Inteligência artificial, abordagem situada - Artificial intelligence, situated approach

Na pesquisa de inteligência artificial , a abordagem situada cria agentes que são projetados para se comportar de maneira eficaz e bem-sucedida em seu ambiente. Isso requer projetar IA "de baixo para cima", focando nas habilidades básicas de percepção e motora necessárias para sobreviver. A abordagem situada dá uma prioridade muito menor ao raciocínio abstrato ou habilidades de resolução de problemas.

A abordagem foi proposta originalmente como uma alternativa às abordagens tradicionais (ou seja, abordagens populares antes de 1985 ou depois). Após várias décadas, as tecnologias clássicas de IA começaram a enfrentar questões intratáveis ​​(por exemplo, explosão combinatória) quando confrontadas com problemas de modelagem do mundo real. Todas as abordagens para lidar com essas questões enfocam a modelagem de inteligências situadas em um ambiente. Eles se tornaram conhecidos como a abordagem situada da IA.

Emergência de um conceito

Da IA tradicional à Nouvelle IA

Durante o final dos anos 1980, a abordagem agora conhecida como Nouvelle AI ( Nouvelle significa novo em francês) foi lançada no Laboratório de Inteligência Artificial do MIT por Rodney Brooks . Ao contrário da inteligência artificial clássica ou tradicional , a Nouvelle AI evitou propositalmente o objetivo tradicional de modelar o desempenho em nível humano, mas tenta criar sistemas com inteligência no nível dos insetos, mais próximos dos robôs do mundo real. Mas, eventualmente, pelo menos no MIT, a nova IA levou a uma tentativa de IA humanóide no Projeto Cog .

De Nouvelle AI a AI baseada em comportamento e situada

A mudança conceitual introduzida pela nouvelle AI floresceu na área de robótica, dando lugar à inteligência artificial baseada em comportamento (BBAI), uma metodologia de desenvolvimento de IA baseada na decomposição modular da inteligência. Tornou-se famoso por Rodney Brooks : sua arquitetura de subsunção foi uma das primeiras tentativas de descrever um mecanismo para desenvolver o BBAI. É extremamente popular na robótica e, em menor grau, na implementação de agentes virtuais inteligentes, pois permite a criação bem-sucedida de sistemas dinâmicos em tempo real que podem ser executados em ambientes complexos. Por exemplo, é a base da inteligência da Sony , Aibo e muitas equipes de robôs RoboCup .

Percebendo que na verdade todas essas abordagens objetivavam construir não uma inteligência abstrata, mas sim uma inteligência situada em um determinado ambiente, elas passaram a ser conhecidas como abordagem situada. Na verdade, essa abordagem se origina dos primeiros insights de Alan Turing , descrevendo a necessidade de construir máquinas equipadas com órgãos dos sentidos para aprender diretamente com o mundo real, em vez de se concentrar em atividades abstratas, como jogar xadrez.

Definições

Classicamente, uma entidade de software é definida como um elemento simulado, capaz de atuar sobre si mesma e sobre seu ambiente, e que possui uma representação interna de si mesma e do mundo exterior. Uma entidade pode se comunicar com outras entidades, e seu comportamento é a consequência de suas percepções, suas representações e suas interações com as outras entidades.

Loop AI

Simular entidades em um ambiente virtual requer simular todo o processo que vai desde uma percepção do ambiente, ou mais geralmente de um estímulo, até uma ação no ambiente. Esse processo é chamado de loop AI e a tecnologia usada para simulá-lo pode ser subdividida em duas categorias. Sensorimotor ou IA de baixo nível lida com o problema de percepção (o que é percebido?) Ou com o problema de animação (como as ações são executadas?). A IA de decisão ou de alto nível lida com o problema de seleção de ação (qual é a ação mais apropriada em resposta a uma dada percepção, ou seja, qual é o comportamento mais apropriado?).

IA tradicional ou simbólica

Existem duas abordagens principais na IA de decisão. A grande maioria das tecnologias disponíveis no mercado, como algoritmos de planejamento , máquinas de estado finito (FSA) ou sistemas especialistas , são baseadas na abordagem de IA tradicional ou simbólica . Suas principais características são:

  • É de cima para baixo : subdivide, de forma recursiva, um determinado problema em uma série de subproblemas, supostamente mais fáceis de resolver.
  • É baseado no conhecimento : depende de uma descrição simbólica do mundo, como um conjunto de regras.

No entanto, os limites da IA ​​tradicional, cujo objetivo é construir sistemas que imitem a inteligência humana, são conhecidos: inevitavelmente, ocorre uma explosão combinatória do número de regras devido à complexidade do ambiente. Na verdade, é impossível prever todas as situações que serão encontradas por uma entidade autônoma.

IA situada ou comportamental

A fim de abordar essas questões, outra abordagem para IA decisória, também conhecida como IA situada ou comportamental , foi proposta. Ele não tenta modelar sistemas que produzem processos de raciocínio dedutivo, mas sim sistemas que se comportam de forma realista em seu ambiente . As principais características desta abordagem são as seguintes:

  • É ascendente : depende de comportamentos elementares, que podem ser combinados para implementar comportamentos mais complexos.
  • É baseado no comportamento : não se baseia em uma descrição simbólica do ambiente, mas sim em um modelo das interações das entidades com seu ambiente.

O objetivo da IA ​​situada é modelar entidades que são autônomas em seu ambiente. Isso é alcançado graças à robustez intrínseca da arquitetura de controle e às suas capacidades de adaptação a situações imprevistas.

Agentes localizados

Na inteligência artificial e nas ciências cognitivas , o termo situado refere-se a um agente que está embutido em um ambiente. O termo situado é comumente usado para se referir a robôs , mas alguns pesquisadores argumentam que os agentes de software também podem ser situados se:

  • eles existem em um ambiente dinâmico (em rápida mudança), que
  • eles podem manipular ou mudar por meio de suas ações, e quais
  • eles podem sentir ou perceber .

Os exemplos podem incluir agentes baseados na web, que podem alterar dados ou acionar processos (como compras) na Internet, ou bots de realidade virtual que habitam e mudam mundos virtuais, como o Second Life .

Estar situado é geralmente considerado parte de ser corporificado , mas é útil considerar cada perspectiva individualmente. A perspectiva situada enfatiza que o comportamento inteligente deriva do ambiente e das interações do agente com ele. A natureza dessas interações é definida pela modalidade de um agente.

Princípios de implementação

Decomposição modular

O atributo mais importante de um sistema conduzido por IA situada é que a inteligência é controlada por um conjunto de módulos semi- autônomos independentes . Nos sistemas originais, cada módulo era, na verdade, um dispositivo separado ou pelo menos concebido como rodando em seu próprio thread de processamento . Geralmente, porém, os módulos são apenas abstrações . A esse respeito, a IA situada pode ser vista como uma abordagem de engenharia de software para IA, talvez semelhante ao design orientado a objetos .

A IA situada costuma estar associada ao planejamento reativo , mas os dois não são sinônimos. Brooks defendeu uma versão extrema do minimalismo cognitivo que exigia inicialmente que os módulos de comportamento fossem máquinas de estado finito e, portanto, não contivessem memória ou aprendizado convencional . Isso está associado à IA reativa porque a IA reativa requer uma reação ao estado atual do mundo, não à memória de um agente ou ao preconceito desse mundo. No entanto, o aprendizado é obviamente a chave para uma IA forte e realista , então essa restrição foi relaxada, embora não totalmente abandonada.

Mecanismo de seleção de ação

A comunidade de IA situada apresentou várias soluções para modelar processos de tomada de decisão, também conhecidos como mecanismos de seleção de ação. A primeira tentativa de resolver esse problema remonta às arquiteturas de subsunção , que eram, na verdade, mais uma técnica de implementação do que um algoritmo. No entanto, essa tentativa abriu caminho para várias outras, em particular as hierarquias de fluxo livre e redes de ativação . Uma comparação da estrutura e do desempenho desses dois mecanismos demonstrou a vantagem de usar hierarquias de fluxo livre na solução do problema de seleção de ação. No entanto, esquemas motores e linguagens de descrição de processos são duas outras abordagens que têm sido usadas com sucesso para robôs autônomos.

Notas e referências

  • Arsenio, Artur M. (2004) Rumo a uma IA incorporada e situada , In: Proceedings of the International FLAIRS conference, 2004. (online)
  • The Artificial Life Route To Artificial Intelligence: Building Embodied, Situado Agents , Luc Steels e Rodney Brooks Eds., Lawrence Erlbaum Publishing, 1995. ( ISBN  978-0805815184 )
  • Rodney A. Brooks Cambrian Intelligence (MIT Press, 1999) ISBN  0-262-52263-2 ; coleção de artigos anteriores, incluindo "Inteligência sem representação" e "Inteligência sem razão", de 1986 e 1991, respectivamente.
  • Ronald C. Arkin Behavior-Based Robotics (MIT Press, 1998) ISBN  0-262-01165-4
  • Hendriks-Jansen, Horst (1996) Captando-nos no ato: Atividade Situada, Emergência Interativa, Evolução e Pensamento Humano . Cambridge, Mass .: MIT Press.

Veja também

Artigos relacionados

IA tradicional

Situado AI

Robótica

links externos