El AIA-1 (Agente Inteligente Autónomo, versión 1) es un agente artificial –todavía en construcción– que no sólo aprende a reaccionar correctamente –a fin de percibir su entorno– sino que también aprende a mejorar sus funciones “mentales”, creando y usando nuevos conceptos y reglas. A partir de un pequeño conjunto de conceptos y reglas elementales y de bajo nivel, construye otras nuevas (a través de un proceso de prueba y error). De esta manera, el AIA-1 puede auto-modificarse, lo cual significa que tiene el potencial de volverse más complejo, llegando a niveles difíciles de determinar de antemano.

Inicialmente se pretende desarrollar e implementar un “núcleo” mental (simiente, semilla o “seed”, en inglés) que –mediante instrucción, autoaprendizaje y adaptación– sea capaz de desarrollarse, madurar y evolucionar. En efecto, al dotar a este núcleo de módulos adicionales (fundamentalmente sentidos y efectores) y un cuerpo físico, y al ubicarlo dentro de una situación, de un contexto (tanto físico como social), se estima que el AIA aumente enormemente sus conocimientos y sus habilidades (cognitivas, emocionales y sensomotoras).
Los “Agentes Inteligentes Autónomos” constituyen la frontera en la investigación de la Inteligencia Artificial, superando tanto al enfoque simbólico (también llamado IA clásica y que se inspira en la psicología), como al enfoque subsimbólico (también llamado conexionista y que se inspira en la neurología.) Para la vertiente simbólica, que dominó el panorama durante las décadas del 60 al 80, la mente es una máquina de procesamiento de información, en donde no interesan los mecanismos biológicos subyacentes. Su estrategia recibe el nombre de enfoque descendente o Top-Down, y sus ejemplos más significativos son los Sistemas Expertos, los programas de resolución de problemas matemáticos o los programas de juegos, como el ajedrez. Por el contrario, la corriente conexionista, que resurgió a partir de la década del 80 gracias al progreso de las neurociencias, intenta imitar el sustrato emergente de la inteligencia, no recreando en detalle los mecanismos biológicos, sino reproduciendo sólo sus propiedades observables. Su estrategia recibe el nombre de enfoque ascendente o Bottom-Up, y sus ejemplos más significativos son las Redes Neuronales Artificiales y los Algoritmos Genéticos [Moriello, 2001, p. 91/2].

El enfoque basado en agentes considera que la genuina inteligencia sólo es posible si se cuenta con un cuerpo situado dentro de un entorno físico y que se desarrolla epigenéticamente dentro de un medio social, aspecto totalmente descuidado en los anteriores paradigmas. En otras palabras, el nuevo enfoque de la IA moderna se basa en tres ideas centrales [Zlatev y Balkenius, 2001]: 

  • “Están corporizados” (embodiment): Los agentes físicos tienen un cuerpo y experimentan el entorno de manera directa. Sus acciones tienen una realimentación inmediata sobre sus propias percepciones.
  • “Están situados” (situatedness): Los agentes físicos están inmersos dentro de un entorno tanto físico como social. Interaccionan con el mundo, el cual influye –de forma directa– sobre su comportamiento.
  • “Desarrollan un proceso epigenético” (epigenetic development process): Los agentes físicos van desarrollando complejas estructuras cognitivas que emergen como resultado de la interacción dentro de un entorno físico y social.


- INFORME PROYECTO AGENTE INTELIGENTE AUTÓNOMO

Bajar el archivo en formato .rar (762 KB) »