Расположенный подход (искусственный интеллект)

В искусственного интеллекта исследованиях ситуационный подход создает агентов , которые предназначены для эффективного и успешного поведения в своей среде. Это требует разработки ИИ «снизу вверх», сосредоточив внимание на базовых перцептивных и моторных навыках, необходимых для выживания. Ситуационный подход отдает гораздо меньший приоритет абстрактному мышлению или навыкам решения проблем.

Первоначально этот подход был предложен как альтернатива традиционным подходам (то есть подходам, популярным примерно до 1985 года).Спустя несколько десятилетий классические технологии искусственного интеллекта начали сталкиваться с трудноразрешимыми проблемами (например, комбинаторным взрывом ) при столкновении с реальными проблемами моделирования. Все подходы к решению этих проблем сосредоточены на моделировании интеллекта, находящегося в окружающей среде. Они стали известны как ситуативный подход к ИИ.

Появление концепции

От традиционного ИИ к новому ИИ

подход, ныне известный как Nouvelle AI ( Nouvelle впервые применил В конце 1980-х годов в Лаборатории искусственного интеллекта Массачусетского технологического института Родни Брукс по-французски означает «новый») . В отличие от классического или традиционного искусственного интеллекта , Nouvelle AI намеренно избегает традиционной цели моделирования производительности на уровне человека, а скорее пытается создать системы с интеллектом на уровне насекомых, ближе к реальным роботам. Но в конечном итоге, по крайней мере, в Массачусетском технологическом институте новый ИИ действительно привел к попытке создания гуманоидного ИИ в проекте Cog .

От Nouvelle AI к поведенческому и ситуационному искусственному интеллекту

Концептуальный сдвиг, вызванный новым искусственным интеллектом, процветал в области робототехники, уступая место робототехнике, основанной на поведении (BBR), методологии разработки искусственного интеллекта, основанной на модульном разложении интеллекта. Его прославил Родни Брукс : его архитектура включения была одной из первых попыток описать механизм разработки BBAI. Он чрезвычайно популярен в робототехнике и, в меньшей степени, для реализации интеллектуальных виртуальных агентов, поскольку позволяет успешно создавать динамические системы реального времени, которые могут работать в сложных средах. Например, он лежит в основе интеллекта Sony Aibo и многих команд роботов RoboCup .

Понимая, что на самом деле все эти подходы были направлены на создание не абстрактного интеллекта, а скорее интеллекта, находящегося в данной среде, они стали известны как ситуативный подход. Фактически, этот подход вытекает из ранних идей Алана Тьюринга , описывающего необходимость создания машин, оснащенных органами чувств, чтобы учиться непосредственно из реального мира, а не сосредотачиваться на абстрактных действиях, таких как игра в шахматы. ^{[ соответствующий? ]}

Определения

Классически программный объект определяется как моделируемый элемент, способный воздействовать на самого себя и на свою среду и имеющий внутреннее представление о себе и внешнем мире. Сущность может общаться с другими сущностями, и ее поведение является следствием ее восприятия, ее представлений и ее взаимодействия с другими сущностями.

цикл искусственного интеллекта

Моделирование объектов в виртуальной среде требует моделирования всего процесса, который начинается от восприятия окружающей среды или, в более общем плане, от стимула до воздействия на окружающую среду. Этот процесс называется циклом искусственного интеллекта, и технологии, используемые для его моделирования, можно разделить на две категории. Сенсомоторный или низкоуровневый ИИ занимается либо проблемой восприятия (что воспринимается?), либо проблемой анимации (как выполняются действия?). ИИ принятия решений или высокого уровня занимается проблемой выбора действия (какое действие является наиболее подходящим в ответ на данное восприятие, т.е. какое поведение является наиболее подходящим?).

Традиционный или символический ИИ

Существует два основных подхода к ИИ принятия решений. Подавляющее большинство технологий, доступных на рынке, таких как алгоритмы планирования , конечные автоматы (FSA) или экспертные системы , основаны на традиционном или символическом подходе ИИ. Его основными характеристиками являются:

Это нисходящий подход : он рекурсивно подразделяет данную проблему на ряд подзадач, которые предположительно легче решить.
Он основан на знаниях : он опирается на символическое описание мира, например набор правил.

Однако ограничения традиционного ИИ, целью которого является создание систем, имитирующих человеческий интеллект, хорошо известны: неизбежно происходит комбинаторный взрыв количества правил из-за сложности среды. Фактически невозможно предсказать все ситуации, с которыми столкнется автономный субъект.

Расположенный или поведенческий ИИ

Для решения этих проблем другой подход к ИИ принятия решений, также известный как ситуационный или поведенческий был предложен ИИ. Он не пытается моделировать системы, которые производят процессы дедуктивного рассуждения, а скорее системы, которые ведут себя реалистично в своей среде . Основными характеристиками этого подхода являются следующие:

Это восходящий подход : он опирается на элементарное поведение, которое можно комбинировать для реализации более сложного поведения.
Он основан на поведении : он опирается не на символическое описание окружающей среды, а, скорее, на модель взаимодействия сущностей с окружающей средой.

Цель локализованного ИИ — моделировать объекты, автономные в своей среде. Это достигается как благодаря внутренней надежности архитектуры управления, так и ее возможностям адаптации к непредвиденным ситуациям.

Расположенные агенты

В искусственном интеллекте и когнитивной науке термин «расположенный» относится к агенту , встроенному в окружающую среду. Термин «расположенный» обычно используется для обозначения роботов , но некоторые исследователи утверждают, что программные агенты также могут быть расположены, если:

они существуют в динамичной (быстро меняющейся) среде, которая
они могут манипулировать или изменяться своими действиями, и какие
они могут чувствовать или воспринимать .

Примерами могут служить веб-агенты, которые могут изменять данные или запускать процессы (например, покупки) через Интернет, или боты виртуальной реальности, населяющие и изменяющие виртуальные миры, такие как Second Life .

Нахождение в положении обычно считается частью воплощения , но полезно рассматривать каждую точку зрения индивидуально. Ситуационная перспектива подчеркивает, что разумное поведение проистекает из окружающей среды и взаимодействия агента с ней. Характер этих взаимодействий определяется вариантом реализации агента.

Принципы реализации

Модульная декомпозиция

Наиболее важным атрибутом системы, управляемой искусственным интеллектом, является то, что интеллект контролируется набором независимых полуавтономных модулей . В исходных системах каждый модуль фактически представлял собой отдельное устройство или, по крайней мере, задумывался как работающий в собственном обработки потоке . Однако в целом модули представляют собой просто абстракции . В этом отношении ситуативный ИИ можно рассматривать как подход к разработке программного обеспечения , возможно, сродни объектно-ориентированному проектированию .

Расположенный ИИ часто ассоциируется с реактивным планированием , но эти два понятия не являются синонимами. Брукс выступал за крайнюю версию когнитивного минимализма , которая изначально требовала, чтобы поведенческие модули были конечными автоматами и, таким образом, не содержали традиционной памяти или обучения . Это связано с реактивным ИИ, поскольку реактивный ИИ требует реагирования на текущее состояние мира, а не на память агента или предвзятое представление об этом мире. Однако обучение, очевидно, является ключом к созданию реалистичного сильного ИИ , поэтому это ограничение было смягчено, хотя и не полностью отменено.

Механизм выбора действия

Сообщество расположенного ИИ представило несколько решений для моделирования процессов принятия решений, также известных как механизмы выбора действий. Первая попытка решить эту проблему восходит к архитектурам включения . ^[1] которые на самом деле были скорее техникой реализации, чем алгоритмом. Однако эта попытка проложила путь к нескольким другим, в частности к иерархиям свободного потока. ^[2] и сети активации . ^[3] Сравнение структуры и характеристик этих двух механизмов продемонстрировало преимущество использования иерархий свободного потока при решении проблемы выбора действия. ^[4]^[5] Однако двигательные схемы ^[6] и языки описания процессов ^[7] Это два других подхода, которые успешно использовались для автономных роботов.

Примечания и ссылки

^ Брукс, Р. (1986). Надежная многоуровневая система управления мобильным роботом. Журнал IEEE по робототехнике и автоматизации 2 (1): 14-23.
^ Розенблатт Дж. и Пэйтон Д. (1989). Детализированная альтернатива архитектуре подчинения для управления мобильными роботами. В: Материалы Международной конференции IEEE по нейронным сетям 2: 317-324.
^ Мэйс П. (1989). Как поступить правильно. Технический отчет AIM-1180, Лаборатория искусственного интеллекта Массачусетского технологического института.
^ Тиррелл Т. (1993). Вычислительные механизмы выбора действий. Доктор философии, Эдинбургский университет.
^ Тиррелл Т (1993). Использование иерархий для выбора действий. Адаптивное поведение 1(4):387-420.
^ Аркин Р. Навигация на основе моторной схемы для мобильного робота: подход к программированию по поведению. В: Материалы конференции IEEE по робототехнике и автоматизации, стр. 264–271, 1987.
^ Стилз, Л. (1993). Создание агентов с автономными системами поведения. В: Искусственный путь к искусственному интеллекту. В здании расположены воплощенные агенты. Lawrence Erlbaum Associates, Нью-Хейвен.

Арсенио, Артур М. (2004) На пути к воплощенному и расположенному ИИ , В: Материалы Международной конференции FLAIRS, 2004. (онлайн)
Путь искусственной жизни к искусственному интеллекту: воплощенное здание, расположенные агенты , ред. Люка Стилза и Родни Брукса, издательство Lawrence Erlbaum Publishing, 1995. ( ISBN 978-0805815184 )
Родни А. Брукс Кембрийская разведка (MIT Press, 1999) ISBN 0-262-52263-2 ; сборник ранних статей, в том числе «Интеллект без представительства» и «Интеллект без причины», 1986 и 1991 годов соответственно.
Рональд К. Аркин , робототехника, основанная на поведении (MIT Press, 1998) ISBN 0-262-01165-4
Хендрикс-Янсен, Хорст (1996) Ловим себя в действии: ситуативная деятельность, интерактивное возникновение, эволюция и человеческое мышление . Кембридж, Массачусетс: MIT Press.

См. также

Внешние ссылки

[1] Брукс, Р. (1986). Надежная многоуровневая система управления мобильным роботом. Журнал IEEE по робототехнике и автоматизации 2 (1): 14-23.

[2] Розенблатт Дж. и Пэйтон Д. (1989). Детализированная альтернатива архитектуре подчинения для управления мобильными роботами. В: Материалы Международной конференции IEEE по нейронным сетям 2: 317-324.

[3] Мэйс П. (1989). Как поступить правильно. Технический отчет AIM-1180, Лаборатория искусственного интеллекта Массачусетского технологического института.

[4] Тиррелл Т. (1993). Вычислительные механизмы выбора действий. Доктор философии, Эдинбургский университет.

[5] Тиррелл Т (1993). Использование иерархий для выбора действий. Адаптивное поведение 1(4):387-420.

[6] Аркин Р. Навигация на основе моторной схемы для мобильного робота: подход к программированию по поведению. В: Материалы конференции IEEE по робототехнике и автоматизации, стр. 264–271, 1987.

[7] Стилз, Л. (1993). Создание агентов с автономными системами поведения. В: Искусственный путь к искусственному интеллекту. В здании расположены воплощенные агенты. Lawrence Erlbaum Associates, Нью-Хейвен.

[1]

[2]

[3]

[4]

[5]

[6]

[7]