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.).

Arquitecturas deliberativas (final)

Las arquitecturas deliberativas a su vez se dividen en arquitecturas intencionales y arquitecturas sociales.

Arquitecturas intencionales.
Dentro de las arquitecturas intencionales se destacan aquellas que han tomado como punto de partida la teoría de agentes basados en deseos e intenciones (BDI).

Agentes BDI:
Agentes cuya decisión esta basada en creencias, deseos e intenciones (BDI: belief-desire-intention). En realidad son sistemas de planificación que incluyen creencias e intenciones en sus planes.

Y se basan en el razonamiento practico de decidir en cada momento la acción a realizar para facilitar la consecución de los objetivos y requieren dos procesos:
• Decidir que objetivos perseguir (deliberación).
• Decidir como alcanzar dichos objetivos (razonamiento basado en medios y fines).

Aunque estos sistemas suelen utilizar la planificación para determinar que acciones deben llevar a cabo pero, a diferencia de los agentes planificadores emplean planes en que se comprueban creencias, deseos e intenciones.

Donde las creencias son el conocimiento que el agente tiene sobre si mismo y su entorno. Los deseos son objetivos que el agente desea cumplir a largo plazo. Como normalmente no puede cumplir todos los objetivos a la vez, ya tiene unos recursos limitados, se introducen las intenciones que son los objetivos que en cada momento intenta cumplir el agente. También se introduce el concepto de planes, que permite definir las intenciones como los planes que un agente esta realizando en un momento dado.

Las intenciones del agente juegan papel importante en el razonamiento practico.
• Conducen el razonamiento basado en medios y fines.
• Restringen las deliberaciones futuras.
• Persisten.
• Influencian las creencias sobre las que se basara el futuro razonamiento proactivo.

Cada cierto tiempo el agente deberá replantearse sus intenciones abandonando aquellas que considera que no va a alcanzar, aquellas que ya ha alcanzado y aquellas cuya justificación ha desaparecido.
En las arquitecturas BDI hay encontrar un equilibrio entre un comportamiento dirigido por objetivos, donde el agente, a menudo, no considera suficientemente sus intenciones, o uno dirigido por evento (reactivo) en el cual continuamente esta continuamente reconsiderando sus intenciones por lo que le dedica poco tiempo a la consecución de las acciones.

Tendremos que:
• En entornos estáticos el comportamiento dirigido por objetivos es más adecuado.
• En entornos dimamicos en el comportamiento reactivo es el más conveniente.

Función de revisión de creencias: es la que actualiza las creencias en base a las percepciones.

Conjunto de creencias: son las creencias actuales que tiene el agente acerca de su entorno.

Función generación de opciones: se encarga de la generación de opciones (deseos) a partir de sus creencias e intenciones.

Conjunto de opciones: son las opciones actuales.

Función de deliberación: realiza el filtro correspondiente al proceso de deliberación, determinado las nuevas intenciones en función de las intenciones actuales, las creencias y los deseos.

Conjunto de intenciones: Son las intenciones actuales.

Función de ejecución: Se ocupa de la selección de las acciones, es la que determina que acción se debe ejecutar a partir de las intenciones actuales.

Conclusiones:
El proceso de generación de opciones de un agente BDI se puede considerar un proceso de refinamiento o recursivo de generación de una jerarquía de planes, donde en cada paso se generan intenciones mas especificas hasta llegara aquellas que correspondan a acciones directamente ejecutables.

Arquitecturas sociales.

Los agentes sociales se pueden definir como agentes intencionales que mantienen además un modelo explícito de otros agentes.

Los agentes sociales pueden clasificarse en dos grande grupos: agentes intencionales cuya arquitectura ha sido aumentada para abordar el razonamiento sobre otros agentes y arquitecturas que siguiendo la IAD clásica han prestado mas atención a los agentes cooperativos (cuando, como y con quien cooperar), sin modelar necesariamente las intenciones de los agentes.

Las arquitecturas deliberativas pueden clasificarse como horizontales porque los estímulos recibidos del exterior son procesados en varias capas de diferente nivel de abstracción y al final el nivel superior decide que acciones hay que llevar a cabo y las puede realizar directamente o indicársela a las capas inferiores.

Arquitecturas deliberativas (1ra. Parte)

Agentes que toman las decisiones basándose en la deducción lógica y son llamados agentes deliberativos.

Las arquitecturas deliberativas siguen la corriente de la Inteligencia Artificial simbólica, que se basa en la hipótesis enunciada por Newell y Simons, según la cual un sistema de símbolos físicos capaz de manipular estructuras simbólicas puede exhibir una conducta inteligente. Para ello es necesario describir los objetivos y medios de satisfacerlo, y como realizar la traducción del nivel de conocimiento al nivel simbólico.

Y suelen basarse en la teoría clásica de los sistemas de producción: dado un estado inicial, un conjunto de operadores y un estado objetivo; la deliberación del agente consiste en determinar que camino o pasos debe encadenar para lograr su objetivo, siguiendo un enfoque descendente (del objetivo a los hechos). Un ejemplo de planificador de este tipo son los Softbots, cuya misión es ayudar a los usuarios a realizar las tareas típicas de UNIX.

Agentes deliberativos: incluye modelo simbólico del entorno mas la capacidad de razonamiento lógico. Donde el estado interno del agente se representa como una base de conocimiento expresada en la lógica de predicados

Sea:
L el conjunto de sentencias en lógica de primer orden
Y
B = P(L), el conjunto de posibles bases de conocimiento, donde el estado interno de un agente será un elemento de B

Funciones del agente:
Percepción: E --> P
Siguiente: B x P --> B
Acción: B --> A

Función de decisión.

Las acciones del agente se modelan mediante un conjunto de reglas de producción o deductivas (R).

Donde la base de conocimientos del agente (BC) y las reglas ( R ) deben codificarse de forma que:

Si el predicado ejecutar (a) puede ser derivados de BC mediante R entonces a es la mejora acción que puede realizar el agente.

Donde función acción cumplirá:
a --> A, si R --> BC entonces ejecutar (a)


Ventajas:
• Estrategia de decisión representada de forma clara y elegante.
• Toma de decisiones como representación de teoremas.

Desventajas:
• Complejidad computacional.
• Dificultad en la representación de ciertas percepciones basadas en imágenes, en tiempo real, etc. Lo que la hace de difícil aplicación a entornos dinámicos y complejos.

Arquitecturas basadas en capas

Agentes que razonan sobre el entorno a diferentes niveles de abstracción.

Puesto que un agente debe combinar el comportamiento reactivo con el proactivo. Una forma natural de implementarlo es separando ambos comportamientos en distintos subsistemas o capas.

Tipos de arquitecturas basadas en capas:

De capas horizontales: todas las capas están directamente conectadas a la entrada y a la salida del agente (cada capa actúa igual que un agente).

De capas verticales: la entrada y la salida del agente están conectadas cada una a una única capa del agente (la mas baja y la mas alta) o bien ambas a la misma capa (la mas baja).

Ventajas:
• Simplicidad conceptual.
• Las capas pueden trabajar de forma paralela
• Para implementar n tipos de comportamientos basta implementar n capas diferentes. La complejidad de las interacciones entre capas se reduce

Desventajas;
• El comportamiento global puede no ser coherente.
• Requiere de un alto conocimiento de control para coordinar las capas
• En muchos casos se hace necesario añadir una función de mediación que decide que capa tiene el control en cada momento, lo que puede producir cuellos de botella.
• Para tomar una decisión hay que pasar el control a cada una de las capas.

Conclusiones:
• Son las arquitecturas de carácter general más popular actualmente.
• Utilizan una descomposición natural de la funcionalidad del agente.
• No tienen la claridad conceptual y semántica de otras arquitecturas.
• La gestión de interacciones entre capas es compleja.