Enfoque situado (inteligencia artificial)

En la investigación sobre inteligencia artificial , el enfoque situado crea agentes diseñados para comportarse de manera eficaz 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 a las habilidades de resolución de problemas.

El enfoque se propuso originalmente como una alternativa a los enfoques tradicionales (es decir, los 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 de la IA.

A finales de los años 1980, el enfoque ahora conocido como Nouvelle AI ( Nouvelle significa nuevo en francés) fue desarrollado por Rodney Brooks en el Laboratorio de Inteligencia Artificial del MIT . 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 .

El cambio conceptual introducido por la nueva IA floreció en el área de la robótica, dando paso a la robótica basada en el comportamiento (BBR), una metodología para el desarrollo de la IA basada en una descomposición modular de la inteligencia. Se hizo famosa gracias a Rodney Brooks : su arquitectura de subsunción fue uno de los primeros intentos de describir un mecanismo para el desarrollo de la 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, es la base de la inteligencia del Sony Aibo y de muchos equipos de robots de RoboCup .

Al darse cuenta de que, en realidad, todos estos enfoques apuntaban a construir no una inteligencia abstracta, sino una inteligencia situada en un entorno determinado, se los conoció como el enfoque situado. De hecho, este enfoque se deriva de las primeras ideas de Alan Turing , que describía la necesidad de construir máquinas equipadas con órganos sensoriales para aprender directamente del mundo real en lugar de centrarse en actividades abstractas, como jugar al ajedrez. ^{[ ¿Relevante? ]}

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.

Simular entidades en un entorno virtual requiere simular todo el proceso que va desde la percepción del entorno, o más generalmente desde un estímulo, hasta la 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 de decisión o de alto nivel se ocupa del problema de la selección de acciones (¿cuál es la acción más adecuada en respuesta a una percepción dada, es decir, cuál es el comportamiento más apropiado?).

Existen 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 manera recursiva, un problema dado en una serie de subproblemas que supuestamente son más fáciles de resolver.
• Se basa en el conocimiento : se apoya 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 a las que se enfrentará una entidad autónoma.

Para abordar estas cuestiones se ha propuesto otro enfoque de la IA decisional, también conocida como IA situada o conductual . Esta no intenta modelar sistemas que produzcan procesos de razonamiento deductivo, sino sistemas que se comporten de forma realista en su entorno . Las principales características de este enfoque son las siguientes:

• Es de abajo hacia arriba : se basa en comportamientos elementales, que pueden combinarse 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 autónomas en su entorno. Esto se consigue tanto gracias a la robustez intrínseca de la arquitectura de control como a su capacidad de adaptación a situaciones imprevistas.

En inteligencia artificial y ciencia cognitiva , el término situado se refiere a un agente que está integrado en un entorno. El término situado se utiliza comúnmente para referirse a los robots , pero algunos investigadores sostienen 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 podrían 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 .

En general, se considera que estar situado forma 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.

El atributo más importante de un sistema impulsado por IA situada es que la inteligencia está controlada por un conjunto de módulos independientes y semiautónomos. En los sistemas originales, cada módulo era en realidad un dispositivo separado o al menos se concebía como si funcionara en su propio hilo de procesamiento . Sin embargo, en general, los módulos son simplemente abstracciones . En este sentido, la IA situada puede considerarse un enfoque de ingeniería de software para la IA, tal vez similar al diseño orientado a objetos .

La IA situada suele asociarse con la planificación reactiva , pero no son dos conceptos sinónimos. Brooks defendía una versión extrema del minimalismo cognitivo que exigía inicialmente que los módulos de comportamiento fueran máquinas de estados finitos y, por tanto, no contuvieran memoria o aprendizaje convencionales . Esto se asocia con la IA reactiva porque esta requiere reaccionar al estado actual del mundo, no a la memoria o preconcepción de un agente sobre 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.

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 rendimiento 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 de motor ^[6] y los lenguajes de descripción de procesos ^[7] son ​​otros dos enfoques que se han utilizado con éxito para robots autónomos.

• Arsenio, Artur M. (2004) Hacia una IA encarnada y situada , en: Actas de la conferencia internacional FLAIRS, 2004. (en línea)
• La ruta de la vida artificial hacia la inteligencia artificial: creación de agentes encarnados y situados , 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 tempranos que incluyen "Inteligencia sin representación" e "Inteligencia sin razón", de 1986 y 1991 respectivamente. 
• Ronald C. Arkin Robótica basada en el comportamiento (MIT Press, 1998) ISBN 0-262-01165-4 
• Hendriks-Jansen, Horst (1996) Sorprendiéndonos con las manos en la masa: actividad situada, emergencia interactiva, evolución y pensamiento humano . Cambridge, Mass.: MIT Press.

• Inteligencia artificial
• Ciencia cognitiva

• Árbol de decisión
• Máquina de estados finitos
• Sistema experto
• Planificación y programación automatizadas

• IA desaliñada
• Planificación reactiva

• Robótica basada en el comportamiento
• Robótica situada

• Artículo Inteligencia artificial: el enfoque situado de la Enciclopedia Británica
• Nueva IA: definición
• Planificación reactiva y nueva IA