inteligencia artificial

Un espacio para compartir y discutir sobre: IA, software libre y redes sociales que implementan TIC

Wednesday, October 25, 2006

ejemplo red semantica prolog

% casos conocidos:
isa(pajaro,animal).
isa(pinguino,pajaro).
isa(mamifero,animal).
isa(reptil,animal).
isa(arboles,vegetal).
isa(pinguinomagico,fantasia).
isa(pinguinomagico,pajaro).

% casos conocidos de tiene:
has(pajaro,volar).
hasnot(pinguino,volar).
has(pajaro,pluma).
has(reptil,ponehuevos).
has(pajaro,ponehuevos).


es(X,Y):-isa(X,Y).
es(X,Y):-isa(X,Z),es(Z,Y).

tiene(X,Y):-has(X,Y).
tiene(X,Y):-isa(X,Z),tiene(Z,Y),not(hasnot(X,Y)).

Wednesday, October 18, 2006

Los robots y la vida artificial

La siguiente es una traducción de la introducción del capítulo 6 de:

Clark, Andy. 2001. Mindware: an introducton to the philosophy of cognitive science. New York :Oxford University

________________________________


El trabajo de la robótica se caracteriza por tres temáticas distintas, pero interrelacionadas:

  1. Un interés por sistemas completos pero de nivel inferior (organismos artificiales completos, relativamente autónomos que deben sentir y actuar en ambientes realistas)
  2. Un reconocimiento de la compleja contribución del cuerpo, la acción y el contexto medioambiental a la conducta adaptativa
  3. Una atención especial a los asuntos que tienen que ver con la emergencia y los efectos colectivos

En este esbozo, presento estos temas usando dos ejemplos concretos: la fonotaxis del grillo y la construcción del nido de termitas.

El interés por sistemas completos pero de nivel inferior ha sido ilustrado célebremente con el trabajo de Rodney Brooks en el diseño de robots móviles (mobots), y con robots como Herbert [diseñado para recolectar tarros de bebida dispersos en un laboratorio donde hay muchas personas]. Pero la idea de la construcción de este tipo de organismos se remonta al inicio de los años 1950, cuando W. Grey Walter creó un par de tortugas cibernéticas llamadas Elmer y Elsie. En 1978, el filósofo Daniel Dennett publicó una breve pieza llamada “¿Y Por Qué No Toda la Iguana?” que argumentaba del mismo modo a favor de sistemas simples completos que desplegaran acción integrada, sensación, y rutinas de planeamiento (compárese esto con el énfasis en aspectos aislados de la cognición avanzada como el juego de ajedrez, la comprensión de relatos, y el diagnóstico médico propios de la inteligencia artificial clásica). Una razón poderosa detrás de este cambio es que las soluciones biológicas para estos problemas más avanzados pueden estar profundamente moldeadas por soluciones preexistentes para problemas más básicos de movimiento, sensación, y selección de la acción. Además, la idea de que es ventajoso separar las funciones básicas como la visión, el planeamiento, y las acciones es dudosa en sí misma: estas funciones parecen estar íntimamente interrelacionadas en los sistemas inteligentes naturales. Como un ejemplo del enfoque de sistema completo, consideremos (para variar ya que los robots de Brooks son, aunque apropiados, un ejemplo sobre-usado) el reciente trabajo de Barbara Webb en fonotaxis de grillo.

Los grillos hembras pueden identificar a un macho de la misma especie por su canto, y pueden usar el canto detectado como una señal que permite a la hembra encontrar al macho. El término “fonotaxis” designa esta capacidad de detectar una señal o sonido específico y moverse hacia este de manera confiable. El canto del grillo macho se produce al friccionar las alas entre sí y consiste en una frecuencia de transmisión (un tono simple) y un ritmo (la manera en que el tono es transmitido en ráfagas discretas), separadas por silencios, en la medida que las alas se abren y cierran). El patrón de las repeticiones de las ráfagas (o las “sílabas”) es un indicador importante de especie, en tanto que la fuerza o volumen del canto puede ayudar a elegir el macho más deseable de un grupo. El grillo hembra entonces debe

  1. Oír e identificar el canto de su propia especie
  2. Localizar la fuente del canto, y
  3. Trasladarse hacia él.

Sin embargo, esta manera de describir el problema puede ser inadecuada, debido a razones cada vez más conocidas. La rutina de oír-localizar-trasladarse constituye un nítido trabajo de descomposición e identifica una secuencia de sub-tareas que resolverían el problema expeditamente. Pero esta rutina está sujeta a una visión no biológica de funcionalidad uniforme y flujo secuencial. Webb, fuertemente inspirado en lo que se conoce de la anatomía y la neurofisiología reales del grillo, el siguiente escenario alternativo, que fue exitosamente implementado en un grillo robot.

Los oídos del grillo están en sus patas delanteras y se unen por un tubo traqueal interno que también se abre al mundo externo en otros dos puntos -spiracles- del cuerpo. De esta manera, los sonidos externos llegan a cada oído a través de dos vías: La ruta externa directa (de la fuente sonido al oído) y una ruta interna indirecta (a través del otro oído, los spiracles, y el tubo traqueal). El tiempo que toma viajar por el tubo altera la fase de la “ruta interna” del sonido relativa a la “ruta externa” del sonido en el costado (oído) más cercano a la fuente de sonido (ya que el sonido que llega al oído más cercano de la fuente externa habrá viajado una distancia mucho más corta que el sonido que llga al mismo oído a través de la ruta interna). Como resultado, una circuitería neural o electrónica simple puede ser utilizada para sumar las ondas sonoras fuera de fase, causando una vibración de mayor amplitud (escuchada como un sonido más fuerte) en el oído más cercano a la fuente del sonido. La orientación en la dirección del macho está directamente controlada por este efecto. Cada una de las dos interneuronas (una conectada a cada oído) gatilla cuando el input (amplitud de la vibración) alcanza un nivel crítico. Pero aquella conectada al oído que esté más próximo a la fuente de sonido es la que alcanzará este umbral primero. El sistema nervioso del grillo está robustamente construido para hacer girar al grillo hacia el costado en que la correspondiente interneurona gatilla primero. Como resultado de esto, el insecto responde, al inicio de cada chirriada del canto del macho, girando y moviéndose en dirección del sonido (esta es la importancia de la repetición de sílabas cuando se atrae a la pareja). Nótese, finalmente, que en esta historia las particularidades del tubo traqueal son especialmente cruciales para tener éxito. Como señala Webbs:

Uno de los principios fundamentales de este sistema es que el tubo traqueal del grillo transmite sonidos en la frecuencia deseada del canto, y los cambios de fase en esta transmisión son apropiados para esa longitud de onda particular. (Webbs, 1996, p. 64)


El resultado es que el grillo robot no posee un mecanismo general para identificar la dirección de los sonidos, ni tampoco necesita discriminar activamente el canto de su propia especie de otros cantos. Debido a que otros sonidos son estructuralmente incapaces de generar una respuesta direccional. El grillo robot no tiene éxito tratando de adaptar capacidades de propósito general (como el reconocimiento de patrones y la ubicación de sonidos) al caso especial de la detección de pareja: en vez de eso, lo que hace es explotar estrategias altamente eficientes pero de (en realidad debido a) propósitos específicos. El robot no construye un modelo sofisticado de su ambiente y luego aplica un sistema de inferencia lógico-deductivo para generar planes de acción. Ni siquiera posee un depósito central de información sensorial capaz de integrar un input de multimodelos.
En consecuencia, no es del todo obvio que el grillo robot utilice algo posible de ser entendido como representaciones internas. Ciertamente, diversos estados internos corresponden a parámetros externos, y ciertas variables internas a respuestas motoras. Pero Webbs argumenta que:

No es necesario usar estas interpretaciones simbólicas para explicar cómo funciona el sistema: las variables sirven a una función mecánica al conectar elementos sensoriales y motores, un rol epistemológicamente comparable a la función de los engranajes que conectan el motor a las ruedas. (Webbs, 1994, p. 53)

De hecho, entender el comportamiento del grillo robot requiere atención en los detalles que (desde el punto de vista de la ciencia cognitiva clásica) parecen más bien descripciones de implementación y contexto ambiental que rasgos sustantivos de un sistema de control interno inteligente. Entre los factores claves se incluyen, como se ha dicho, la traquea de longitud fija y la discontinuidad y repetición del canto del macho. La explicación de la fonotaxis del grillo real, si es que hay algo correcto en el modelo de Webbs, involucra una interacción compleja entre el cerebro, el cuerpo y el mundo, sin un solo componente que sufra la carga de la resolución de problemas.

Una vertiente principal de la vida artificial acentúa entonces la importancia de la actividad en mundo real y tiempo real, y la distribución de los aportes de la resolución de problemas a través del cuerpo, el cerebro, y el ambiente local. Otra vertiente, a la que nos adentramos ahora, acentúa asuntos relacionados a la emergencia y efectos colectivos en grandes ensambles. Para captar la idea, consideremos el innovador trabajo de Craig Reynolds acerca de las bandadas. Reynolds (1987) mostró que el comportamiento fluido y elegante de los aves y otros animales en bandadas podía ser replicado (en animación computacional) usando un grupo de agentes simulados (boids) cada uno de los cuales seguía sólo tres reglas locales simples.

A groso modo, las reglas eran tratar de permanecer cerca de un conjunto de otros boids, igualar la velocidad de los vecinos, y tratar de evitar acercarse demasiado a cualquiera de los vecinos. Cuando cada boid seguía estas reglas, se presentaban patrones de actividad en pantalla que se asemejaban bastante al comportamiento de aves reales en bandadas, peces en cardúmenes, y otros animales. Los boids que se espaciaban demasiado volvían inmediatamente a cerrar filas, para luego producir un movimiento de grupo en el que cada boid hacía sutiles ajustes de velocidad y posición según fuera necesario. Luego, inesperadamente, cuando la bandada móvil se topaba con un obstáculo, simplemente se disgregaba, para bordearlo y ¡volver elegantemente a al formación al otro lado!

<>
(To be continued)

Tuesday, October 10, 2006

Redes Semánticas

4.3.2 Esquemas de redes semánticas


ISSN: 1139-8736
Depósito Legal: B-35510-2000
Copyright © 2000 Antonio Moreno Ortiz

Los responsables de los primeros esquemas de representación formalizados fueron Quillian (1968) y Shapiro & Woddmansee (1971). Los esquemas de redes semánticas tienen una fundamentación psicológica muy sólida, tal y como apuntábamos en el Capítulo 2, por lo que se han realizado numerosos esfuerzos por llevar a cabo implementaciones importantes basadas en ellas.

Las redes semánticas han sido muy utilizadas en IA para representar el conocimiento y por tanto ha existido una gran diversificación de técnicas. Los elementos básicos que encontramos en todos los esquemas de redes son:

  1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos.
  2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.

Básicamente, podemos distinguir tres categorías de redes semánticas:

  1. Redes IS-A, en las que los enlaces entre nodos están etiquetados.
  2. Grafos conceptuales: en los que existen dos tipos de nodos: de conceptos y de relaciones
  3. Redes de marcos: en los que los puntos de unión de los enlaces son parte de la etiqueta del nodo.

En general, cuando se habla de "redes semánticas" se suele hacer referencia a uno de estos esquemas, normalmente a las redes IS-A o a los esquemas basados en marcos, que comparten ciertas características fundamentales. De entre estas características compartidas destacamos la herencia por defecto (default inheritance). En una red semántica, los conceptos (o estructuras, clases, marcos, dependiendo del esquema concreto) están organizados en una red en la que existe un nodo superior (top: T) al que se le asigna uno o varios nodos hijos, que a su vez tienen otros conceptos hijos y así sucesivamente hasta que se alcanza el final (bottom: bottom.gif (839 bytes)), cuyos nodos ya no son conceptos sino instancias.

A continuación estudiamos los tres tipos de esquemas de redes semánticas que han tenido una mayor repercusión. De los tres, el esquema basado en marcos es el que permite una mayor flexibilidad, y el que ha recibido mayor atención por parte de los investigadores de ciencia cognitiva y lingüística.

+++++++++