Razonamiento basado en modelos

En inteligencia artificial , el razonamiento basado en modelos se refiere a un método de inferencia utilizado en sistemas expertos a partir de un modelo del mundo físico. Con este enfoque, el desarrollo de la aplicación se centra principalmente en la creación del modelo. Posteriormente, durante la ejecución, un "motor" combina este conocimiento del modelo con los datos observados para obtener conclusiones, como un diagnóstico o una predicción.

Un robot y los sistemas dinámicos también se controlan mediante software. El software se implementa como un programa informático normal que consta de sentencias condicionales (if-then), bucles (for) y subrutinas. La tarea del programador es encontrar un algoritmo que pueda controlar el robot para que realice una tarea. En la historia de la robótica y el control óptimo ^{[ 1 ]} se han desarrollado muchos paradigmas. Uno de ellos son los sistemas expertos , que se centran en dominios restringidos. ^{[ 2 ]} Los sistemas expertos son el precursor de los sistemas basados ​​en modelos.

La principal razón por la que se investiga el razonamiento basado en modelos desde la década de 1990 es para crear diferentes capas para el modelado y control de un sistema. ^{[ 3 ]} Esto permite resolver tareas más complejas y reutilizar programas existentes para distintos problemas. La capa de modelado se utiliza para supervisar un sistema y evaluar si las acciones son correctas, mientras que la capa de control determina las acciones y lleva al sistema a un estado objetivo. ^{[ 4 ]}

Las técnicas típicas para implementar un modelo son los lenguajes de programación declarativos como Prolog ^{[ 5 ]} y Golog. Desde un punto de vista matemático, un modelo declarativo tiene mucho en común con el cálculo de situaciones como formalización lógica para describir un sistema. ^{[ 6 ]} Desde una perspectiva más práctica, un modelo declarativo significa que el sistema se simula con un motor de juego . Un motor de juego toma una característica como valor de entrada y determina la señal de salida. A veces, un motor de juego se describe como un motor de predicción para simular el mundo.

En 1990, se formularon críticas al razonamiento basado en modelos. Los pioneros de la Nueva IA argumentaron que los modelos simbólicos están separados de los sistemas físicos subyacentes y no logran controlar los robots. ^{[ 7 ]} Según los representantes de la robótica basada en el comportamiento, una arquitectura reactiva puede superar este problema. Dicho sistema no necesita un modelo simbólico, ya que las acciones están conectadas directamente a las señales de los sensores, las cuales se basan en la realidad.

En un sistema de razonamiento basado en modelos, el conocimiento se puede representar mediante reglas causales . Por ejemplo, en un sistema de diagnóstico médico, la base de conocimiento puede contener la siguiente regla:

${\displaystyle \forall }$pacientes  : Accidente cerebrovascular (paciente)${\displaystyle \rightarrow }$Confundido (paciente)${\displaystyle \land }$Pupilas desiguales (paciente)

En cambio, en un sistema de razonamiento diagnóstico, el conocimiento se representaría mediante reglas de diagnóstico tales como:

${\displaystyle \forall }$pacientes  : Confundido(paciente)${\displaystyle \rightarrow }$Accidente cerebrovascular (paciente)

${\displaystyle \forall }$pacientes  : Desiguales(Pupilas(paciente))${\displaystyle \rightarrow }$Accidente cerebrovascular (paciente)

Existen muchos otros tipos de modelos que pueden utilizarse. Los modelos pueden ser cuantitativos (por ejemplo, basados ​​en ecuaciones matemáticas) o cualitativos (por ejemplo, basados ​​en modelos de causa y efecto). Pueden incluir la representación de la incertidumbre. Pueden representar el comportamiento a lo largo del tiempo. Pueden representar el comportamiento "normal" o solo el comportamiento anormal, como en los ejemplos anteriores. Los tipos de modelos y su uso para el razonamiento basado en modelos se analizan en ^{[ 8 ] .}

• Diagnóstico (inteligencia artificial) : determinar si el comportamiento de un sistema es correcto.
• Algoritmo de selección de comportamiento
• Razonamiento basado en casos , resolución de nuevos problemas a partir de soluciones de problemas anteriores.

• Russell, Stuart J.; Norvig , Peter (2003), Inteligencia artificial: un enfoque moderno (2.ª  ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, pág.  260, ISBN 0-13-790395-2

• Razonamiento basado en modelos en la Universidad de Utrecht
• División de Sistemas Inteligentes de la NASA