Revolución IA

La Inteligencia Artificial está llamada a protagonizar la próxima Revolución tecnológica

Inicio Sobre Revolucionia Temas Para saber más Contacto

Agentes basados en conocimiento

Fernando P.    29/01/2018

Temas:  Fundamentos

Los agentes inteligentes pueden presentarse en muchos niveles de complejidad y en formas muy diversas. Atendiendo a su complejidad, hemos visto varios paradigmas que pueden ser usados para representar su programación.

Algunos agentes inteligentes deben enfrentarse a problemas que pueden solucionarse usando técnicas de búsqueda de soluciones y, en estos casos, la programación de estos agentes estará orientada hacia algún tipo de algoritmo que permita resolver estos problemas, como pueden ser los algoritmos para búsqueda sistemática.

Pero hay otros problemas que no se ajustan bien a las técnicas de búsqueda de soluciones y es posible que necesitemos ir mucho más allá para resolverlos. En esta línea, vamos a introducir el concepto de agente basado en conocimiento.

Razonamiento y conocimiento
Los humanos somos capaces de resolver, o al menos de intentarlo, cualquier problema que sepamos plantear. Pero los humanos no resolvemos problemas usando técnicas de búsqueda de soluciones ni otras técnicas que funcionan bien en forma de agentes inteligentes para determinadas situaciones.

Usamos una combinación de conocimiento y razonamiento para poder deducir nuevo conocimiento que nos permita saber cómo puede evolucionar determinada situación y poder anticiparnos al entorno.

Basicamente, la inteligencia humana opera en base a unos pocos componentes, fáciles de identificar desde el punto de vista abstracto, pero que no conocemos realmente cómo están implementados a nivel neurológico:

Naturalmente, sería un gran avance poder dotar a una máquina de algo parecido a estos componentes y hacer que funcionen como lo hacen en un humano. Se trataría del agente inteligente por excelencia. Pero no sabemos cómo operan estos componentes en el cerebro humano y no podemos copiarlos a una máquina.

Agentes basados en conocimiento
Es posible diseñar agentes inteligentes bastante complejos usando múltiples técnicas del tipo de búsqueda de soluciones, redes neuronales artificiales o cualquier otra técnica en el arsenal de la Inteligencia Artificial moderna.

Pero estos agentes estarán limitados siempre en el sentido de que no entienden lo que sucede ni lo que ellos mismos hacen. Se limitan a ejecutar acciones en base a algoritmos o mecanismos que se han creado para tratar de responder lo mejor posible (con mínimo coste) al tipo de situaciones a las que se enfrentará el agente.

En situaciones con entornos difíciles el tipo de agente inteligente que incorpora un arsenal de recetas va a tener problemas si el entorno se vuelve caprichoso y debe enfrentarse a situaciones no previstas.

Por ejemplo, podemos enseñar a un automóvil autónomo a reconocer todas las señales de tráfico existentes, pero siempre puede aparecer un artista que se dedique a modificar señales de tráfico y en estas condiciones de entorno errático nuestro pobre automóvil autónomo no va a saber qué sucede ni qué debe hacer.
Agentes basados en conocimiento
Naturalmente, un humano siempre puede adaptarse a situaciones no previstas por su forma especial de enfrentarse a los problemas, usando esa combinación de conocimiento y razonamiento.

En esta línea, podemos tratar de crear agentes inteligentes que se funcionen en base a una combinación de conocimiento y razonamiento, con la esperanza de que sean capaces de enfrentarse a entornos difíciles mejor que los agentes basados en algoritmos.

Un agente basado en conocimiento va a ser un agente inteligente que fundamenta toda su operación en una combinación de conocimiento y razonamiento.

Estructura de los agentes basados en conocimiento
No sabemos cómo se representa el conocimiento ni cómo se desarrollan los procesos de razonamiento en el cerebro humano. Pero sí que tenemos ideas de índole abstracta cómo debe funcionar una combinación de conocimiento y razonamiento, las Matemáticas son un ejemplo de ello.

En estas condiciones, un agente basado en conocimiento va a tener los siguientes componentes:

El componente fundamental de un agente basado en conocimiento es su almacén de conocimiento, que puede serle dado inicialmente con un conjunto sencillo de sentencias y que el agente deberá hacer crecer en base a lo que percibe del entorno y a su sistema de inferencia.

Cuando se añaden sentencias al almacén de conocimiento, puede tratarse de información completamente nueva o puede tratarse de sentencias que se hayan deducido a partir de las ya existentes usando el sistema de inferencia.

Funcionamiento básico de los agentes basados en conocimiento
Los modelos vistos para programación de agentes inteligentes son compatibles con la idea de agente basado en conocimiento. La diferencia de un agente basado en conocimiento con otros agentes basados en algoritmos está en la forma en la que deciden qué acción deben tomar en cada estado percibido del entorno.

En un agente basado en conocimiento, el proceso de elegir una acción se desarrolla en varias etapas:

Un agente basado en conocimiento va a estar en condiciones de justificar de forma lógica sus acciones, cosa que no sucede con agentes basados en algoritmos.

Por ejemplo, si tenemos una aspiradora autónoma basada en conocimiento con la que queremos limpiar un piso y resulta que para entrar a la cocina sólo hay una puerta, cuando la aspiradora entre en la cocina puede justificar esa acción en el sentido de que es la única forma de llegar a la cocina y sin limpiar la cocina no puede completar su objetivo. De otra forma, con un algoritmo de búsqueda, terminaría entrando por la cocina, pero sin saber por qué.

Siguiendo con el ejemplo de la aspiradora, en el caso de que hubiera algún sitio lleno de cables con los que se pudiera quedar enredada, una simple sentencia evitaría que se acercara a los cables, mientras que modificar un algoritmo genérico para conseguir algo de eso no es nada sencillo.

Aprendizaje en agentes basados en conocimiento
En general, la capacidad de aprendizaje se puede incorporar a cualquier agente inteligente. En el caso de los agentes basados en conocimiento también es posible y además resulta más sencillo por la naturaleza del almacén de conocimiento. Por un lado, tiene capacidad innata para adquirir nuevos conocimientos pero además es capaz de adquirir conocimientos por sí solo, usando su sistema de inferencia.

De esta forma, por ejemplo, un agente que tome una decisión equivocada en un momento dado y sea capaz de observar las consecuencias sobre el entorno de su acción, debería poder inferir que su acción ha sido la causante de la situación actual del entorno y añadir ese conocimiento a su base de conocimiento para no volver a repetir el error.

Realmente, la forma natural de construir un agente que tenga gran capacidad de aprendizaje consiste en basarlo en conocimiento. Un agente basado en conocimiento que tenga la suficiente capacidad de aprendizaje podría constituirse fácilmente en un agente complétamente autónomo.



En vez de algoritmos, podemos tratar de basar el funcionamiento interno de un agente inteligente en conocimiento y razonamiento, tratando de emular, en lo posible, el funcionamiento del cerebro humano y abriendo muchas posibilidades para el agente.



Para saber más:

Libro de Stuart Russell y Peter Norvig que trata todas las técnicas de Inteligencia Artificial. No hace demasiado énfasis en cuestiones conectivistas (redes neuronales artificiales) y contiene abundante material del resto de técnicas. El capítulo 7 contiene una discusión detallada sobre los agentes basados en conocimiento.



 

Inicio Powered by NetBSD
 
HTML5
 
En general, todo el contenido de este sitio web es original, salvo referencias o enlaces a otros sitios web y citas o reproducciones expresamente presentadas como tales.

No está permitida la reproducción ni la copia del contenido de este sitio web sin el permiso expreso de la propiedad del mismo.

Este sitio web no utiliza cookies ni ningún otro mecanismo para almacenar información en los navegadores de los visitantes ni para realizar seguimiento de los mismos.

2017,2018 Revolucionia.net
Sobre Revolucionia
Temas
Para saber más
Contacto