si <situación> entonces <acción>.

Donde situación se toma directamente de la percepción, sin ningún tipo de transformación a representación simbólica.

La selección del comportamiento se basa en la jerarquía de subsunción. Los comportamientos están ordenados por capas y los de las capas más bajas (máxima prioridad) inhiben a los de las capas superiores (comportamiento más abstracto).

La función acción se implementa en base al conjunto de comportamientos junto con la relación de inhibición entre comportamientos.

  • Descomposición de controladores en niveles de competencia
  • Añade comportamientos incrementalmente
  • Las capas de alto nivel se sustentan en las de bajo nivel
  • Las capas de alto nivel pueden subsumirlas de bajo nivel
  • Las capas se activan en paralelo
  • Cada capa trabaja independientemente
  • No existe un control jerárquico
  • Acoplamientos directos entre los sensores y actuadores con un
  • pequeño procesamiento interno
  • Técnicas de diseño ingenierilessobre principios cognitivos
  • Divisiónen niveles de competencias
  • Cada nivel recibe información sensorialdel mundo y actúa sobre el mismo
  • Cada capa es completamente autónoma
  • Criticada por su poca relación con el diseño de sistemas inteligentes

Surgimiento del modelo corpóreo

Modelo corpóreo

Se basa en que un agente inteligente necesita un cuerpo para tener experiencias directas con su entorno, en lugar de que un programador proporcione descripciones abstractas de dicho entorno, codificado mediante un lenguaje de representación del conocimiento. Sin un cuerpo esta representación abstracta no tiene contenido semántico.

Realiza una descomposición funcional: No pregunta como procesar información sensorial sino como acoplarla a los actuadores

Está ligada al concepto de corporeizado

Es distribuida

Combina el diseño de robots con principios evolutivos

Brooks propuso tres ideas básicas:

1. La conducta inteligente puede ser generada sin usar representaciones explícitas del tipo que usa la IA simbólica.

2. La conducta inteligente puede ser generada sin usar razonamiento abstracto explícito del tipo usado por la IA simbólica.

3. La inteligencia es una propiedad emergente de ciertos sistemas complejos.

Él identifica dos puntos clave:

1. Situacionalidad (“Situatedness”) y Corporización (“embodiment”): Inteligencia real es “situada” en el mundo y no sistemas “sin cuerpo” como los demostradores de teoremas.

2. Inteligencia (“Intelligence”) y Emergencia (“emergence”): La conducta “Inteligente” viene como resultado “emergente” de las interacciones del agente con su medioambiente. También la “inteligencia” está en la persona que observa el fenómeno y no es una propiedad aislada del sistema

Hipótesis

En términos simples, la problemática descrita para los sistemas tradicionales y las conclusiones emanadas para este nuevo enfoque dan origen a cuatro aspectos que resumen las hipótesis claves de trabajo:

Situacionalidad

Los agentes físicos (robots) están situados en el mundo real: ellos no manejan descripciones abstractas, sino que el Aquí y Ahora del mundo influencian directamente el comportamiento del sistema donde:

  • Un robot es una máquina cuyas entradas son sensores conectados al entornoy cuyas salidasson actuadores conectados al entorno
  • El mundo es el mejor modelo
  • No se puede trabajar con dominios simbólicos abstractos
  • No es posible que haya “revolvedores de problemas” no participando en el mundo como agentes
  • No es posible que no haya una relación con el mundo exterior (real)

Corporización

Al igual que los animales, los robots tienen cuerpo y experiencia del mundo directamente, por lo que sus acciones son parte de la dinámica con el mundo y de la retroalimentación inmediata de sus propias sensaciones.

Conexión del robot con el medio físico:

  • Sólo un robot corporeizado es válido para trabajar en el mundo
  • Sólo a través de una conexión con el mundo una representación simbólica puede tener sentido

Emergencia

La inteligencia del sistema emerge delas interacciones del sistema con el mundo real y de las interconexiones entre sus componentes

  • (“Es la aparición de nuevas propiedades en sistemas completos” (Moravec 1988)
  • “Funciones globales emergen de la interacción paralela de comportamientos locales” (Steels 1990)
  • “La inteligencia emerge de iteraciones de componentes simples del sistema con el mundo real” (Brooks 1991)
  • “Funciones emergentes aparecen gracias a la interacción entre componentes no diseñados para una particular función”

Inteligencia

Los sistemas se comportan inteligentemente, pero la fuente de inteligencia no está limitada solo al motor computacional.

Algunos aspectos de la organización de la inteligencia:

  • Mucho de lo que la gente hace en su vida diaria no es resolver problemas ni planificar, sino más bien, realizar actividades rutinarias en un medio ambiente dinámico.
  • Un observador puede hablar legítimamente sobre los objetivos y creencias de un agente (sistema reactivo) incluso sin necesidad de que este agente manipule estructuras de datos simbólicas en el momento de su operación.
  • Para probar las ideas de la inteligencia, es importante construir agentes que operen en ambientes dinámicos usando sensores reales. Los modelos internos del ambiente, además de ser difíciles de obtener, no son completamente necesarios para que los agentes actúen de una forma competente.
  • Muchas de las acciones (conductas) de un agente se pueden separar muy bien, de modo que la inteligencia puede emerger a partir de la interacción de sub componentes que interactúan con el ambiente.

No obstante, también se ha considerado una serie de condiciones y supuestos que son necesarios para entender los fundamentos necesarios de este nuevo paradigma:

  • El comportamiento complejo no necesariamente es el producto de un sistema de control complejo.
  • La inteligencia depende del observador, por ello es mejor hablar de comportamiento inteligente.
  • El mejor modelo del mundo, es el mundo mismo.
  • Uno de los objetivos principales del diseño debiera ser la robustez ante la presencia de fallas o ruidos en la información provista por los sensores.
  • Los sistemas se deberían construir incrementalmente, comenzando por unidades básicas fácilmente evolucionarles y verificables.
  • No existe representación ni planificación en relación al medio en que vive el agente.
  • No se necesitan computadores complejos ni de gran potencialidad.

Inteligencia artificial corpórea o enactiva

Toda inteligencia compleja depende de la interacción con el entorno y estas interacciones dependen a la vez del cuerpo. Las inteligencias avanzadas actúan en su entorno (virtual) y aprenden de él, por lo que adquieren una inteligencia ajena a la humana. La IA actual (convencional) está separada de su entorno por lo que no puede valerse por sí misma (sistema autista). Por lo que debemos hablar de una IA autónoma encarnada en el entorno humano (corpórea) o de una IA no encarnada que responde a un ambiente digital. La IA corpórea rompe con la hipótesis simbolista, ya que no es la representación del mundo objetivo y su conversión en símbolos para ser procesados por una computadora sino, la actuación de la máquina en el entorno.

Francisco Varela, padre del enfoque enactivo, define la inteligencia artificial enactiva como: “Una IA en la que las máquinas sean inteligentes en el sentido de desarrollarse hacia un sentido común compartido con los seres humanos, como pueden hacerlo los animales, no veo otro camino que hacerla pasar (a la IA) por un proceso de transformaciones.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s