Sztuczna inteligencja, podejście sytuowane - Artificial intelligence, situated approach
W badaniach nad sztuczną inteligencją podejście umiejscowione buduje agentów, które są zaprojektowane tak, aby skutecznie zachowywać się w ich środowisku. Wymaga to zaprojektowania sztucznej inteligencji „oddolnie” poprzez skupienie się na podstawowych umiejętnościach percepcyjnych i motorycznych wymaganych do przetrwania. Podejście sytuacyjne nadaje znacznie niższy priorytet rozumowaniu abstrakcyjnemu lub umiejętnościom rozwiązywania problemów.
Podejście to zostało pierwotnie zaproponowane jako alternatywa dla podejść tradycyjnych (tj. podejść popularnych przed 1985 r.). Po kilkudziesięciu latach klasyczne technologie sztucznej inteligencji zaczęły stawiać czoła trudnym do rozwiązania problemom (np. eksplozja kombinatoryczna) w konfrontacji z problemami modelowania w świecie rzeczywistym. Wszystkie podejścia do rozwiązywania 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 Nouvelle AI
Pod koniec lat 80. podejście znane obecnie jako Nouvelle AI ( Nouvelle oznacza nowe po francusku) 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 stara się tworzyć systemy z inteligencją na poziomie owadów, bliższe robotom w świecie rzeczywistym. Ale w końcu, przynajmniej w MIT, nowa sztuczna inteligencja doprowadziła do próby humanoidalnej sztucznej inteligencji w Projekcie Cog .
Od Nouvelle AI do opartej na zachowaniu i umiejscowionej 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 subsumpcji była jedną z najwcześniejszych prób opisania mechanizmu rozwoju BBAI. Jest niezwykle popularny w robotyce i w mniejszym stopniu we wdrażaniu inteligentnych agentów wirtualnych, ponieważ umożliwia pomyślne tworzenie dynamicznych systemów w czasie rzeczywistym, które mogą działać w złożonych środowiskach. Na przykład leży u podstaw inteligencji zespołów robotów Sony , Aibo i wielu RoboCup .
Zdając sobie sprawę, że w rzeczywistości wszystkie te podejścia miały na celu budowanie nie abstrakcyjnej inteligencji, ale inteligencji usytuowanej w danym środowisku, nazwano je podejściem usytuowanym. W rzeczywistości to podejście wynika 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.
Definicje
Klasycznie, oprogramowanie jest definiowane jako symulowany element, który jest w stanie działać na siebie i na swoje środowisko, i który ma wewnętrzną reprezentację siebie i świata zewnętrznego. Istota może komunikować się z innymi bytami, a jej zachowanie jest konsekwencją jej percepcji, jej reprezentacji i jej interakcji z innymi bytami.
Pętla AI
Symulowanie bytów w środowisku wirtualnym wymaga symulacji całego procesu, który przechodzi od percepcji otoczenia lub bardziej ogólnie od bodźca do działania na środowisku. Proces ten nazywa się pętlą AI, a technologię wykorzystywaną 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?). Sztuczna inteligencja decyzyjna lub wysokopoziomowa zajmuje się problemem wyboru działań (jakie działanie jest najwłaściwsze w odpowiedzi na daną percepcję, czyli jakie jest najwłaściwsze zachowanie?).
Tradycyjna lub symboliczna sztuczna inteligencja
W decyzyjnej sztucznej inteligencji istnieją dwa główne podejścia. Zdecydowana większość dostępnych na rynku technologii, takich jak algorytmy planowania , automaty skończone (FSA) czy systemy ekspertowe , opiera się na tradycyjnym lub symbolicznym podejściu AI. Jego główne cechy to:
- Jest to metoda odgórna : dzieli w sposób rekurencyjny dany problem na serię podproblemów, które podobno są łatwiejsze do rozwiązania.
- Jest oparty na wiedzy : opiera się na symbolicznym opisie świata, takim jak zbiór reguł.
Jednak granice 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 da się przewidzieć wszystkich sytuacji, które napotka autonomiczny byt.
Umiejscowiona lub behawioralna sztuczna inteligencja
W celu rozwiązania tych problemów zaproponowano inne podejście do decyzyjnej sztucznej inteligencji, znanej również jako sztuczna inteligencja usytuowana lub behawioralna . Nie próbuje modelować systemów, które wytwarzają procesy rozumowania dedukcyjnego, ale raczej systemy, które zachowują się realistycznie w swoim środowisku . Główne cechy tego podejścia to:
- Jest to podejście oddolne : opiera się na elementarnych zachowaniach, które można łączyć w celu wdrożenia bardziej złożonych zachowań.
- Jest behawioralna : nie opiera się na symbolicznym opisie środowiska, ale raczej na modelu interakcji jednostek z ich otoczeniem.
Celem usytuowanej sztucznej inteligencji jest modelowanie podmiotów, które są autonomiczne w swoim środowisku. Osiąga się to zarówno dzięki wewnętrznej niezawodności architektury sterowania, jak i jej zdolnościom adaptacyjnym do nieprzewidzianych sytuacji.
Agenci zlokalizowani
W sztucznej inteligencji i kognitywistyce termin usytuowany odnosi się do agenta, który jest osadzony w środowisku. Termin usytuowany jest powszechnie używany w odniesieniu do robotów , ale niektórzy badacze twierdzą, że agenci oprogramowania mogą być również usytuowani, 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 agenty internetowe, które mogą zmieniać dane lub uruchamiać procesy (takie jak zakupy) przez Internet, lub boty rzeczywistości wirtualnej, które zamieszkują i zmieniają światy wirtualne, takie jak Second Life .
Bycie usytuowanym jest ogólnie uważane za część bycia ucieleśnionym , ale warto rozważyć każdą perspektywę z osobna. Perspektywa usytuowana podkreśla, że inteligentne zachowanie wywodzi się ze środowiska i interakcji z nim agenta . Charakter tych interakcji jest zdefiniowany przez postać agenta.
Zasady realizacji
Rozkład modułowy
Najważniejszą cechą systemu sterowanego przez umiejscowioną sztuczną inteligencję jest to, że inteligencja jest kontrolowana przez zestaw niezależnych półautonomicznych modułów. W oryginalnych systemach każdy moduł był właściwie oddzielnym urządzeniem lub przynajmniej był pomyślany jako działający we własnym wątku przetwarzania . Generalnie jednak moduły są tylko abstrakcjami . Pod tym względem usytuowana sztuczna inteligencja może być postrzegana jako podejście inżynierii oprogramowania do sztucznej inteligencji, być może podobne do projektowania zorientowanego obiektowo .
Usytuowana sztuczna inteligencja często kojarzy się z planowaniem reaktywnym , ale nie są to synonimy. Brooks opowiadał się za skrajną wersją minimalizmu kognitywnego, który początkowo wymagał, aby moduły zachowania były maszynami skończonymi, a zatem nie zawierały konwencjonalnej pamięci ani uczenia się . Wiąże się to z reaktywną sztuczną inteligencją, ponieważ reaktywna sztuczna inteligencja wymaga reagowania na aktualny stan świata, a nie na pamięć agenta lub prekoncepcję tego świata. Jednak uczenie się jest oczywiście kluczem do realistycznej silnej sztucznej inteligencji , więc to ograniczenie zostało złagodzone, choć nie całkowicie porzucone.
Mechanizm wyboru akcji
Usytuowana społeczność AI przedstawiła kilka rozwiązań modelowania procesów decyzyjnych, znanych również jako mechanizmy wyboru działań. Pierwsza próba rozwiązania tego problemu sięga do architektur subsumpcyjnych , które w rzeczywistości były bardziej techniką implementacyjną niż algorytmem. Jednak ta próba utorowała drogę do kilku innych, w szczególności hierarchii swobodnego przepływu i sieci aktywacji . Porównanie struktury i wydajności tych dwóch mechanizmów wykazało przewagę stosowania hierarchii swobodnego przepływu w rozwiązywaniu problemu wyboru działań. Jednak schematy motoryczne i języki opisu procesów to dwa inne podejścia, które zostały z powodzeniem wykorzystane w robotach autonomicznych.
Uwagi i referencje
- Arsenio, Artur M. (2004) Ku ucieleśnionej i usytuowanej AI , W: Proceedings of the International FLAIRS Conference, 2004. (online)
- Droga sztucznego życia do sztucznej inteligencji: budowanie ucieleśnione, umiejscowieni agenci , Luc Steels i Rodney Brooks Eds., Lawrence Erlbaum Publishing, 1995. ( ISBN 978-0805815184 )
- Rodney A. Brooks Cambrian Intelligence (MIT Press, 1999) ISBN 0-262-52263-2 ; zbiór wczesnych prac, 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 siebie na gorącym uczynku: działanie umiejscowione, interaktywne pojawienie się, ewolucja i myśl ludzka . Cambridge, Massachusetts: MIT Press.