Documentos de Académico
Documentos de Profesional
Documentos de Cultura
De dвnde vienen los agentes inteligentes
De dвnde vienen los agentes inteligentes
constantemente sus rutinas para caminar en el entorno actual. Permitira tambin que el robot ajustase su forma de andar si cualquiera de los motores de sus patas fuese daado o inhabilitado. Con la tcnica de aprendizaje ``en cualquier momento'' incorporada, los nuevos controladores de robots podran ser continuamente evaluados, estando siempre disponibles las potencialmente mejores soluciones para el entorno actual.
desarrollarse. Sociedades de avisadores y escuchadores o lderes y seguidores podran mostrar algunas ventajas sobre las poblaciones homogneas. De nuevo, el objetivo es parametrizar las condiciones que conducen a la evolucin de varias estrategias. Este conocimiento podra conseguir mejores mtodos de diseo para sistemas cooperativos con mltiples agentes. Adems, el trabajo podra aplicarse en controladores de alto nivel par los robots de Parker, con el fin de coordinar las acciones de una colonia de robots.
El habla tonta
En gran parte como el trabajo de Cris Baray sobre la coordinacin de las acciones de mltiples agentes con seales, el trabajo de Kyle Wagner est centrado en las seales concretas que los organismos utilizan. l se fija en los efectos de varias variables del entorno en la evolucin de los sistemas de comunicaciones, tales como el lenguaje humano. iquest;Por qu han evolucionado los sistemas de comunicaciones en tantas especies [11, 23]? iquest;Surgen estos sistemas siempre en las especies o hay aspectos de su entorno que pueden predecir si un sistema de comunicacin aparecer o no? Cuestiones como estas no pueden responderse con los enfoques de la IA tradicional ya que requieren muchos agentes que interactan (haciendo seales). Las simulaciones de Wagner tratan los efectos de la abundancia de recursos, los costes de las seales y la densidad de la poblacin en la evolucin de las seales. Cada agente es un mecanismo simple de estmulo-respuesta: puede detectar la presencia de recursos, seales y otros agentes, adems de moverse y enviar seales. El comportamiento particular de cada agente queda determinado por sus genes. Inicialmente, los agentes tienen genes aleatorios, as que son agentes tontos, incapaces de responder a su entorno adecuadamente. Como su xito en el mundo determina su xito en el apareamiento, cada generacin siguiente de los agentes llega a ser mejor en el trato con su entorno. Eventualmente, en algunas poblaciones evolucionan comportamientos que hacen seales para ayudarles a obtener recursos de una forma ms efectiva. En otros experimentos, en las poblaciones evolucionan comportamientos simples de recoleccin de recursos que no utilizan seales en absoluto (esto ocurre cuando el coste de la seal es demasiado elevado o la densidad de poblacin y la carencia de recursos hacen que las seales sean menos tiles). Wagner tambin explota las interacciones entre aprendizaje y evolucin e una sociedad de agentes [22, 21]. En particular, se pregunta por qu es la transmisin cultural tan importante para la forma particular de lenguaje que los humanos hablan [5, 16]. Por ejemplo, un beb nacido de padres alemanes que a continuacin crece en Japn -- y va a colegios japoneses -- aprender japons. Sin embargo, el beb no tiene antepasados japoneses. Cmo puede ser si el ADN controla el comportamiento como la comunicacin? La respuesta puede ser que el aprendizaje se combina con la evolucin para desarrollar un comportamiento complejo como el idioma (vase [7] para ms informacin acerca de la relacin entre evolucin y aprendizaje). Las simulaciones de Wagner de la tensin ente evolucin y aprendizaje se estn encaminando hacia la captura de la dinmica de una poblacin de agentes que hacen seales y no pueden confiar en su sistema de seales innato (especificado genticamente). Por qu los organismos podran no ser capaces de confiar en las seales que la evolucin les ha dado? Una explicacin es
que el entorno cambia demasiado rpido para que la gentica le siga el paso. El aprendizaje se introduce como una solucin a este problema. Es posible que los humanos transmitan su sistema de seales mediante la cultura porque el entorno eta muy inestable en algn tiempo del pasado de nuestra especia y la evolucin eta demasiado lenta para modificar las seales actuales y adaptarlas al nuevo entorno. Solamente el tiempo (y muchos experimentos) dirn si esta hiptesis acerca de la evolucin se mantiene.
mundo de los objetos y las palabras tienen que sobrevivir en el vocabulario. Sin embargo, ya que cada especie de agente depende de la otra, colectivamente resuelven el problema mayor de desarrollar un lenguaje til para describir el mundo.
Sin embargo, an creemos que las interacciones de muchos agentes simples puede llegar a un comportamiento complejo. Los proyectos que hemos descrito son slo una parte de un trabajo creciente de investigadores que creen que agentes tontos distribuidos pueden ``hacer el trabajo'' mejor que un nico agente sofisticado [23, 11, 9, 13]. Estos trabajos estn todos inspirados de un forma u otra en los algoritmos genticos presentados por John Holland, los maravillosos ensayos de Marvin Minsky acerca de distintos agentes tontos que forman The Society of Mind, la ``ta Hilda'' del libro Godel, Escher, Bach de Douglas Hofstadter, que tan elocuentemente dibuja la analoga de hormigas y hormigueros con neuronas y mentes; y otros muchos trabajos que pueden encontrarse en las actas de las conferencias Artificial Life (vida artificial) y Simulation of Adaptive Behavior (simulacin del comportamiento adaptativo). Un rea del esfuerzo humano demuestra claramente el poder de muchos agentes ingenuos trabajando con un objetivo mucho mayor y ms complejo: la ciencia. Ningn cientfico intenta comprender todo de inmediato. Ms bien cada cientfico intenta trabajar en su campo altamente especfico, haciendo contribuciones a la suma del conocimiento en esa rea. Conforme cada rea crece mediante las contribuciones de los individuos, esos individuos pueden usar el trabajo previo para construir nuevas y mejores teoras. Aunque pueda resultar paradjico decir que comportamientos complejos pueden surgir de agentes inicialmente ingenuos, el trabajo llevado a cabo en la Universidad de Indiana y en otros lugares muestra que una gran diversidad de problemas puede tratarse con el enfoque de los agentes tontos. Los agentes inteligentes son difciles de programar desde cero y algunas tareas no pueden llevarse a cabo por un nico agente. El enfoque alternativo, comenzando con una poblacin de agentes tontos y seleccionndolos para incrementar el rendimiento, parece funcionar bien en un gran nmero de dominios. Finalmente, nuestra propia sociedad est compuesta por muchos agentes, cada uno capaz de conseguir ms de lo que podra individualmente con la ayuda de la cooperacin, la comunicacin y la evolucin.
Agradecimientos
Nos gustara agradecer al Profesor Rawlins, a Jim Newkirk y a Gary Parker por hacer su trabajo accesible a todos nosotros. Gracias tambin a Jim por sus comentarios y contribuciones a este artculo.
Referencias
1 Baray, C. Evolving cooperation via communication in homogeneous multi-agent systems in Proceedings of Intelligent Information Systems (Dec. 1997, Freeport, Bahamas) IEEE Computer Society, Los Alamitos, CA. 1997. pp 204-208. 2
Batali, J. Computational Simulations of the Emergence of Grammar, in Hurford, Studdert-Kennedy, Knight, (eds.), Approaches to the Evolution of Language, Cambridge, 1998. http://cogsci.ucsd.edu/~batali/papers/grammar.html 3 Braitenburg, V. Vehicles. MIT Press, Cambridge, MA. 1984. 4 Brooks, R. A Robot That Walks : Emergent Behaviors from a Carefully Evolved Network, in Neural Computation (pp 254-262). 5 Dyer, M. Toward synthesizing artificial neural networks that exhibit cooperative intelligent behavior: Some open issues in artificial life, in C. Langton (ed.), Artificial Life: An overview, MIT Press, MA, 1995, pp. 111-134. 6 Goldberg, D. Genetic algorithms in Search, Optimization and Machine Learning. Addison-Wesley, Reading, MA, 1989. 7 Hinton, G.E. and Nowlan, S.J.. How learning can guide evolution, in Complex Systems 1 (1987), pp. 495-502. 8 Hofstadter, D. Godel, Escher, Bach: An eternal golden braid. Basic Books, NY, 1979. 9 Holland, J. Hidden Order: How adaptation builds complexity Helix Books, Reading, MA, 1995. 10 Levy, S. Artificial Life: The quest for a new creation Jonathan Cape, London, 1992. 11 MacLennan, B. and Burghardt, G. Synthetic Ethology and the Evolution of Cooperative Communication, in Adaptive Behavior 2, 2 (Fall 1993), 161-188. http://www.cs.utk.edu/~mclennan/alife.html 12 Minsky, M. The Society of Mind. Simon and Schuster, NY, 1985. 13 Mitchell, M. An Introduction to Genetic Algorithms. MIT Press, Cambridge, MA, 1996. 14 Nilsson, N. Artificial Intelligence: A new synthesis. Morgan Kaufmann, San Francisco, CA, 1998. 15 Oliphant, M. and Batali, J.. Learning and the emergence of coordinated communication, in Center for Research on Language Newsletter 11, 1, (1997). http://www.ling.ed.ac.uk/~oliphant/papers/learnabs.html 16 Parisi, D. An Artificial Life Approach to Language, in Brain and Language 59 (1997), 121-146. 17
Parker, G. Evolving Hexapod Gaits Using a Cyclic Genetic Algorithm in Proceedings of th IASTED International Conference on Artificial Intelligence and Soft Computing (July 1997, Banff, Canada) pp. 141-144. 18 Parker, G. Metachronal Wave Gait Generation for Hexapod Robots in Proceedings of the Seventh International Symposium on Robotics with Applications (May 1998, Anchorage, AK). 19 Parker, G. Generating Arachnid Robot Gaits with Cyclic Genetic Algorithms in Genetic Programming III 1998 pp. 576-583. 20 Rawlins, G. Slaves of the Machine : The Quickening of Computer Technology. MIT Press, Massachusetts, 1997. 21 Steels, L. Synthesising the Origins of Language and Meaning Using Co-evolution, Selforganization and Level Formation, in J. Hurford (ed.) Evolution of Human Language Edinbugh University Press, Edinbugh, 1997. 22 Todd, P., and Miller, G. Exploring Adaptive Agency I: Theory and methods for simulating the evolution of learning. In Connectionist Models: Proceedings of the 1990 Summer School Morgan-Kaufmann, San Mateo, CA, 1991, pp. 65-80. 23 Werner, G. and Dyer, M.. Evolution of Communication in Artificial Organisms, in C. Langton, C. Taylor, J. Farmer, and S. Rasmussen (eds.), Artificial Life II, SFI Studies in the Sciences of Complexity, vol. X Addison-Wesley, MA, 1991, pp. 659-687. Cristobal Baray es un estudiante graduado que persigue un doctorado conjunto en Ciencias de la Computacin y Ciencias Cognitivas en la Universidad de Indiana. Su devocin a este enfoque se expresa en el tatuaje de su pantorrilla izquierda -- un par de hormigas comunicndose. Se puede contactar con l en cbaray@cs.indiana.edu Kyle Wagner tambin es un estudiante graduado que persigue un doctorado conjunto en Ciencias de la Computacin y Ciencias Cognitivas en la Universidad de Indiana. l estudia la evolucin de la comunicacin y la naturaleza del significado. Programa en Java. Su tipo de comida favorita es el chocolate. Su direccin de correo electrnico es elyk@cs.indiana.edu