robotica lezione 4. 2 attributi dell’intelligenza pensiero capacita’ a risolvere problemi...
TRANSCRIPT
Robotica
Lezione 4
Lezione 4 2
Attributi dell’Intelligenza
• Pensiero
• Capacita’ a risolvere problemi
• Apprendimento e Memoria
• Linguaggio
• Intuizione e Creativita’
• Coscienza
• Emozioni
• Sopravvivenza
• Abilita’ psicomotorie
Lezione 4 3
Diversity-Compliance Trade off
• Capacità di adattamento che gli organismi mostrano
quando si trovano in situazioni nuove e dalle quali
vogliono ricavarne vantaggio
• Caratteristica che si manifesta come
– abilità a trovare il giusto compromesso fra diversità e
adattamento, ossia,
– generazione delle differenze pur aderendo alla situazione
corrente
Lezione 4 4
Agente
• Definizione: entità distinguibile dal proprio ambiente
in base a caratteristiche di delimitazione spaziale,
temporale o funzionale e che possiede un certo
grado di autonomia
• Un agente deve possedere qualche tipo di identità
chiaramente identificabile nell'ambiente del quale fa
parte e da cui deve differenziarsi
Lezione 4 5
Classificazione degli Agenti
Lezione 4 6
Agente Autonomo
• Paradigma Gerarchico (agente Knowledge-based)
–utilizza il punto di vista classico dell’Intelligenza Artificiale
• Paradigma Reattivo (agente Behavior-based)
–Interazione con l’ambiente (situatedness)
–Intelligenza come proprieta’ emergente
–Comprensione dell’ambiente mediante embodiment
Lezione 4 7
Agenti Intelligenti
• Si basano sul paradigma cognitivista
• La mente e’ al centro delle attivita’ dell’agente
• Compiti della mente (Phil Johnson-Laird)
– percezione del mondo
– apprendere, ricordare e controllare le azioni
– pensare e creare nuove idee
– controllare la comunicazione con altri agenti
– creare l'esperienza delle emozioni, delle intenzioni e della
autoconsapevolezza
Lezione 4 8
Test di Intelligenza
• Test di Turing
• Stanza Cinese di John Searle
• Prove di tipo linguistico
Lezione 4 9
Metafora dell'Information Processing - I
• Il cervello è la sede dell'intelligenza dove il ciclo
input-processing-output degli elaboratori si
trasforma nel ciclo sensing-thinking-act degli
agenti intelligenti
Lezione 4 10
Metafora dell'Information Processing - II
• Il cervello umano è paragonabile ad un grosso
elaboratore che
• riceve le informazioni dal mondo esterno attraverso
l'apparato sensoriale,
• il cui effetto è quello di mappare lo stimolo ricevuto nella
rappresentazione interna (modello del mondo),
• per cui, a seconda dello stato interno, tale percezione
genera l'intenzione o il piano (fase di elaborazione),
• che, finalmente, produce l'azione da eseguire
(attuazione).
Lezione 4 11
Agente Knowledge-based – I
• il modello di riferimento è un programma per l'elaboratore
• sintesi basata sull'obiettivo (goal-based design)
• agenti razionali
• se un agente razionale ha un obiettivo e sa che una particolare azione lo avvicinerà maggiormente all'obiettivo, allora l'agente sceglierà proprio quell'azione per eseguirla
Lezione 4 12
Agente Knowledge-based – II
• modularità
• ciclo sense-think-act
• architettura centralizzata per l'elaborazione delle informazioni
• sintesi top-down (design top-down)
Lezione 4 13
Funzionalismo
• Il punto di vista secondo il quale l'intelligenza è
riconducibile a pura computazione, dove la
computazione è un meccanismo che opera sulle
rappresentazioni, è noto come paradigma
cognitivista, o funzionalismo
Lezione 4 14
Macchina di Turing
• L'idea di computazione è stata formalizzata da Alan
Turing (1936)
• Alonzo Church ha sviluppato idee simili approssima-
tivamente negli stessi anni.
• La macchina di Turing è un modello teorico astratto
di elaboratore la cui realizzazione fisica è del tutto
irrilevante rispetto al meccanismo concettuale di
esecuzione ad ogni singolo passo della
computazione
Lezione 4 15
Tesi di Church-Turing - I
• Le macchine di Turing sono universali perchè
modellano o simulano qualunque altra macchina
astratta per la computazione
• Si puo’ supporre, con Turing, che tali macchine siano
in grado di simulare l'intelligenza umana (ipotesi nota
come tesi di Church-Turing)
• Esistono in letteratura molte versioni (alcune più
deboli, altre più forti) di questa tesi.
Lezione 4 16
Tesi di Church-Turing - II
• Dapprima si mostra che se un problema non è risolubile per mezzo di qualche mezzo teoretico di calcolo, ad esempio, la macchina di Turing, allora non può essere risolto neanche dall'uomo.
• Successivamente, si argomenta che se l'uomo è in grado di risolvere un problema o comunque ha a che fare con un'attività intelligente, allora è possibile in qualche modo costruire una macchina che faccia la stessa cosa.
Lezione 4 17
Funzionalismo secondo Putman
• Il pensare e le altre funzioni dell'intelligenza non necessitano un hardware specifico, ossia, lo stesso tipo di funzioni può essere eseguito su dispositivi hardware (machinary) diversi.
• L'intelligenza o la cognizione possono essere studiati al livello degli algoritmi o dei processi computazionali senza dover considerare la struttura sottostante dei dispositivi su cui gli algoritmi sono eseguiti.
• Occorre distinguere fra hardware e software e quest'ultimo è il vero oggetto delle indagini
Lezione 4 18
Ipotesi del Sistema Simbolico - I
• Un sistema di simboli fisici è condizione necessaria e sufficiente per un'azione intelligente in generale
• Il termine fisico si riferisce all'idea che il sistema simbolico deve essere realizzato con l'impiego di qualche mezzo fisico (carta, elaboratore, cervello) ma la sua effettiva realizzazione è irrilevante.
Lezione 4 19
Ipotesi del Sistema Simbolico – II
• necessario significa che qualunque sistema che non ha questa proprietà non può essere intelligente
• sufficiente implica che se un sistema gode di questa proprietà allora ha tutte le potenzialità per eseguire azioni intelligenti.
• I linguaggi di programmazione sono sistemi di simboli fisici, dunque
• gli elaboratori possono essere resi potenzialmente intelligenti
Lezione 4 20
Legge della Rappresentazione
• I processi computazionali operano su rappresentazioni, quelle che si dicono le strutture simboliche che, nel senso di Newell e Simon devono essere intesa come qualcosa che si riferisce ad una situazione del mondo esterno e che obbedisce alla legge della rappresentazione, ossia
decode[encode(T)(encode(X))] = T(X)
• dove X è la situazione esterna originale mentre T è la trasformazione esterna.
Lezione 4 21
Problemi della Rappresentazione
• Frame Problem, deriva dal modellare il cambiamento
– prediction problem: cosa si deve fare per determinare ciò che è rilevante al ragionamento corrente e quindi necessita di essere aggiornato in seguito al cambiamento che si è verificato
– qualification problem: quali sono tutte le precondizioni che devono essere verificate per poter applicare un'azione
• Symbol Grounding Problem
• Embodiment Problem
• Situatedness Problem