Sistema de razonamiento procedimental - Enciclopedia
En la inteligencia artificial, un sistema de razonamiento procedimental (PRS) es un marco para construir sistemas de razonamiento en tiempo real que puedan realizar tareas complejas en entornos dinámicos. Se basa en la noción de agente racional o agente inteligente que utiliza el modelo de software de creencias-deseos-intenciones.
Una aplicación de usuario se define predominantemente y se proporciona a un sistema PRS un conjunto de áreas de conocimiento. Cada área de conocimiento es un fragmento de conocimiento procedimental que especifica cómo hacer algo, por ejemplo, cómo navegar por un pasillo o cómo planificar una trayectoria (a diferencia de las arquitecturas robóticas donde el programador simplemente proporciona un modelo de los estados del mundo y cómo las acciones primitivas del agente afectan a estos estados). Tal programa, junto con un intérprete PRS, se utiliza para controlar al agente.
El intérprete es responsable de mantener creencias sobre el estado del mundo, elegir cuáles objetivos intentar alcanzar a continuación y elegir qué área de conocimiento aplicar en la situación actual. Exactamente cómo se realizan estas operaciones puede depender de áreas de conocimiento de nivel metadominio específicas. A diferencia de los sistemas de planificación de IA tradicionales que generan un plan completo al principio y replanean si ocurren cosas inesperadas, el PRS entrelaza la planificación y la realización de acciones en el mundo. En cualquier momento, el sistema puede tener solo un plan parcialmente especificado para el futuro.
El PRS se basa en el marco BDI o creencias-deseos-intenciones para los agentes inteligentes. Las creencias consisten en lo que el agente cree que es cierto sobre el estado actual del mundo, los deseos consisten en los objetivos del agente y las intenciones consisten en los planes actuales del agente para alcanzar esos objetivos. Además, cada uno de estos tres componentes se representa típicamente explícitamente en alguna parte de la memoria del agente PRS en tiempo de ejecución, lo que se opone a los sistemas reactivos puramente, como la arquitectura de subsumpción.
Historia
El concepto de PRS fue desarrollado por el Centro de Inteligencia Artificial en SRI International durante la década de 1980, por muchos trabajadores, incluyendo a Michael Georgeff, Amy L. Lansky y François Félix Ingrand. Su marco fue responsable de explotar y popularizar el modelo BDI en software para el control de un agente inteligente. La aplicación seminal de este marco fue un sistema de detección de fallos para el sistema de control de reacción del transbordador espacial Discovery de la NASA. El desarrollo de este PRS continuó en el Instituto Australiano de Inteligencia Artificial hasta fines de la década de 1990, lo que llevó al desarrollo de una implementación en C++ y su extensión llamada dMARS.
Arquitectura
La arquitectura del sistema SRI's PRS incluye los siguientes componentes:
Base de datos para creencias sobre el mundo, representadas utilizando cálculo predicateivo de primer orden.
Objetivos que deben realizarse por el sistema como condiciones sobre un intervalo de tiempo en descripciones internas y externas del estado (deseos).
Áreas de conocimiento (KAs) o planes que definen secuencias de acciones de bajo nivel hacia la consecución de un objetivo en situaciones específicas.
Intenciones que incluyen的那些KAs que se han seleccionado para la ejecución actual y eventual.
Intérprete o mecanismo de inferencia que gestiona el sistema.
Características
El PRS de SRI se desarrolló para aplicaciones embebidas en entornos dinámicos y en tiempo real. En consecuencia, se abocó específicamente a las limitaciones de otras arquitecturas contemporáneas de control y razonamiento, como los sistemas expertos y el sistema de tablero. Las siguientes definen las exigencias generales para el desarrollo de su PRS:
manejo asincrónico de eventos
tipos de reacción y respuesta garantizados
representación procedimental del conocimiento
manejo de múltiples problemas
comportamiento reactivo y orientado a objetivos
enfoque de atención
capacidades de razonamiento reflexivo
operación continua embebida
manejo de datos incompletos o inexactos
manejo de transitorios
modelado de reacción retrasada
control operador
Aplicaciones
La aplicación seminal del PRS de SRI fue un sistema de monitoreo y detección de fallos para el sistema de control de reacción (RCS) del transbordador espacial de la NASA. El RCS proporciona fuerzas propulsivas desde una colección de reactores de chorro y controla la altitud del transbordador espacial. Se desarrolló y probó un sistema de diagnóstico de fallos basado en PRS utilizando un simulador. Incluía más de 100 KAs y más de 25 KAs de nivel meta. Las KAs específicas del RCS fueron escritas por los controladores de misión del transbordador espacial. Se implementó en la máquina Symbolics 3600 Series LISP y utilizó múltiples instancias comunicantes de PRS. El sistema mantuvo más de 1000 hechos sobre el RCS, más de 650 hechos solo para el RCS de avanzada y la mitad de ellos se actualizaron continuamente durante la misión. Se utilizó una versión del PRS para monitorear el sistema de control de reacción en el transbordador espacial Discovery de la NASA. El PRS se probó en el robot Shakey, incluyendo escenarios de navegación y fallos de reactor simulados basados en el transbordador espacial. Las aplicaciones posteriores incluyeron un monitor de red llamado el Sistema de Gestión de Red Interactivo en Tiempo Real (IRTNMS) para Telecom Australia.
Extensiones
A continuación se listan las principales implementaciones y extensiones de la arquitectura PRS.
UM-PRS
OpenPRS (anteriormente C-PRS y Propice)
AgentSpeak
Sistema de razonamiento distribuido multiagente (dMARS)
GORITE
JAM
JACK Intelligent Agents
SRI Procedural Agent Realization Kit (SPARK)
PRS-CL
Ver también
Sistema de razonamiento distribuido multiagente
JACK Intelligent Agents
Modelo de software de creencias-deseos-intenciones
Agente inteligente
Referencias
Leer más
M.P. Georgeff y A.L. Lansky. "Un sistema para la razonamiento en dominios dinámicos: Diagnóstico de fallos en el transbordador espacial" Nota Técnica 375, Centro de Inteligencia Artificial, SRI International, 1986.
Michael P. Georgeff, Amy L. Lansky, Marcel J. Schoppers. "Razonamiento y planificación en dominios dinámicos: Un experimento con un robot móvil" Nota Técnica 380, Centro de Inteligencia Artificial, SRI International, 1987.
M. Georgeff, y A. L. Lansky (1987). Conocimiento procedimental. Proceedings of the IEEE 74(10):1383–1398, IEEE Press.
Georgeff, Michael P.; Ingrand, Francois Felix. "Investigación en sistemas de razonamiento procedimental" Informe Final – Fase 1, Centro de Inteligencia Artificial, SRI International, 1988.
Michael P. Georgeff y François Félix Ingrand "Toma de decisiones en un sistema de razonamiento embebido" Proceedings of the Eleventh International Joint Conference on Artificial Intelligence, Detroit (Michigan), agosto de 1989.
K. L. Myers, Guía del Usuario para el Sistema de Razonamiento Procedimental Informe Técnico, Centro de Inteligencia Artificial, Informe Técnico, SRI International, Menlo Park, CA, 1997
Un Emparejamiento Hacedo en el Espacio, NASA, 2006
Enlaces externos
PRS-CL: Un Sistema de Razonamiento Procedimental Una extensión a PRS mantenida por SRI International