Sistema de razonamiento procedimental

En inteligencia artificial , un sistema de razonamiento procedimental ( PRS ) es un marco para construir sistemas de razonamiento en tiempo real que pueden realizar tareas complejas en entornos dinámicos. Se basa en la noción de un agente racional o agente inteligente que utiliza el modelo de software creencia-deseo-intención .

Una aplicación de usuario se define principalmente mediante un conjunto de áreas de conocimiento que se proporcionan a un sistema PRS . Cada área de conocimiento es una unidad de conocimiento procedimental que especifica cómo realizar una acción, por ejemplo, cómo navegar por un pasillo o cómo planificar una ruta (a diferencia de las arquitecturas robóticas, donde el programador simplemente proporciona un modelo de los estados del mundo y cómo las acciones primitivas del agente los afectan). Dicho programa, junto con un intérprete PRS , se utiliza para controlar al agente.

El intérprete es responsable de mantener creencias sobre el estado del mundo, elegir qué objetivos intentar alcanzar a continuación y seleccionar qué área de conocimiento aplicar en la situación actual. La forma exacta en que se realizan estas operaciones puede depender de áreas de conocimiento meta-nivel específicas del dominio. A diferencia de los sistemas de planificación de IA tradicionales , que generan un plan completo al principio y lo replanifican si ocurren imprevistos, PRS intercala la planificación con la ejecución de acciones en el mundo. En cualquier momento, el sistema podría tener solo un plan parcialmente especificado para el futuro.

PRS se basa en el marco BDI (creencia-deseo-intención) para agentes inteligentes. Las creencias consisten en lo que el agente cree que es cierto sobre el estado actual del mundo, los deseos consisten en los objetivos del agente y las intenciones consisten en los planes actuales del agente para lograr esos objetivos. Además, cada uno de estos tres componentes suele estar representado explícitamente en algún lugar de la memoria del agente PRS en tiempo de ejecución, lo que contrasta con los sistemas puramente reactivos, como la arquitectura de subsunción .

El concepto PRS fue desarrollado por el Centro de Inteligencia Artificial de SRI International durante la década de 1980, por numerosos investigadores, entre ellos Michael Georgeff , Amy L. Lansky y François Félix Ingrand . Su marco de trabajo fue fundamental para la explotación y popularización del modelo BDI en software para el control de agentes inteligentes . La aplicación pionera de este marco fue un sistema de detección de fallos para el sistema de control de reacción del transbordador espacial Discovery de la NASA . El desarrollo de este PRS continuó en el Instituto Australiano de Inteligencia Artificial hasta finales de la década de 1990, lo que dio lugar al desarrollo de una implementación y extensión en C++ denominada dMARS .

La arquitectura del sistema PRS de SRI incluye los siguientes componentes:

• Base de datos de creencias sobre el mundo, representadas mediante cálculo de predicados de primer orden.
• Objetivos que el sistema debe alcanzar como condiciones durante un intervalo de tiempo sobre las descripciones de estados internos y externos (deseos).
• Áreas de conocimiento (AC) o planes que definen secuencias de acciones de bajo nivel para lograr un objetivo en situaciones específicas.
• Intenciones que incluyen aquellas Áreas Clave de Conocimiento (KA) que han sido seleccionadas para su ejecución actual y futura.
• Intérprete o mecanismo de inferencia que gestiona el sistema.

El PRS de SRI fue desarrollado para aplicaciones integradas en entornos dinámicos y en tiempo real. Como tal, abordó específicamente las limitaciones de otras arquitecturas de control y razonamiento contemporáneas, como los sistemas expertos y el sistema de pizarra . A continuación se definen los requisitos generales para el desarrollo de su PRS: ^{[ 1 ]}

• manejo de eventos asíncronos
• Tipos de reacción y respuesta garantizados
• representación procedimental del conocimiento
• manejo de múltiples problemas
• comportamiento reactivo y orientado a objetivos
• foco de atención
• capacidades de razonamiento reflexivo
• operación integrada continua
• manejo de datos incompletos o inexactos
• manejo de transitorios
• modelado de retroalimentación retardada
• control del operador

La aplicación seminal del PRS de SRI fue un sistema de monitoreo y detección de fallas para el sistema de control de reacción (RCS) en el transbordador espacial de la NASA. ^{[ 2 ]} El RCS proporciona fuerzas propulsoras de un conjunto de propulsores a reacción y controla la altitud del transbordador espacial. Se desarrolló y probó un sistema de diagnóstico de fallas basado en PRS utilizando un simulador. Incluía más de 100 KA y más de 25 KA de nivel meta. Los controladores de misión del transbordador espacial escribieron KA específicos del RCS. Se implementó en la máquina LISP Symbolics Serie 3600 y utilizó múltiples instancias comunicantes de PRS. El sistema mantuvo más de 1000 hechos sobre el RCS, más de 650 hechos solo para el RCS delantero y la mitad de los cuales se actualizan continuamente durante la misión. Una versión del PRS se utilizó para monitorear el sistema de control de reacción en el transbordador espacial Discovery .

PRS se probó en el robot Shakey, incluyendo escenarios de navegación y simulación de fallos de motor basados ​​en el transbordador espacial. ^{[ 3 ]} Posteriormente, se aplicaron aplicaciones como un monitor de gestión de red llamado Sistema Interactivo de Gestión de Redes de Telecomunicaciones en Tiempo Real (IRTNMS) para Telecom Australia . ^{[ 4 ]}

A continuación se enumeran las principales implementaciones y extensiones de la arquitectura PRS. ^{[ 5 ]}

• UM-PRS ^{[ 6 ]}
• OpenPRS (anteriormente C-PRS y Propice) ^{[ 7 ] [ 8 ]}
• Habla de agente
• Sistema de razonamiento multiagente distribuido (dMARS)
• GORITE
• JAM ^{[ 9 ]}
• Agentes inteligentes JACK
• Kit de realización de agentes procedimentales SRI (SPARK) ^{[ 10 ]}
• PRS-CL ^{[ 11 ]}

• Sistema de razonamiento multiagente distribuido
• Agentes inteligentes JACK
• Modelo de software de creencia-deseo-intención
• Agente inteligente

• MP Georgeff y AL Lansky. "Un sistema para el razonamiento en dominios dinámicos: diagnóstico de fallas en el transbordador espacial". Nota técnica 375, Centro de Inteligencia Artificial, SRI International, 1986.
• Michael P. Georgeff, Amy L. Lansky, Marcel J. Schoppers. " Razonamiento y planificación en dominios dinámicos: un experimento con un robot móvil ". Nota técnica 380, Centro de Inteligencia Artificial, SRI International, 1987.
• M. Georgeff y AL Lansky (1987). Conocimiento procedimental . Actas del IEEE 74(10):1383–1398, IEEE Press.
• Georgeff, Michael P.; Ingrand, Francois Felix. " Investigación sobre sistemas de razonamiento procedimental ". Informe final – Fase 1, Centro de Inteligencia Artificial, SRI International, 1988.
• Michael P. Georgeff y François Félix Ingrand " Toma de decisiones en un sistema de razonamiento integrado " Actas de la Undécima Conferencia Internacional Conjunta sobre Inteligencia Artificial, Detroit (Michigan), agosto de 1989.
• KL Myers, Guía del usuario para el informe técnico del sistema de razonamiento procedimental, Centro de Inteligencia Artificial, Informe técnico, SRI International, Menlo Park, CA, 1997.
• Un spin-off de "A Match Made in Space" , NASA, 2006

• PRS-CL: Un sistema de razonamiento procedimental. Una extensión de PRS mantenida por SRI International.