Ensayos con Sistemas Inteligentes Autónomos - iidia

ltlTIUl.CI: f*nsarym G0¡] Sf,stomas
lnaoÍflemtm Augénomos"
AUlIOIRI*S:
lJamfler Bflanqué"
Wafltffi lFnfltz"
IRamtu @rafa Hla,ñ¡fnm"
rili'ÍrlENE:
Centro de InvestiSrciones B¿sicas
lnrcligencia Arüficial.
GMililIGUIWM;
Los aulores son Investigadores Ssoci8dos al
CIBIA y rraba¡an desde haÉ 4 allos eñ esta
teorla.
otras actividades de lo3 autofes: Desafrollo de
Soft!¡are de Intel¡Sencia Artificial para el
eÍerior, docentes-
11

lnüodrcció0
. , .Como
sicsd€ sn ofas c¡oncias, tambten aqui es inevitab{e p tr de la constucqón de
defin¡ciones op€raüvas, pra los conceptos básicos ee se induym en una teüla. Decimos
delrnlclón oporat¡va on..el se.ntido !,e aqrellas qle son observables y se manif¡estan a patr de
experimentos. La lnleligenc¡a Anilicial no esc¿pa a e6ta regla y pü ello, conceptos como
inteligeflqa, conocimtento, experlenc|a y aprendizaie deben- sel. d¡tin¡dos. En esre marc!
podemos dü definicioncG que evenlualmente tenóán que ser ver¡licada6 medante la
exper¡menlación con la ¡mplementación del modelo que las sustenta. Es decjr debemos
demostr con expdmentos que la ledfa no t¡ene inconsilencias, e€ cohereote, o mejtr, que
"c¡efa'.
Estos experimentos y ensayos, dado que no ex¡ste una gran capacidad de financiam¡ento
püa nucrto proyeclo, no pueden oer realizados con robob moviles eñ un medo amLÍente reEl.
pc eso decidmos desde ei comienzo, tab4a con universos s¡mulados en donde el SlA.
nu€sto 'SEB" simulado, sea un programa desünado a üvir, denfo de oros programas que
acluan como nuf¡entes, como caldo de cultivo.
Al$pas d!finiciones
Antes de des{ribir el modelo parece importante aclarar el sentdo que damos a los
conceptos mas relevantes en nuesüa teqla {51, la cual ha ido conlormando un todo integrado
con el tiempo. En cada definic¡ón hemos creldo út¡l pon€r el acento en la idea mas que Ln el
lqmal¡smo -para un enunc¡ado mas r¡guroso ver [6,7]-.
Silulción Es todo lo percrbrble pú un sistema en un tntante de tiempo I
Acc¡ón Es una fan6fqmación generada por el 6i6tema sohe una Gituac¡ón y qie prodlce una
nueva siluación.
llivel de placert : Es un valor que cuant¡fica el grado de sat¡slacción que se obliene al apl¡cat
una acción a una determinada s¡luac¡ón.
Plan :Es una composición de acciones.
Unidrd de cxpcriencir:l8]
Es /a qntuda & /a lcna .'
{Situación Intcral, Plan, Sltuacló¡ Frnal, Nrwel De Place¡, Trernpol
Oue 5c nfaprcb de /a abtrctúe mewa
En el instante T¡emoo fue aplicado un Pb[ a la Situación ln¡c¡al g€nerandose la Siruac¡ón
F_!!AL con un determrnado Nivel de Placer
Expor¡encia : Es el coniunto de Unidades de Exp€r¡enc¡a.
Ob¡elivo : Es una situac¡ón regisfada como situac¡ón ¡nicial en una Un¡dad de Exper¡encia y
tal q./e el nivel de placa de é6la es el máximo de todas aqtellas püa las cuales se puede
constui un plan ofltq la s¡tuac¡ón inicial d€ las mismas y una s¡tuación dada. o€qmos que un
sistema exhibo aprendzaie I9l, si es capaz de tormar, man¡pular e ¡ntegar Unidades de
Exper¡encia.
Absúacc¡ón : Entendemos pü lünü la capaci&d de constui Un¡dades de Experiencn, por
manl¡nt/t la capacidad de int€nelacionar las Unidades de Experiencia y W ¡infqtv la
capacidad de obten€r a parti de vü¡as Unidades de Experienc¡a, una Unidad de Exp€rie¡cia
de qden superia. es deci, una Unidad de Experiencia ta¡, qle queden unificadas en ésta las
Unidades de Exp€r¡enc¡a ¡n¡cialés, decimos qre ésla es una absbacción [10] de las pnmeras.
S¡siemr lntcligente :
-Exhibe aprendiz4e.
-Se tropone ot¡el¡vos (o subobietivos en orden a un ot¡etivo dado).
.Es capaz de consbui danes pda alcanzü obiet¡vos a pati de su exp€r¡enc¡a.
SiElem! lnlcl¡genle Aulóoomo : Es el sistema intel¡gente capaz de modficüse y modil¡cat
qr enlqno para alcanzar sus ob¡et¡vos y subobiefvos.
I t-l

El ¡lgor¡tmo
La desqipcjón del SIA puede hacerse en bas€ a un d'có d€ üda del s¡slema. el q]al t¡ene
un bloque que se repite como los lnslaltÍes en la vida de los seres tiolqicos, esle cido se
muesta en el s¡g[¡jente algqilmo .
coúieozo CI€IO
Eacer pa¡a slenpre
Coñre^zo Ii,r-IA rc
Percibir el entorno.
A¡nal la srtuaclon actüal
Regrstrar fa unrdad de experrencra del fnstante anterjor
Propone¡ obletlvo e intentar construrr plan para alcanzarlo.
Si el ptan existe entonces
Conienzo ¿lY¿tAF X¿ FL¿n
Ejecutar el plan asociado al obletrvo
Eit ,4a7U¿R .tLPL4ll
Sino
Conienzo ¿IZLI¿F POn tDlv?f/V;Ellc IA
DeterBinar sr conviene actr¡ar por azar o curiosrdad.
Si convrene actuar por azar e¡totrcea
Etecutar e1 plan : Heurlstlca ¡:aI
Sino
Etecutar e1 plan r Heu¡istlca Currosrdad
tiD .4(Y¿L4R Púf (I:YIII',|GEIYCIA
Fít LUSIAAT?E
Fin CICIú
El un¡verso esta fqmado por obietos qre prodrcen ernisrrones. que al ser captadas por los
sensores dd SlA, se tanslorman en estlmulos, al percibi el entorno, esos estlmulos son
analizados, se reconocen pafones y se lcrma una s¡luación en el módrlo de armado de
siluación acluai.
La situac¡ón aclual es la resultantg d9 hab€r apljcado una acc¡ón o un plan a una srtuación
previa, con esta ¡nlqmación y la cuantit¡cación del resullado del mismo mediante el Nivel de
Placel, podemos armar una Un¡dad de Exp€riencia, la cual s€rá rEisfada e ¡nlegrada al
coniunto de Unidades de Exper¡encia eústentes. Esto significa que püa poder almacenü el
resuhado de su acción en el instante anlerior, el SIA debe esp€rar hasla perciti las
modl¡caciones trodrcidas en el entorno. entonces gNJ da la ¡magpn de como eslaba antes,
como q.redó despues, cuando tue, que hizo é1, y que satisfacc¡ón le causó.
El sjlema se tropondá un obietivo, al mismo t¡empo p a contamrlo como obietivo
tendá q¡e existir un plan enre la sfuac¡ón actual y la s¡tuac¡ón ot¡el¡vo. S¡ el plan exile, se
eiecuta, en caso contrario se procede según dos heülst¡cas, qre estan imdementádos como
métod€ o plane3 treümados , estos eon C!¡i9q¡!b!LJ,AZü.
Ensavos v Anális¡s de comoúlamiclrto dcl modclo
Nuesto modelo de SIA tione cuato compqtamienlos tundamentalo€, ac,;uet W a¿¿r,
acJuü pü cwt&&d, dan¡frü,y haw úsr¿ctdDs Elo€ compctamienlos ¡nciden sotre
cómo el s¡lema alcanza $ls ob¡et¡vos. Nosofos del¡n¡mos el rendmienlo del mismo como el
grado do exacl¡tud con quo so|r logados los ot{elivos.
Nues-fa intención al mos'rar las siguiontes gáficas, es dar una ¡dea sobre la p€rlormance
dél modelo, describiendo las dferencias en el n¡vel de rendmie¡to de acterdo a qre nosotos
intencionalmente habilitamos unos e inhib¡mos ofos compottamienlos.
i
tt-2
l
:
I
t

400
¡00
200
100
2000 4000 6000
lnstrnt!
8000 t000c
Esta gráfica (aniba) nos muesta como aumenta la cantidad de Un¡dades de ExP€riencia
en relación a las situaciones, vemos qle aunque a partir de determ¡nado lnsÍanlc no apatecen
nuevas situac¡one62 -es decir todas las que apaecen son ya conocidas, o semeiantes a
conocidas-, la curva de Unidades de Experiencia si$le crecjendo, esto indca un proceso de
itegndú, el|ts la6 Unidadoo ds Experienoa.
+ Co¡ rbslraciion
4000 6000
tl-3

. La grálica (página anteria) noE rnuestra q.¡e el SIA ü.ns un rendmiento mqq c1la¡do
aclua real¡zando absfacc¡ones q¡e cuando no lo hac6. El rondmi€nlo aqul e8 med¿o como la
cantidad de instantes qu6 ocunon ente la obtención de doc otrieüvos *ie vrtical-. 3
2000
r000
+ Cu.iosidad
4000 6000 6000 10ú00
tost¡ntc
. F$a galica (ariba) nos muesta que el SIA trene un rendmiento meior q.¡ando actua por
curiosidad que cuando lo haco por a¿ar. fambien aqul €l rend¡m¡ento es mecfdo como la
cantidad de ¡nlantes que ocunen enf€ la obtención de dos obietivos -eie v€rl¡cal-. 3
2000
1000
+ planes
2000
4000 6000
lnstant.
10000
I l-¿

Esla gráfica (pádna anteriú) nos muesta q.Je el SIA liene un rendimiento meicr cuando
ac{ua hacicndo planes qre qJando lo hace pq azar. Tamb¡en aql¡, como en las dos gál¡cas
ant€riqes, ei rendmiento es med¡do como la canüdad de instantes qte ocuren entre la
obtención de dos objetivos -eie vertical-. 3
+ Clrrosrd¿d
0 2000 4000 6{)00 8000 l00l,i
lnstrote
La gráf¡ca (adba) nos muesfa qJe el SIA t¡ene un rendmiento -meddo como cant¡dad de
instantes que ocurren ente la obtención de dos obietivo$ que es meicr cuando actua haciendo
danes qre orando lo hace por curios¡dad. Sin embago debemos not (prescind¡endo de las
osdlaciones de !a gráf¡ca) que in¡cialmenle con poca experiencia sotre si,r entüno, el
comportam¡ento curiosidad liefle mqü rendmiento qJe el actuar pa danes, lo cüal suporie un
metacomprtam¡ento qle puede obssvarse tanto en animales süperiores como en bebés y
niños humanos : Cuando no tenga experiencia srñciente paa planificü. o el amb¡ente u obieto
s€a d6sconoc¡do, actúe pü crr¡o€¡dad. Cab€ ad ar que 106 compqtamientos son
programados, p€ro cuando en el SIA habilitamos los cuatro (azü, cu'ios¡dad, planes,
abstacc¡ones), el melacomportam¡e¡to se manifiesla como algo pop¡o del Sistema lnteligente
Autónomo. q¡e ut¡liza el $je mas le conviene, de acuerdo a su experienc¡a.
Co¡duioncs
¿as cqrdustanes a /as dra/es hen 6 legpú st las sitwe es .
. lndependentemente de los compútamientos qre pueda exhibi un SlA, se
da en su aprendz4e un proceso de ¡ntegración {Primera gálica).
puede hacer abstacciones liefle mqtr rendmiento que uno
. Un SIA ee
que no las hace (Se$rnda gálica).
. Plan¡l¡cd y aclua pü cúios¡dad mqda el rendim¡ento del SIA (Terce.a y
drdla gráfica).
' Los SlAs confqman un cntqno de ¡nvestigEciófl y esiudo püa lo€
procaso6 do gpñ€ración de metacomportam¡entos (Ou¡nta gáfica).
crosmos con esto rllq¡lo hatq cqrado sl ci@lo. val¡dando medanle la imdementacjór¡ del
mod€lo, lo qt€ proponiamos on ol lll Cofigoso Nacional de lnfamálica y Teleinfcmática [111.
r r_5

Nol¡a
I Este velor puede iÁpleÁeatars€ coóo result!.do de ud 6étodo que tom€ ea cueat¿ el coajutrto d€
rest¡iccioúes de l¿s teroas SlA-rcci6n-obicto, como leyes fisicas. durc¿a, toriaid¡d, yalor
aliÉenta¡io de los obietos, dado que éstos. sus propiedrdes y sus i¡ler¿ccio¡es -tales coDo
posicroiesy distatrcí¿s- foro4¡ lo que oosotros ll¿Damos situ¡ción
I l¡s pruebas s6 hatr rorliz¿do varieodo sust-strci¿lñeote ls coñplejidad de los uaiv€rso3 de
prueb¿ en los que se úueve el SIA. tanlo en l. ca¡lidr¿d, coioo e¡ la complejidad de los ob,etos.
I D¿do que si el SIA re¿lia absl¡acciooes. alcaoza sus objetivos oas seguido eso sigtrific. que
realiza pl¿nes mas efectivos, ya que éstos p¡oducea resullados que auÁeotaa su Njvel de Placer.
Rclxcnd¡r
l1l lnlel¡gencia secuencial e inteligenc¡a p{alela.J.Blanqué. W.Fritz y R.Gada M lnez.
XV Jünadas Argent¡nas de lnfrmát¡ca e lnvestigac¡ón Op€rat¡va. Bahia Blanca.
Argentina. '1985.
i2l Una base ax¡omát¡ca para la del¡nición de 106 concepto$ de intel¡g€ncia y aprend¡zde.
J.Blanqué, W.Fr¡tz y R.Garcla Mütinez.
lV Congre$o Nacional de lnlormática y Tele¡nfqmáüca. Buenos Aie$. Agpnüna. 1986.
[3] The lntelligent Syslem. W.Fritz.
SIGART Ns.rdetter, Nr 90. USA, 1984.
[4] La Mente como un sistema ecológ¡co. J.Blanq.ré.
Mundo lnfcmático. Enero kgenlina, 1985.
[5] Un marco fqmal püa soc¡edades de sistemas inteligentes autónomos.
J.Banqué y B.Grda Marfnez.
lV Jdnadas de lnteligencia Artif¡cial y Bobót¡ca. Univers¡dad de Belgrano. Arg€nt¡na, '1987.
16l
Planes y sislemas ¡ntel¡genles. J.Blanqué, W.Fr¡tz y R.Grda Mdlnez.
V Congreso Nacronal de lnfqmática y Teleinlormáfca. Argentrna. 1987.
I7l Un algdtmo de planif¡cación para sistemas ¡nteligenles aulónomos.
J.Bianqré, W.Fritz y B.carcfa Martlnez.
XVI Jornadas Argenlinas de lnlormática e lnvestigac¡ón Op€raüva. Argent¡na,1986.
[8] Un algorilmo de simulación püa s¡slemas intel¡gentes autónomos.
J.Blanqué y R.Gacla Mfltinez.
lV Júnadas de lnteligencia Artificral y Bobótica. Unrversidad de Belgano. A¡gentina. 1987
[9] Un algqitmo de aprendzaie para sislemas inlelientes autónomos.
J.BIanqré, W.Fritz y R.Grcia Mrtinez.
V Congeso Nac¡ooai de lnlqmáüca y TeleinlamáUca. Argientina, 1987.
[10] ldea$ sobe un alg.rlmo püa realizü ab6faccione6. R.Ga.cla Mttlnez.
Cento de lnvesl¡Fcione¡ Básicas en lntel¡g€ncia Artilicial. lntcrme Técr co.
Argenüna, 1985
[11]
Un enlogre Estér¡¡co delc€febo. W.FriE y B.Gada Ma.tnez.
Ill Cmgre6o Nac¡mai de lnfqmática y Teleinldmática. Argpntina, 1985.
1r-6