Ir al contenido

LIDA (arquitectura cognitiva)

De Wikipedia, la enciclopedia libre
La versión para imprimir ya no se admite y puede contener errores de representación. Actualiza los marcadores del navegador y utiliza en su lugar la función de impresión predeterminada del navegador.

La arquitectura cognitiva LIDA (Learning Intelligent Distribution Agent) intenta modelar un amplio espectro de la cognición en sistemas biológicos, desde la percepción/acción de bajo nivel hasta el razonamiento de alto nivel. Desarrollada principalmente por Stan Franklin y sus colegas en la Universidad de Memphis, la arquitectura LIDA está fundamentada empíricamente en la ciencia cognitiva y la neurociencia cognitiva. Además de proporcionar hipótesis para guiar futuras investigaciones, la arquitectura puede servir como estructura de control para agentes de software y robots. El modelo conceptual de LIDA ofrece explicaciones plausibles para muchos procesos cognitivos y también se utiliza como una herramienta para reflexionar sobre el funcionamiento de las mentes.

Dos hipótesis subyacen a la arquitectura LIDA y a su modelo conceptual correspondiente: 1) Gran parte de la cognición humana funciona mediante iteraciones frecuentes (~10 Hz) de interacciones, denominadas ciclos cognitivos, entre los contenidos conscientes, los diversos sistemas de memoria y la selección de acciones. 2) Estos ciclos cognitivos sirven como los "átomos" de la cognición, a partir de los cuales se componen los procesos cognitivos de nivel superior.

Resumen general

Aunque no es estrictamente simbólica ni conexionista, LIDA es una arquitectura híbrida que emplea una variedad de mecanismos computacionales elegidos por su plausibilidad psicológica. El ciclo cognitivo de LIDA está compuesto por módulos y procesos que utilizan estos mecanismos.

Mecanismos computacionales

La arquitectura LIDA emplea varios módulos diseñados utilizando mecanismos computacionales extraídos de la "nueva IA".[aclaración requerida] Estos incluyen variantes de la arquitectura Copycat,[1][2]​ la memoria distribuida dispersa,[3][4]​ el mecanismo de esquemas,[5][6]​ la Red de Comportamiento,[7][8]​ y la arquitectura de subsunción.[9]

Fundamentos psicológicos y neurobiológicos

Como una arquitectura cognitiva conceptual y computacional integral, LIDA está diseñada para modelar una gran parte de la cognición humana.[10][11]​ Con una amplia gama de módulos y procesos cognitivos, la arquitectura LIDA intenta implementar y desarrollar varias teorías psicológicas y neuropsicológicas, incluyendo la Teoría del Espacio Global de Trabajo,[12]​ la cognición situada,[13]​ los sistemas de símbolos perceptuales,[14]​ la memoria de trabajo,[15]​ la memoria por affordances,[16]​ la memoria de trabajo a largo plazo,[17]​ y la arquitectura H-CogAff.[18]

Ciclo cognitivo

El ciclo cognitivo de LIDA se puede subdividir en tres fases: la fase de comprensión, la fase de atención (conciencia) y la fase de selección de acciones y aprendizaje. Al comenzar la fase de comprensión, los estímulos entrantes activan detectores de características de bajo nivel en la memoria sensorial. La salida se dirige a la memoria asociativa perceptual, donde los detectores de características de alto nivel conducen a entidades más abstractas como objetos, categorías, acciones, eventos, etc. El percepto resultante se transfiere al Espacio de Trabajo, donde activa tanto la Memoria Episódica Transitoria como la Memoria Declarativa, produciendo asociaciones locales. Estas asociaciones locales se combinan con el percepto para generar un modelo situacional actual, que es la comprensión del agente de lo que está sucediendo en ese momento. La fase de atención comienza con la formación de coaliciones de las partes más relevantes del modelo situacional actual, que luego compiten por la atención, es decir, por un lugar en los contenidos conscientes actuales. Estos contenidos conscientes se transmiten globalmente, iniciando la fase de aprendizaje y selección de acciones. Nuevas entidades y asociaciones, y el refuerzo de las ya existentes, ocurren cuando la transmisión consciente llega a las diversas formas de memoria, perceptual, episódica y procedimental. En paralelo con todo este aprendizaje, y utilizando los contenidos conscientes, se instancian posibles esquemas de acción desde la Memoria Procedimental y se envían a la Selección de Acciones, donde compiten para ser el comportamiento seleccionado para este ciclo cognitivo. El comportamiento seleccionado activa la memoria sensoriomotora para producir un algoritmo adecuado para su ejecución, lo que completa el ciclo cognitivo.

Historia

Virtual Mattie (V-Mattie) es un agente de software[19]​ que recopila información de los organizadores de seminarios, compone anuncios de los seminarios de la semana siguiente y los envía por correo cada semana a una lista que mantiene actualizada, todo ello sin la supervisión de un humano.[20]​ V-Mattie utilizaba muchos de los mecanismos computacionales mencionados anteriormente.

La Teoría del Espacio Global de Trabajo (GWT) de Baars inspiró la transformación de V-Mattie en Conscious Mattie, un agente de software con el mismo dominio y tareas cuya arquitectura incluía un mecanismo de conciencia al estilo de la GWT. Conscious Mattie fue el primer agente de software funcionalmente consciente, aunque no fenomenológicamente. Conscious Mattie dio lugar a IDA.

IDA (Agente de Distribución Inteligente) fue desarrollado para la Armada de los Estados Unidos[21][22][23]​ para realizar tareas llevadas a cabo por el personal de recursos humanos llamados "detailers". Al final de cada período de servicio de un marinero, se le asigna un nuevo destino. Este proceso de asignación se denomina distribución. La Armada emplea a casi 300 detailers a tiempo completo para llevar a cabo estas nuevas asignaciones. La tarea de IDA es facilitar este proceso, automatizando el rol del detailer. IDA fue probada por antiguos detailers y aceptada por la Armada. Varias agencias de la Armada apoyaron el proyecto IDA con alrededor de $1,500,000.

La arquitectura LIDA (Learning IDA) se originó a partir de IDA con la adición de varios estilos y modos de aprendizaje,[24][25][26]​ pero desde entonces ha crecido hasta convertirse en un marco de software mucho más amplio y genérico.[27][28]

Notas

  1. Hofstadter, D. (1995). Fluid Concepts and Creative Analogies: Computer Models of the Fundamental Mechanisms of Thought. New York: Basic Books.
  2. Marshall, J. (2002). Metacat: A self-watching cognitive architecture for analogy-making. In W. D. Gray & C. D. Schunn (eds.), Proceedings of the 24th Annual Conference of the Cognitive Science Society, pp. 631-636. Mahwah, NJ: Lawrence Erlbaum Associates
  3. Kanerva, P. (1988). Sparse Distributed Memory. Cambridge MA: The MIT Press
  4. Rao, R. P. N., & Fuentes, O. (1998). Hierarchical Learning of Navigational Behaviors in an Autonomous Robot using a Predictive Sparse Distributed Memory (enlace roto disponible en este archivo).. Machine Learning, 31, 87-113
  5. Drescher, G.L. (1991). Made-up minds: A Constructivist Approach to Artificial Intelligence
  6. Chaput, H. H., Kuipers, B., & Miikkulainen, R. (2003). Constructivist Learning: A Neural Implementation of the Schema Mechanism. Paper presented at the Proceedings of WSOM '03: Workshop for Self-Organizing Maps, Kitakyushu, Japan
  7. Maes, P. 1989. How to do the right thing. Connection Science 1:291-323
  8. Tyrrell, T. (1994). An Evaluation of Maes's Bottom-Up Mechanism for Behavior Selection. Adaptive Behavior, 2, 307-348
  9. Brooks, R.A. Intelligence without Representation. Artificial intelligence, 1991. Elsevier
  10. Franklin, S., & Patterson, F. G. J. (2006). The LIDA Architecture: Adding New Modes of Learning to an Intelligent, Autonomous, Software Agent IDPT-2006 Proceedings (Integrated Design and Process Technology): Society for Design and Process Science
  11. Franklin, S., Ramamurthy, U., D'Mello, S., McCauley, L., Negatu, A., Silva R., & Datla, V. (2007). LIDA: A computational model of global workspace theory and developmental learning. In AAAI Fall Symposium on AI and Consciousness: Theoretical Foundations and Current Approaches. Arlington, VA: AAAI
  12. Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge: Cambridge University Press
  13. Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind. Cambridge, Massachusetts: MIT Press
  14. Barsalou, L. W. 1999. Perceptual symbol systems. Behavioral and Brain Sciences 22:577–609. MA: The MIT Press
  15. Baddeley, A. D., & Hitch, G. J. (1974). Working memory. In G. A. Bower (Ed.), The Psychology of Learning and Motivation (pp. 47–89). New York: Academic Press
  16. Glenberg, A. M. 1997. What memory is for. Behavioral and Brain Sciences 20:1–19
  17. Ericsson, K. A., and W. Kintsch. 1995. Long-term working memory. Psychological Review 102:21–245
  18. Sloman, A. 1999. What Sort of Architecture is Required for a Human-like Agent? In Foundations of Rational Agency, ed. M. Wooldridge, and A. Rao. Dordrecht, Netherlands: Kluwer Academic Publishers
  19. Franklin, S., & Graesser, A., 1997. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents. Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, published as Intelligent Agents III, Springer-Verlag, 1997, 21-35
  20. Franklin, S., Graesser, A., Olde, B., Song, H., & Negatu, A. (1996, Nov). Virtual Mattie—an Intelligent Clerical Agent. Paper presented at the Symposium on Embodied Cognition and Action: AAAI, Cambridge, Massachusetts.
  21. Franklin, S., Kelemen, A., & McCauley, L. (1998). IDA: A Cognitive Agent Architecture IEEE Conf on Systems, Man and Cybernetics (pp. 2646–2651 ): IEEE Press
  22. Franklin, S. (2003). IDA: A Conscious Artifact? Journal of Consciousness Studies, 10, 47–66
  23. Franklin, S., & McCauley, L. (2003). Interacting with IDA. In H. Hexmoor, C. Castelfranchi & R. Falcone (Eds.), Agent Autonomy (pp. 159–186 ). Dordrecht: Kluwer
  24. D'Mello, Sidney K., Ramamurthy, U., Negatu, A., & Franklin, S. (2006). A Procedural Learning Mechanism for Novel Skill Acquisition. In T. Kovacs & James A. R. Marshall (Eds.), Proceeding of Adaptation in Artificial and Biological Systems, AISB'06 (Vol. 1, pp. 184–185). Bristol, England: Society for the Study of Artificial Intelligence and the Simulation of Behaviour
  25. Franklin, S. (2005, March 21–23, 2005). Perceptual Memory and Learning: Recognizing, Categorizing, and Relating. Paper presented at the Symposium on Developmental Robotics: American Association for Artificial Intelligence (AAAI), Stanford University, Palo Alto CA, USA
  26. Franklin, S., & Patterson, F. G. J. (2006). The LIDA Architecture: Adding New Modes of Learning to an Intelligent, Autonomous, Software Agent IDPT-2006 Proceedings (Integrated Design and Process Technology): Society for Design and Process Science
  27. Franklin, S., & McCauley, L. (2004). Feelings and Emotions as Motivators and Learning Facilitators Architectures for Modeling Emotion: Cross-Disciplinary Foundations, AAAI 2004 Spring Symposium Series (Vol. Technical Report SS-04-02 pp. 48–51). Stanford University, Palo Alto, California, USA: American Association for Artificial Intelligence
  28. Negatu, A., D'Mello, Sidney K., & Franklin, S. (2007). Cognitively Inspired Anticipation and Anticipatory Learning Mechanisms for Autonomous Agents. In M. V. Butz, O. Sigaud, G. Pezzulo & G. O. Baldassarre (Eds.), Proceedings of the Third Workshop on Anticipatory Behavior in Adaptive Learning Systems (ABiALS 2006) (pp. 108-127). Rome, Italy: Springer Verlag

Enlaces externos