Podejście usytuowane (sztuczna inteligencja)

W badaniach nad sztuczną inteligencją podejście usytuowane buduje agentów, których zaprojektowano tak, aby skutecznie i skutecznie zachowywali się w swoim środowisku. Wymaga to zaprojektowania sztucznej inteligencji „od dołu do góry”, skupiając się na podstawowych umiejętnościach percepcyjnych i motorycznych niezbędnych do przetrwania. Podejście usytuowane nadaje znacznie niższy priorytet abstrakcyjnemu rozumowaniu lub umiejętnościom rozwiązywania problemów.

Podejście to zostało pierwotnie zaproponowane jako alternatywa dla podejść tradycyjnych (czyli podejść popularnych przed 1985 r.). Po kilku dekadach klasyczne sztucznej inteligencji zaczęły borykać się z trudnymi do rozwiązania problemami (np. eksplozją kombinatoryczną) w konfrontacji z problemami modelowania w świecie rzeczywistym. Wszystkie podejścia do rozwiązania tych problemów koncentrują się na modelowaniu inteligencji znajdujących się w środowisku. Stały się one znane jako usytuowane podejście do sztucznej inteligencji.

Pojawienie się koncepcji

Od tradycyjnej sztucznej inteligencji do nowej sztucznej inteligencji

Pod koniec lat 80. podejście znane obecnie jako Nouvelle AI ( Nouvelle oznacza po francusku nowy) zostało zapoczątkowane w Laboratorium Sztucznej Inteligencji MIT przez Rodneya Brooksa . W przeciwieństwie do klasycznej lub tradycyjnej sztucznej inteligencji , Nouvelle AI celowo unika tradycyjnego celu modelowania wydajności na poziomie człowieka, ale raczej próbuje tworzyć systemy z inteligencją na poziomie owadów, bliższą robotom z prawdziwego świata. Ale ostatecznie, przynajmniej na MIT , nowa sztuczna inteligencja doprowadziła do próby stworzenia humanoidalnej sztucznej inteligencji w projekcie Cog .

Od sztucznej inteligencji Nouvelle do opartej na zachowaniu i usytuowanej sztucznej inteligencji

Zmiana koncepcyjna wprowadzona przez nouvelle AI rozkwitła w dziedzinie robotyki, ustępując miejsca sztucznej inteligencji opartej na zachowaniu (BBAI), metodologii rozwoju sztucznej inteligencji opartej na modułowej dekompozycji inteligencji. Rozsławił go Rodney Brooks : jego architektura subsumpcyjna była jedną z najwcześniejszych prób opisania mechanizmu rozwoju BBAI. Jest niezwykle popularny w robotyce iw mniejszym stopniu we wdrażaniu inteligentnych wirtualnych agentów , ponieważ pozwala z powodzeniem tworzyć dynamiczne systemy w czasie rzeczywistym, które mogą działać w złożonych środowiskach. Na przykład leży u podstaw inteligencji Sony , Aibo i wielu zespołów robotów RoboCup .

Zdając sobie sprawę, że w rzeczywistości wszystkie te podejścia miały na celu zbudowanie nie abstrakcyjnej inteligencji, ale raczej inteligencji usytuowanej w danym środowisku, zaczęto je nazywać podejściem usytuowanym. W rzeczywistości podejście to wywodzi się z wczesnych spostrzeżeń Alana Turinga , opisujących potrzebę budowania maszyn wyposażonych w narządy zmysłów, aby uczyć się bezpośrednio z rzeczywistego świata, zamiast skupiać się na abstrakcyjnych czynnościach, takich jak gra w szachy. ^{[ istotne? ]}

Definicje

Klasycznie byt oprogramowania definiuje się jako symulowany element, zdolny do działania na siebie i na swoje otoczenie, który ma wewnętrzną reprezentację siebie i świata zewnętrznego. Jednostka może komunikować się z innymi jednostkami, a jej zachowanie jest konsekwencją jej percepcji, reprezentacji i interakcji z innymi jednostkami.

Pętla AI

Symulowanie bytów w środowisku wirtualnym wymaga symulowania całego procesu, który przechodzi od postrzegania otoczenia, lub bardziej ogólnie od bodźca, do działania na środowisko. Ten proces nazywa się pętlą AI, a technologię używaną do jego symulacji można podzielić na dwie kategorie. Sensomotoryczna lub sztuczna inteligencja niskiego poziomu zajmuje się problemem percepcji (co jest postrzegane?) lub problemem animacji (jak wykonywane są działania?). Decyzyjna lub wysokopoziomowa sztuczna inteligencja zajmuje się problemem wyboru akcji (jakie działanie jest najbardziej odpowiednie w odpowiedzi na daną percepcję, czyli jakie jest najwłaściwsze zachowanie?).

Tradycyjna lub symboliczna sztuczna inteligencja

Istnieją dwa główne podejścia w decyzyjnej sztucznej inteligencji. Zdecydowana większość technologii dostępnych na rynku, takich jak algorytmy planowania , maszyny skończone (FSA) czy systemy eksperckie , opiera się na tradycyjnym lub symbolicznym podejściu AI. Jego główne cechy to:

Jest odgórny : dzieli w sposób rekurencyjny dany problem na serię podproblemów, które rzekomo są łatwiejsze do rozwiązania.
Jest oparty na wiedzy : opiera się na symbolicznym opisie świata, takim jak zbiór reguł.

Jednak ograniczenia tradycyjnej sztucznej inteligencji, której celem jest budowanie systemów naśladujących ludzką inteligencję, są dobrze znane: nieuchronnie następuje kombinatoryczna eksplozja liczby reguł ze względu na złożoność środowiska. W rzeczywistości nie sposób przewidzieć wszystkich sytuacji, z jakimi spotka się jednostka autonomiczna.

Usytuowana lub behawioralna sztuczna inteligencja

Aby rozwiązać te problemy, zaproponowano inne podejście do decyzyjnej sztucznej inteligencji, znanej również jako sztuczna inteligencja usytuowana lub behawioralna . Nie próbuje modelować systemów, które wytwarzają dedukcyjne procesy wnioskowania, ale raczej systemy, które zachowują się realistycznie w swoim środowisku . Główne cechy tego podejścia są następujące:

Jest oddolny : opiera się na elementarnych zachowaniach, które można łączyć w celu wdrożenia bardziej złożonych zachowań.
Jest oparty na zachowaniu : nie opiera się na symbolicznym opisie środowiska, ale raczej na modelu interakcji podmiotów z ich otoczeniem.

Celem usytuowanej sztucznej inteligencji jest modelowanie bytów, które są autonomiczne w swoim środowisku. Osiąga się to zarówno dzięki wewnętrznej solidności architektury sterowania, jak i jej możliwościom adaptacji do nieprzewidzianych sytuacji.

Ulokowani agenci

W sztucznej inteligencji i kognitywistyce termin usytuowany odnosi się do agenta osadzonego w środowisku. Termin położony jest powszechnie używany w odniesieniu do robotów , ale niektórzy badacze twierdzą, że agenci oprogramowania mogą być również zlokalizowani, jeśli:

istnieją w dynamicznym (szybko zmieniającym się) środowisku, które
mogą manipulować lub zmieniać poprzez swoje działania, i które
mogą wyczuć lub dostrzec .

Przykładami mogą być agenci sieciowi, którzy mogą zmieniać dane lub uruchamiać procesy (takie jak zakupy) przez Internet, lub boty rzeczywistości wirtualnej, które zamieszkują i zmieniają wirtualne światy, takie jak Second Life .

Bycie usytuowanym jest ogólnie uważane za część bycia ucieleśnionym , ale warto rozważyć każdą perspektywę indywidualnie. Perspektywa usytuowana podkreśla, że inteligentne zachowanie wywodzi się ze środowiska i interakcji agenta z nim. Charakter tych interakcji jest określony przez ucieleśnienie agenta.

Zasady wdrażania

Dekompozycja modułowa

Najważniejszą cechą systemu sterowanego przez zlokalizowaną sztuczną inteligencję jest to, że inteligencja jest kontrolowana przez zestaw niezależnych półautonomicznych modułów . W oryginalnych systemach każdy moduł był w rzeczywistości oddzielnym urządzeniem lub przynajmniej był pomyślany jako działający na własnym wątku przetwarzania . Generalnie jednak moduły to tylko abstrakcje . Pod tym względem usytuowana sztuczna inteligencja może być postrzegana jako inżynierii oprogramowania do sztucznej inteligencji, być może podobne do projektowania obiektowego .

Usytuowana sztuczna inteligencja jest często kojarzona z planowaniem reaktywnym , ale te dwa pojęcia nie są synonimami. Brooks opowiadał się za skrajną wersją kognitywnego minimalizmu, która początkowo wymagała, aby moduły zachowania były maszynami o skończonych stanach , a zatem nie zawierały konwencjonalnej pamięci ani uczenia się . Jest to związane z reaktywną sztuczną inteligencją, ponieważ reaktywna sztuczna inteligencja wymaga reagowania na aktualny stan świata, a nie na agenta lub z góry przyjęte wyobrażenia o tym świecie. Jednak uczenie się jest oczywiście kluczem do realistycznej silnej sztucznej inteligencji , więc to ograniczenie zostało złagodzone, choć nie całkowicie porzucone.

Mechanizm wyboru akcji

Społeczność usytuowanej sztucznej inteligencji przedstawiła kilka rozwiązań modelowania procesów decyzyjnych, zwanych też mechanizmami wyboru akcji. Pierwsza próba rozwiązania tego problemu sięga architektur subsumpcyjnych , które w rzeczywistości były bardziej techniką implementacji niż algorytmem. Jednak ta próba utorowała drogę kilku innym, w szczególności hierarchiom swobodnego przepływu i sieciom aktywacji . Porównanie struktury i wydajności tych dwóch mechanizmów wykazało przewagę stosowania hierarchii swobodnego przepływu w rozwiązywaniu problemu wyboru działań. Jednak schematy silnika i języki opisu procesów to dwa inne podejścia, które z powodzeniem stosowano w robotach autonomicznych.

Uwagi i odniesienia

Arsenio, Artur M. (2004) Ku ucieleśnionej i usytuowanej sztucznej inteligencji , W: Materiały z międzynarodowej konferencji FLAIRS, 2004. (online)
Ścieżka sztucznego życia do sztucznej inteligencji: budowanie wcielonych, umiejscowionych agentów , Luc Steels i Rodney Brooks, wyd., Lawrence Erlbaum Publishing, 1995. ( ISBN 978-0805815184 )
Rodney A. Brooks Cambrian Intelligence (MIT Press, 1999) ISBN 0-262-52263-2 ; zbiór wczesnych artykułów, w tym „Inteligencja bez reprezentacji” i „Inteligencja bez powodu”, odpowiednio z 1986 i 1991 roku.
Ronald C. Arkin Robotyka oparta na zachowaniu (MIT Press, 1998) ISBN 0-262-01165-4
Hendriks-Jansen, Horst (1996) Łapanie się na gorącym uczynku: aktywność położona, pojawienie się interaktywne, ewolucja i myśl ludzka . Cambridge, Massachusetts: MIT Press.

Zobacz też

Powiązane artykuły

Tradycyjna sztuczna inteligencja

Usytuowana sztuczna inteligencja

Robotyka

Linki zewnętrzne