Arquitecturas reactivas

Agentes que tienen una correspondencia directa entre situación y acción.

Surgió como una alternativa al paradigma simbólico de la Inteligencia Artificial clásica. Donde el comportamiento racional es el resultado del agente (o robot) con su entorno y el comportamiento inteligente “emerge” de la interacción de varios comportamientos más simples.

Las arquitecturas reactivas cuestionan la viabilidad del paradigma simbólico y proponen una arquitectura que actúa siguiendo un enfoque conductista, con un modelo estimulo-respuesta y no tienen un modelo del mundo simbólico como elemento central de razonamiento al no utilizar razonamiento simbólico complejo, sino que siguen un procesamiento ascendente (de los hechos al objetivo), para lo cual mantienen una serie de patrones que se activan bajo ciertas condiciones de los sensores y tienen un efecto directo en la acción.

Las principales arquitecturas de tipo reactivas son:

Reglas situadas: la implementación más sencilla de reactividad consiste en definir el comportamiento con reglas del tipo: si situacion-percibidad entonces acciones-especificas.

Arquitectura de subsuncion y autómatas de estado finito: permiten gestionar problemas de mayor complejidad que las reglas. Esta compuesta por capas que ejecutan una determinada conducta.

Tareas competitivas: un agente debe decidir que tarea debe realizar de entre varias posibles, seleccionando la que proporciona un nivel de activación mayor, se basa en una aproximación ecológica del problema de resolución distribuida de problemas, simulando que cada agente es una hormiga (sistema MANTA) y decide que acción debe hacer para cumplir sus objetivos. El problema se resuelve sin comunicación entre los agentes, estableciendo un criterio de terminación del problema. Por ejemplo, los problemas clásicos de generar y probar: misioneros y caníbales, mundo de bloques, las tinas, etc. Se interpretan como agentes (cada misionero, cada bloque, cada tina, etc.) que pueden realizar movimientos y una condición global de terminación.

Redes neuronales: la capacidad de aprendizaje de las redes neuronales también ha sido propuesta en algunas arquitecturas formadas por redes capaces de realizar una función (evitar colisiones, etc.).