Искусственный интеллект, ситуационный подход - Artificial intelligence, situated approach

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

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

Возникновение концепции

От традиционного ИИ к новому ИИ

В конце 1980 - х годов, подход теперь известен как Nouvelle AI ( Nouvelle означает новое на французском языке) был впервые в MIT лаборатории искусственного интеллекта по Родни Брукс . В отличие от классического или традиционного искусственного интеллекта , Nouvelle AI намеренно избегает традиционной цели моделирования производительности человеческого уровня, а скорее пытается создать системы с интеллектом на уровне насекомых, более близкие к реальным роботам. Но в конце концов, по крайней мере, в Массачусетском технологическом институте новый ИИ привел к попытке создания гуманоидного ИИ в проекте Cog .

От нового ИИ к ИИ, основанному на поведении и локализации

Концептуальный сдвиг, внесенный новым ИИ, процветал в области робототехники, уступив место искусственному интеллекту, основанному на поведении (BBAI), методологии разработки ИИ, основанной на модульной декомпозиции интеллекта. Его прославил Родни Брукс : его архитектура подчинения была одной из первых попыток описать механизм развития BBAI. Он чрезвычайно популярен в робототехнике и в меньшей степени для реализации интеллектуальных виртуальных агентов, поскольку позволяет успешно создавать динамические системы в реальном времени, которые могут работать в сложных средах. Например, он лежит в основе интеллекта команд роботов Sony , Aibo и многих RoboCup .

Понимая, что на самом деле все эти подходы были нацелены на создание не абстрактного интеллекта, а скорее интеллекта, находящегося в данной среде, они стали известны как ситуативный подход. Фактически, этот подход проистекает из ранних идей Алана Тьюринга , описывающих необходимость создания машин, оснащенных органами чувств, чтобы учиться непосредственно из реального мира, вместо того, чтобы сосредотачиваться на абстрактных действиях, таких как игра в шахматы.

Определения

Классически программный объект определяется как смоделированный элемент, способный действовать на себя и на свою среду, и который имеет внутреннее представление о себе и внешнем мире. Сущность может общаться с другими сущностями, и ее поведение является следствием ее восприятий, ее представлений и ее взаимодействий с другими сущностями.

Цикл AI

Моделирование объектов в виртуальной среде требует моделирования всего процесса, который идет от восприятия окружающей среды или, в более общем смысле, 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?). Решающий или высокоуровневый ИИ 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

В ИИ, принимающем решения, есть два основных подхода. Подавляющее большинство технологий, доступных на рынке, таких как алгоритмы планирования , конечные автоматы (FSA) или экспертные системы , основаны на традиционном или символическом подходе ИИ. Его основные характеристики:

  • Это нисходящий принцип : он рекурсивным образом подразделяет данную проблему на ряд подзадач, которые предположительно легче решить.
  • Он основан на знаниях : он основан на символическом описании мира, таком как набор правил.

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

Установленный или поведенческий ИИ

Для решения этих проблем был предложен другой подход к ИИ, принимающим решения, также известный как ситуативный или поведенческий ИИ. Он не пытается моделировать системы, которые производят дедуктивные процессы мышления, а скорее системы, которые реалистично ведут себя в своей среде . Основные характеристики этого подхода следующие:

  • Он идет снизу вверх : он полагается на элементарное поведение, которое можно комбинировать для реализации более сложного поведения.
  • Он основан на поведении : он не полагается на символическое описание окружающей среды, а, скорее, на модель взаимодействия сущностей с окружающей их средой.

Цель искусственного интеллекта - моделировать объекты, автономные в своей среде. Это достигается благодаря как внутренней устойчивости архитектуры управления, так и ее возможностям адаптации к непредвиденным ситуациям.

Расположенные агенты

В области искусственного интеллекта и когнитивной науки , термин расположен относится к агенту , который вложенной в окружающей среде. Термин « расположенный» обычно используется для обозначения роботов , но некоторые исследователи утверждают, что программные агенты также могут быть обнаружены, если:

Примеры могут включать веб-агентов, которые могут изменять данные или запускать процессы (например, покупки) через Интернет, или ботов виртуальной реальности, которые населяют и изменяют виртуальные миры, такие как Second Life .

Расположение 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. Природа этих взаимодействий определяется воплощением агента.

Принципы реализации

Модульная декомпозиция

Самый важный атрибут системы управляется расположенным ИИ , что интеллект контролируется множеством независимых полупрофессиональных автономных модулей. В исходных системах каждый модуль был фактически отдельным устройством или, по крайней мере, задумывался как работающий в собственном потоке обработки . Однако, как правило, модули - это просто абстракции . В этом отношении локальный ИИ можно рассматривать как подход к ИИ в разработке программного обеспечения , возможно, сродни объектно-ориентированному проектированию .

Локальный ИИ часто ассоциируется с реактивным планированием , но эти два понятия не являются синонимами. Брукс выступал за крайнюю версию когнитивного минимализма, которая изначально требовала, чтобы модули поведения были конечными автоматами и, следовательно, не содержали обычной памяти или обучения . Это связано с реактивным ИИ, потому что реактивный ИИ требует реакции на текущее состояние мира, а не на память агента или предвзятое мнение об этом мире. Однако обучение, очевидно, является ключом к реалистичному сильному ИИ , поэтому это ограничение было ослаблено, хотя и не полностью устранено.

Механизм выбора действия

Сообщество искусственного интеллекта представило несколько решений для моделирования процессов принятия решений, также известных как механизмы выбора действий. Первая попытка решить эту проблему восходит к подчиненным архитектурам , которые на самом деле были скорее методом реализации, чем алгоритмом. Однако эта попытка проложила путь к нескольким другим, в частности к иерархиям свободного потока и сетям активации . Сравнение структуры и производительности этих двух механизмов продемонстрировало преимущество использования иерархий свободного потока при решении проблемы выбора действий. Однако схемы двигателей и языки описания процессов - это два других подхода, которые успешно использовались для автономных роботов.

Примечания и ссылки

  • Арсенио, Артур М. (2004) К воплощенному и локализованному ИИ , В: Материалы Международной конференции FLAIRS, 2004. (онлайн)
  • Путь от искусственной жизни к искусственному интеллекту: воплощенное здание, расположенные агенты , редакторы Люка Стилса и Родни Брукса, Лоуренс Эрлбаум Паблишинг, 1995 г. ( ISBN  978-0805815184 )
  • Родни А. Брукс Кембрийская разведка (MIT Press, 1999) ISBN  0-262-52263-2 ; сборник ранних работ, в том числе «Разведка без представления» и «Разведка без причины», 1986 и 1991 гг. соответственно.
  • Робототехника на основе поведения Рональда С. Аркина (MIT Press, 1998) ISBN  0-262-01165-4
  • Хендрикс-Янсен, Хорст (1996) Ловля себя в действии: деятельность, интерактивное появление, эволюция и человеческое мышление . Кембридж, Массачусетс: MIT Press.

Смотрите также

Статьи по Теме

Традиционный ИИ

Расположенный AI

Робототехника

внешние ссылки