agentes autnomos T E S I S que para obtener el grado de: Maestra en Inteligencia Artificial presenta: Grecia del Carmen Lapizco Encinas
Director de Tesis: M.C. V. Anglica Garca Vega
Xalapa, Enriquez Julio de 2001
Universidad Veracruzana
Facultad de Fsica e Inteligencia Artificial
Generacin de ontologa y lxico en una sociedad de agentes autnomos
T E S I S que para obtener el grado de: Maestra en Inteligencia Artificial presenta: Grecia del Carmen Lapizco Encinas
Director: M.C. V. Anglica Garca Vega Revisor: Dr. Jos Negrete Martnez Revisor: Dr. Homero V. Ros Figueroa
Xalapa-Enrquez, Veracruz Julio 2001 ndice i
ndice 1 INTRODUCCIN ........................................................................................................................ 1 1.1 Objetivos ................................................................................................................................................ 2 1.2 Motivacin ............................................................................................................................................. 2 2 MARCO TERICO ..................................................................................................................... 4 2.1 Sociedades de agentes autnomos ....................................................................................................... 4 2.1.1 Agentes autnomos ............................................................................................................................ 4 2.1.1.1 Autonoma ................................................................................................................................. 5 2.1.2 Sociedades de agentes ........................................................................................................................ 6 2.1.2.1 Organizacin social y control .................................................................................................... 6 2.1.2.2 Inteligencia social en robots ...................................................................................................... 6 2.1.2.3 Importancia de estar embebido en un contexto social .............................................................. 7 2.2 Definiciones ........................................................................................................................................... 8 2.3 Aterrizaje de Smbolos ......................................................................................................................... 9 2.3.1 Hiptesis de los Sistemas de Smbolos Fsicos: Newell y Simon ..................................................... 9 2.3.2 Crticas a la Hiptesis de los Sistemas de Smbolos Fsicos: Searle ............................................... 11 2.3.3 Intentos de Aterrizar los Smbolos: Harnad ..................................................................................... 12 2.3.4 El rechazo a los smbolos: Hiptesis del Aterrizaje Fsico: Brooks ................................................ 13 2.3.5 Aterrizaje Fsico de los Smbolos: Steels ......................................................................................... 14 2.4 Conceptos y su formacin .................................................................................................................. 15 2.5 Trabajos Relacionados ....................................................................................................................... 16 2.5.1 Vida Artificial .................................................................................................................................. 17 2.5.2 Robtica ........................................................................................................................................... 18 2.5.3 Steels y su investigacin en los orgenes del lenguaje ..................................................................... 20 3 JUEGOS DE LENGUAJE ......................................................................................................... 23 3.1 El Lenguaje como un Sistema Dinmico .......................................................................................... 23 ndice ii 3.1.1 Evolucin ......................................................................................................................................... 23 3.1.2 Coevolucin lingstica: .................................................................................................................. 24 3.1.3 Autoorganizacin: ............................................................................................................................ 24 3.1.4 Resumen del Enfoque de Sistemas Adaptativos-Autoorganizativos ............................................... 25 3.2 Experimentos Sintticos ..................................................................................................................... 26 3.3 Juegos del Lenguaje ........................................................................................................................... 27 3.4 Juegos de Discriminacin .................................................................................................................. 29 3.4.1 Mtodo de SubEspacio Adaptativo .................................................................................................. 31 3.4.2 Algoritmo del Juego de Discriminacin .......................................................................................... 32 3.5 Juegos de Vocabulario ....................................................................................................................... 34 3.5.1 Algoritmo de los Juegos de Vocabulario ......................................................................................... 34 3.6 Juegos de Adivinanzas ....................................................................................................................... 35 3.6.1 Algoritmo del juego de adivinanzas ................................................................................................ 35 3.7 Arquitectura ........................................................................................................................................ 36 3.7.1 Arquitectura Basada en Comportamiento: ....................................................................................... 36 3.7.2 Arquitectura Cognitiva Basada en Comportamiento: ...................................................................... 38 4 IMPLEMENTACIN DE LOS JUEGOS DE LENGUAJE ........................................................ 41 4.1 Juegos de lenguaje en agentes software ............................................................................................ 41 4.1.1 Agentes ............................................................................................................................................ 42 4.1.2 Ambiente .......................................................................................................................................... 43 4.1.3 Juego de adivinanzas ........................................................................................................................ 43 4.2 Juegos de lenguaje en robots simulados ........................................................................................... 48 4.2.1 Descripcin del ambiente ................................................................................................................. 50 4.2.2 Descripcin de los agentes ............................................................................................................... 50 4.2.3 Juego de Adivinanzas ...................................................................................................................... 53 5 CONCLUSIONES Y TRABAJOS FUTUROS ........................................................................... 57 5.1 Conclusiones ........................................................................................................................................ 57 5.2 Trabajos Futuros ................................................................................................................................ 57 ndice iii BIBLIOGRAFA ................................................................................................................................ 61 ndice de figuras iv ndice de figuras Figura 2-1 Tringulo semitico que muestra como un referente, significado y forma se relacionan como smbolo. ..................................................................................................................................... 9 Figura 3-1 La percepcin de las categoras se realiza a travs de los canales sensores que contienen estados de los sensores y rutinas sensoras, y se transforman a caractersticas a travs de los detectores de caractersticas. ................................................................................................. 30 Figura 3-2 Ejemplo de rbol que representa las categoras de un canal sensor. ............................ 32 Figura 3-3 Esquema de la Arquitectura Cognitiva Basada en Comportamiento. .............................. 39 Figura 3-4 a) Autmata finito utilizado en la arquitectura de subsumcin y b) Autmata utilizado en la arquitectura cognitiva. ................................................................................................................... 40 Figura 4-1 Representacin de las caractersticas de los objetos. a) Objeto, b) Canales sensores y su valor, c) Simplificacin de los canales sensores .......................................................................... 43 Figura 4-2 Proceso y flujo de datos en el juego de adivinanzas en agentes software. .................... 45 Figura 4-3 Imagen de la simulacin .................................................................................................. 49 Figura 4-4 Imagen del ambiente, pueden apreciarse los agentes, obstculos y fuentes de luz modulada. ......................................................................................................................................... 52 Figura 4-5 Proceso y flujo de datos en el juego de adivinanzas en robots simulados. ..................... 54 Figura 4-6 Lectura de las fotoceldas en presencia de un objeto,. .................................................... 56 Figura 5-1 Ejemplo de un caso donde no puede discriminarse un objeto utilizando una sola categora distintiva. ........................................................................................................................... 58 Introduccin 1 1 Introduccin Los smbolos y su manipulacin han sido centrales en la ciencia cognitiva y en particular para la IA [31][30]. Pero la naturaleza desincorporada 1 de los sistemas simblicos tradicionales ha sido blanco de fuertes crticas [66] [2] [59]. Una solucin que se ha propuesto es el aterrizaje de los smbolos, esto es, conectar los smbolos a los procedimientos sensomotores de bajo nivel, y por lo tanto enraizar lo abstracto en lo concreto. El que los smbolos deben ser aterrizados no es novedoso, eso ya ha sido discutido ampliamente por diversos autores [38][21]. En el paradigma en el que se desarrolla este trabajo se insiste en hacer el aterrizaje no slo en actividades subsimblicas, sino en la interaccin directa entre el agente y el mundo. El punto es que los conceptos, que son representados por smbolos, no sean creados aislados del mundo, en forma abstracta u objetiva, sino que sean construidos en relacin a la historia y el mundo de los agentes, a travs de sus aparatos sensomotores. Este enfoque enfatiza la importancia de la interaccin directa y no mediada entre los agentes y el mundo. La representacin simblica y los conceptos se derivan de tal interaccin. Y es en este sentido en que los smbolos pueden ser aterrizados. Como el ttulo lo indica, esta tesis trata con agentes autnomos. Un agente autnomo es un sistema, situado en el ambiente, que recibe informacin sensora, selecciona acciones y recibe retroalimentacin que expresan la aptitud de su comportamiento. Una orientacin en la investigacin de IA es el estudio de cmo tales agentes autnomos pueden desempearse y adaptar su comportamiento a los requerimientos impuestos por el ambiente [1] [28] [43] [57] [11] . Esta tesis presenta el desarrollo y resultados de una serie de experimentos donde se muestra como una poblacin de agentes autnomos pueden desarrollar un sistema para comunicar informacin acerca de su ambiente, especficamente, cmo un grupo de agentes desarrollan un lxico aterrizado al ambiente. Este lxico es desarrollado por los propios agentes y no est diseado ni preprogramado por un observador externo. Esto es importante, especialmente cuando al disear el agente no se conocen completamente las posibles situaciones que pueden surgir; en estos casos es esencial contar con la capacidad de desarrollar un sistema de comunicacin que pueda adaptarse a los requerimientos impuestos por al ambiente en el cual se encuentran los agentes. Los experimentos estn basados en los juegos del lenguaje propuestos en Steels [56]. La meta de los juegos del lenguaje es construir una ontologa y un lxico acerca de los objetos que los agentes pueden detectar en su ambiente. Introduccin 2 Una de las restricciones que se impone a este trabajo es el desarrollo de experimentos manteniendo la mayor simplicidad posible en los agentes (con la finalidad de que los juegos puedan ser implementados en robots mviles) y la de mantener la arquitectura de control dentro del paradigma de los sistemas basados en comportamiento. 1.1 Objetivos Crear una herramienta de software que nos permita experimentar con la generacin de ontologa y lxico en una sociedad de agentes autnomos Experimentar con una arquitectura cognitiva que sigue los principios de los sistemas basados en comportamiento. 1.2 Motivacin Este trabajo surge como un intento por explorar el comportamiento de agentes desde el punto de vista de los efectos que la sociedad tiene sobre ellos. Esto es, la influencia de la sociedad sobre el individuo. Se consider que como primer paso para explorar esta influencia, es necesario el desarrollo de un lenguaje en los agentes [19]. Este trabajo se basa en la hiptesis de que para poder estudiar el desarrollo cognitivo de los robots es necesario considerar al robot en sociedad, esto es, ver las interacciones sociales como fundamentales como un contexto que puede andamiar el desarrollo de funcionalidades cognitivas ms sustanciosas. Los tpicos centrales de este trabajo: la formacin de conceptos y el desarrollo de comunicacin, dentro de una sociedad de agentes; son relevantes para el desarrollo de la IA. La investigacin en el rea de la IA ha obtenido progresos significativos al mostrar como las operaciones sobre modelos simblicos pueden explicar varios aspectos del comportamiento inteligente, como por ejemplo, resolucin de problemas, planificacin, procesamiento de lenguaje natural, etc. Sin embargo, la mayora de las veces es el programador quien disea los formalismos, estructuras de datos, esto es, quien proporciona la ontologa de objetos, conceptos, y sus relaciones, y es tambin quien interpreta el mundo. La mayora de los sistemas de aprendizaje inician a partir de una ontologa previa, formalismos diseados cuidadosamente y conjunto de ejemplos preparados cuidadosamente. Este abismo en la IA actual ha sido criticado severamente, como por ejemplo por la metfora del cuarto chino de Searle.
1 El termino desincorporado se discute en Clancey [11] Introduccin 3 El trabajo se enfoca como puede comunicarse informacin acerca del ambiente, el caso ms bsico es cuando un mensaje de un solo smbolo, denominado seal o palabra, es el que aporta informacin acerca del ambiente. El experimento se considera como un paso en la investigacin de cmo puede generarse y evolucionar un lenguaje en una sociedad de agentes autnomos. Los orgenes del lenguaje deben ser uno de los pasos cruciales para el origen de la inteligencia [44] . Tambin hay una motivacin secundaria. El comprender los mecanismo por los cuales el lenguaje es autoorganizado puede hacer que el enfoque bottom-up a la inteligencia artificial sea posible. A pesar de que se progresado grandemente en la sntesis y adquisicin de comportamientos sensomotores, el enfoque bottom-up aun necesita mostrar que es efectivo para las capacidades cognitivas. El enfocarse en la generacin del lenguaje es una ruta posible para explorar esto. Marco Terico 4 2 Marco Terico En esta seccin se presentan los conceptos en los cuales se basan las definiciones de agente, autonoma y sociedad que son relevantes para nuestro trabajo. 2.1 Sociedades de agentes autnomos 2.1.1 Agentes autnomos El trmino agente y el calificativo de autonoma se utilizan extensamente en la literatura sobre agentes robticos y agentes computacionales, sin embargo no existe una definicin universalmente aceptada. Maes [28] define agente como un sistema que trata de satisfacer un conjunto de metas en un ambiente dinmico y complejo. Un agentes est situado en el ambiente si puede sensarlo a travs de sus sensores e influir sobre l a travs de sus actuadores. Las metas del agente pueden tener diferentes formas: pueden ser metas finales, o estados en los cuales el agente trata de mantenerse, o una recompensa o reforzamiento que el agente intenta maximizar, o bien pueden ser necesidades o motivaciones internas que el agente debe mantener dentro de ciertos rangos de viabilidad, entre otras. Un agente se denomina autnomo si decide por s mismo como relacionar sus datos sensores a los comandos motores, de tal manera que sus metas sean atendidas exitosamente. En la siguiente seccin se discutir el concepto de autonoma. Un agente es adaptativo si es capaz de mejorar con el tiempo, esto es, si se incrementa su xito en satisfacer las metas a travs de la experiencia. De Jong [17] considera a un agente autnomo como un sistema situado en el ambiente, que recibe informacin sensora, selecciona acciones y recibe retroalimentacin que expresan la aptitud de su comportamiento. Un agente autnomo puede ser un sistema de software, en cuyo caso el ambiente es simulado, o un sistema de hardware, cuyo ambiente es el mundo real. Se denomina autnomo debido a que no recibe instrucciones externas, sino que decide por s mismo que acciones va a producir. Steels [42] define un agente autnomo como un sistema fsico que tiene sus propios recursos para operar independientemente en un ambiente cambiante dinmicamente. Marco Terico 5 2.1.1.1 Autonoma El trmino autonoma significa esencialmente ser relativamente independiente. Smithers [39] considera que el punto central de la autonoma se identifica con la etimologa del trmino: autos (por s mismo) y nomos (regla o ley), esto es, ser capaz de crear sus propias reglas. Es til contrastar el trmino de sistema autnomo con el de sistema automtico, estos ltimos son sistemas auto-regulables que no determinan las reglas que regulan las actividades que realizan, sino que stas le son proporcionadas o incrustadas en su diseo. Ellos se guan a travs del camino estipulado, corrigiendo y compensando los efectos de las perturbaciones externas. Los sistemas autnomos, por otro lado, son sistemas que son capaces de desarrollar, por s mismos, las leyes y estrategias de acuerdo a las cuales regulan su comportamiento: ellos son auto- gobernables as como tambin auto-regulables. Ellos determinan el camino a seguir al mismo tiempo que se guan a travs de l. Para ser autnomo primero se debe tener la capacidad de ser automtico. Esto significa que debe ser capaz de operar en el ambiente, sensarlo y actuar en l de manera que sea benfico para si y para las tareas que son cruciales para su existencia. Pero la autonoma va mas all de la automaticidad, porque asume adems que las bases de la auto-regulacin se originan (al menos parcialmente) en la propia capacidad del agente de formar y adoptar principios de comportamiento. Ms aun, el proceso de construir o adaptar competencias se lleva a cabo mientras el agente est operando en el ambiente. No es el caso de un agente que tiene el tiempo de estudiar un gran nmero de ejemplos o de pensar profundamente acerca de cmo enfrentar circunstancias imprevistas. En lugar de eso, debe actuar continuamente y responder al ambiente para poder sobrevivir. El problema de los sistemas autnomos es el de entender como desarrollar y modificar los principios por los cuales regulan su comportamiento mientras se tornan y mantienen viables como sistemas que realizan sus tareas en ambientes dinmicos y complejos. Los sistemas robticos actuales no son totalmente autnomos. Por ejemplo una crtica a la arquitectura de subsumcin es que no permite el aprendizaje [69]. Por lo tanto este tipo de robot, aunque operacionalmente autnomo en el sentido de que durante el tiempo de ejecucin interacta con el ambiente por s mismo (esto es, de manera independiente a un observador), sigue siendo heternomo en el sentido de gran parte de sus dinmicas de interaccin siguen predefinidas por el diseador, especficamente el procesamiento entre los sensores y actuadores, y por lo tanto la forma en que interacta con el ambiente. Un nmero de investigadores ha sealado que un elemento necesario para la autonoma de los agentes artificiales es su capacidad de determinar y adaptar (al menos parcialmente) los mecanismos en los cuales basa su comportamiento. A partir de 1990 se ha dedicado mucho esfuerzo a disear robots ms autnomos al equiparlos con las capacidad de autoorganizacin. Marco Terico 6 Tpicamente estos enfoques estn basados en tcnicas de aprendizaje computacional que permiten a los agentes adaptar los parmetros internos de sus mecanismos de control y por lo tanto de los mdulos de comportamiento con los cuales interactan con su medio ambiente. 2.1.2 Sociedades de agentes 2.1.2.1 Organizacin social y control La evolucin natural de agentes sociales biolgicos demuestran 2 alternativas de sociedad, denominadas sociedades annimas e individualizadas. Los insectos sociales son el ejemplo ms prominente de las sociedades annimas. Los miembros del grupo no se reconocen uno a otro de manera individual. Si eliminamos una abeja de la colmena no se motivar una conducta de bsqueda, ni se modificara la actividad en el panal slo hay reaccin si la afectada es la reina (Dautenhahn [12] extiende esta idea a otra sociedad annima muy conocida y lo plantea como las hormigas no tienen amigos). La situacin es diferente en sociedades individualizadas como a las que pertenecen los primates. En ellas la identificacin individual da lugar a tipos complejos de interacciones sociales y al desarrollo de varias formas de relaciones sociales. Al nivel de comportamiento tienen como signos visibles la creacin de vnculos sociales, jerarquas, y aprendizaje social. La evolucin del lenguaje, la propagacin de las tradiciones y la evolucin de la cultura son desarrollos auspiciados por las sociedades individualizadas. El trmino de comportamiento colectivo se usa para el comportamiento de grupo que est genticamente determinado y no involucra comunicacin directa entre los individuos, mientras que el termino cooperativo se utiliza para el comportamiento de grupo que requiere comunicacin. Por lo tanto las sociedades de insectos son ejemplos tpicos de comportamiento colectivo. 2.1.2.2 Inteligencia social en robots El estudio del desarrollo de la inteligencia social en robots autnomos es necesario porque es un prerrequisito necesario para escenarios en los cuales grupos de agentes autnomos deben resolver un problema cooperativamente o sobrevivir como grupo. Dautenhahn [13] define el trmino Inteligencia Social como la capacidad del agente para desarrollar y mantener relaciones entre agentes individuales incorporados que por medio de comunicacin desarrollan estructuras de interaccin social compartidas que ayudan a integrar y manejar los intereses individuales en relacin a los intereses del sistema social. Por lo tanto un Marco Terico 7 individuo de una sociedad de insectos no se considera un agente socialmente inteligente, debido a que su inteligencia se encuentra en la colonia.
Dauntenhan define a un agente social como una entidad que habita el mundo, con capacidad para reaccionar e interactuar con el ambiente en el cual se encuentran y con otros agentes que tambin habitan en l. Y seala como propiedades de la robtica social: Los agentes estn incorporados. Los agentes son individuos, parte de un grupo heterogneo (los miembros no son idnticos sino que tienen caractersticas individuales, como sensores diferentes, diferente forma, etc). Los agentes pueden reconocerse, interactuar entre ellos e integrarse en interacciones sociales como prerrequisito para desarrollar relaciones sociales. Los agentes tienen historias, ellos perciben e interpretan el mundo en trminos de sus propias experiencias. Los agentes pueden comunicarse explcitamente entre ellos. La comunicacin esta aterrizada en la interaccin entre agentes, y el significado se transfiere entre 2 agentes al compartir el mismo contexto. El agente individual contribuye a la dinmica del grupo completo (sociedad) as como la sociedad contribuye al individuo. 2.1.2.3 Importancia de estar embebido en un contexto social El cuerpo de un agente robtico no solo proporciona la base fsica para la cognicin sino que es una condicin necesaria y un punto de referencia para la percepcin y la memoria [13]. Los agentes inteligentes estn embebidos en tiempo y espacio. Las interacciones sociales complejas evolucionan en el tiempo y las relaciones sociales de un individuo en un punto dado en el tiempo son el resultado de todas las interacciones en las cuales el agente ha estado involucrado hasta ahora. La experticia social no es considerada como un conjunto de reglas sociales que son almacenadas, recuperadas y aplicadas al mundo social. En lugar de esto, el conocimiento social es dinmicamente reconstruido mientras se recuerdan eventos pasados y se adapta el conocimiento acerca de situaciones anteriores a las nuevas. Se asume la hiptesis de la incorporacin de la cognicin en el ambiente fsico y social como base para el desarrollo de inteligencia artificial. En una situacin fsica de los modelos internos pueden ser insuficientes debido a la cantidad de informacin y a la velocidad que se requiere por un agente para tratar de modelar explcitamente su ambiente. En una situacin social, aunque la velocidad no es tan critica, la complejidad del ambiente puede ser tan abrumadora y tambin existen los recursos computacionales externos proporcionados por otros agente y por las interacciones. Esto significa que un agente est Marco Terico 8 socialmente situado por analoga con estar fsicamente situado, si en ambos casos lo que se utiliza son procesos y representaciones externas en lugar de internas. 2.2 Definiciones Las siguientes definiciones son tomadas del enfoque etolgico [58]: Representacin: es un fenmeno individual por medio del cual un organismo estructura su conocimiento con respecto a su ambiente. Este conocimiento puede tomar 2 formas bsicas: ya sea una referencia a sus substitutos internos (por ejemplo ndices o imgenes) o el uso de substitutos externos (smbolos, seales o palabras). Comunicacin: es un fenmeno social de intercambio entre 2 o mas co-especficos que utilizan un cdigo especfico de seales que sirven para enfrentar retos adaptativos (reproduccin, alimentacin, proteccin), y promueve la cohesin del grupo. Lenguaje se concibe como un sistema que es representacional y comunicativo. esta aterrizado en las convenciones sociales que le atribuyen a ciertos substitutos (significadores) el poder de designar a otros (referentes). La palabra ontologa parece generar mucha controversia en las discusiones de IA. Tiene mucha historia en la filosofa, donde ontologa hace referencia al sujeto de la existencia, es decir, al ser. Ontologa se confunde muchas veces con epistemologa, que hace referencia al conocimiento y al modo de conocer. En el mbito del intercambio de conocimiento, el trmino ontologa se usa para significar una especificacin de una conceptualizacin . Esto es, una ontologa es la descripcin de los conceptos y relaciones que pueden existir para un agente o para una comunidad de agentes. Esta definicin de ontologa es consistente con el uso del termino como conjunto de definiciones de conceptos, pero ms general, y adopta, ciertamente, un sentido distinto del trmino usado en filosofa. Para Steels, al investigar el origen del lenguaje, una ontologa es un repertorio de distinciones aterrizadas perceptualmente. Desde el punto de vista de la semitica, podemos definir al smbolo como la relacin entre referente, significado y expresin o forma , tal como lo ilustra el tringulo semitico. Referente: Objeto del mundo real que es el sujeto de la comunicacin. Significado: Categorizacin que se hace del objeto del mundo real y que es usada en la comunicacin. Forma: Nombre que es comunicado. En principio es arbitrario, pero en un lxico compartido se convencionaliza a travs del uso del lenguaje. Marco Terico 9
Figura 2-1 Tringulo semitico que muestra como un referente, significado y forma se relacionan como smbolo. El lenguaje humano es el nico sistema existente de comunicacin simblica aprendida (lo denominan artificial). Mientras que otras especies utilizan sistemas simblicos innatos o sistemas aprendidos no-simblicos, la transmisin cultural de referencias arbitrarias parecen existir solo en humanos. Esta cualidad nica puede explicarse al considerar como el problema de la transmisin es diferente en el caso de la comunicacin aprendida, aun cuando el sistema de comunicacin en s no es muy complejo. Mientras que los sistemas innatos pueden ser transmitidos genticamente, los sistemas aprendidos deben ser adquiridos ontogenticamente. Los sistemas aprendidos no pueden ser transmitidos directamente, sino que involucran la adquisicin de comportamientos producido por otros [33]. El lenguaje puede definirse como un sistema representacional que es usado para la comunicacin. Los lenguajes naturales tienen muchas propiedades [45]: La comunidad de usuarios del lenguaje son agentes distribuidos, que tienen control y conocimiento limitado del lenguaje. Los lenguajes son sistemas abiertos: esto es, los agentes pueden entrar y salir de la comunidad sin tener gran influencia en el lenguaje. Un canal de transmisin dbil, percepcin y produccin imperfecta, en un grupo heterogneo de emisores, le conceden la robustez al lenguaje. Los lenguajes se adaptan y evolucionan para poder afrontar nuevas demandas, y para optimizarse para una comunicacin mas efectiva y eficiente. 2.3 Aterrizaje de Smbolos 2.3.1 Hiptesis de los Sistemas de Smbolos Fsicos: Newell y Simon Los smbolos han sido el fundamento de la ciencia cognitiva, esto se debe a la concepcin de que la computacin consiste de la entrada, salida, almacenamiento, recuperacin y manipulacin de SIMBOLO
Significado Referente Forma Marco Terico 10 smbolos; es decir, de una secuencia de pasos especficos que logran una tarea computacional, tal como un clculo numrico. La cognicin es concebida de manera similar, como consistente de ste tipo de manipulacin simblica, nicamente se enfatiza que la manipulacin de smbolos cambia las estructuras que funcionan como estados mentales. Debido al uso de esta metfora computacional, la cognicin se percibe como una secuencia de pasos explcitos y bien definidos que involucran nicamente smbolos. La hiptesis de los sistemas de smbolos fsicos introducida por Newell y Simon [31] articula claramente esta visin e invita a una investigacin concentrada sobre esta lnea de manipulacin simblica. Ellos argumentan que los smbolos se encuentran en el corazn de la accin inteligente, y los definen como el bloque fundamental de la ciencia de la mente: Un sistema de smbolos fsicos consiste de un conjunto de entidades, denominadas smbolos, las cuales son patrones fsicos que pueden ocurrir como componentes de otro tipo de entidad denominada expresin (estructura simblica). Por lo tanto, una estructura simblica est compuesta de un nmero de instancias (tokens) de smbolos relacionados de alguna forma fsica (como por ejemplo, el hecho de que un token sea adyacente a otro). Tambin argumentan que los smbolos pueden utilizarse para hacer designaciones arbitrarias: un smbolo puede utilizarse para designar cualquier expresin, no se encuentra restringido a priori lo que puede designar una expresin y existen procesos para crear expresiones y para modificarlas de manera arbitraria. Basados en esto, concluyen que un sistema de smbolos fsicos tiene los medios necesarios y suficientes para la accin general inteligente, la cual es la reconocida hiptesis de los smbolos fsicos, tomando como accin general inteligente todo el rango de comportamiento humano inteligente. A pesar de que este enfoque logr dominar a la IA y a la ciencia cognitiva por un tiempo, ha recibido fuertes crticas debido a su naturaleza desincorporada [2] [66] [59]. En respuesta a tales criticas, Vera y Simon [60] presentaron una versin modificada de los sistemas de smbolos fsicos: Un sistema de smbolos fsicos interacta con su ambiente de 2 formas: 1) recibe estmulos sensores del ambiente, que transforma en estructuras de smbolos en memoria y 2) acta sobre su ambiente de acuerdo a las estructuras simblicas que produce. Argumentan, que estos sistemas tienen un conjunto de procesos que construyen las estructuras simblicas como funcin de los estmulos sensores y que producen estructuras simblicas que generan acciones motoras. En esta nueva versin Vera y Simon intentan enfatizar las conexiones sensomotoras, a travs de las cuales esperan que los smbolos puedan ponerse en contacto con el mundo. Marco Terico 11 2.3.2 Crticas a la Hiptesis de los Sistemas de Smbolos Fsicos: Searle Searle [38] realiz la crtica mas prominente al enfoque simblico. Present su muy conocido argumento del cuarto chino para contradecir la nocin de que el comportamiento inteligente es el resultado de procesamiento (definido formalmente y por lo tanto independiente de la implementacin) de sistemas de smbolos fsicos (que se conoca como Strong IA). Para validar sus argumentos Searle sugiere un experimento: Imagnese a una persona sentada en una habitacin a la cual se le pasan secuencias de smbolos (incomprensibles para ella). La persona procesa estos smbolos de acuerdo a las reglas formales que se le dan en su lenguaje natural (por ejemplo, que estn escritas en las paredes de la habitacin). Searle seala que los smbolos pueden ser desconocidos para la persona, que de hecho puede tratarse de una historia, preguntas y respuestas escritas en chino. Por lo tanto, los observadores fuera de la habitacin (que si hablan chino) pueden concluir que la persona o lo que est dentro de la habitacin procesando los smbolos puede de hecho comprender los smbolos escritos en chino (dado que los smbolos si tienen sentido para los observadores y que las respuestas que regresa la habitacin son correctas); cuando, obviamente, la realidad es que la persona los desconoce. Searle, por lo tanto, concluye que no puede decirse que los programas tradicionales de la IA, que operan exclusivamente de manera formal (tal como lo hace la persona en la habitacin) comprenden lo que estn haciendo o procesando, ni que sean modelos de la comprensin humana de historias. De acuerdo a Searle, esto se debe a su falta de intencionalidad, esto es, su inhabilidad para relacionar sus representaciones internas arbitrarias (smbolos) con los objetos externos o estados del mundo. Sin embargo, Searle no abandona la idea de las mquinas inteligentes, por el contrario concluye: solo una mquina puede pensar, de hecho slo los tipos muy especiales llamados cerebros y las mquinas que posean los mismos poderes causales que ste. Y esa es la razn principal por la cual la IA dura no puede decirnos nada acerca del pensar, dado que no puede decirnos nada acerca de las mquinas. Por su propia definicin, la IA es acerca de programas, y los programas no son mquinas. Por su parte, Winograd y Flores [66] presentan su propia teora del lenguaje, en la cual basan la concepcin de la cognicin. Ellos argumentan que: El lenguaje no transmite informacin. Evoca una comprensin o accin de escuchar, la cual es una interaccin entre lo que se ha dicho y la pre-comprensin ya presente en el oyente. Una expresin produce una comprensin diferente en cada oyente, dado que cada persona tiene un entorno pasado de pre-comprensin diferente generado por su historia en particular. El entorno pasado no determina la interpretacin de manera rgida, sino que genera un dominio de posibilidades de cmo ser interpretado lo que se escucha. Marco Terico 12 El entorno pasado que es relevante para la comprensin surge de las inquietudes, prcticas, y crisis de esas prcticas. Las personas interpretan el lenguaje de una manera que tenga sentido para lo que hacen. El entorno pasado de inquietudes y prcticas, no es completamente individual, sino que es generado dentro de una tradicin. Cada persona es nica, y comparte un entorno pasado hasta cierto punto con otras personas. Cierta medida es universalmente humano; otra parte es compartido con miembros de la misma cultura, mas aun con aquellos en la misma lnea de trabajo; y otra con los compaeros frecuentes de conversaciones. 2.3.3 Intentos de Aterrizar los Smbolos: Harnad Un enfoque de conectar los smbolos a los aparatos sensomotores de los agentes es dado por Harnard [20][21]. Harnard ve el problema del aterrizaje de los smbolos anlogo al problema de tratar de aprender el chino como segundo idioma contando nicamente con un diccionario chino/chino: todos los conceptos y definiciones son sistemticamente interpretables para alguien que ya conoce el idioma, pero no son de ningn uso para alguien que no lo conoce; ya que nicamente cambia de unos smbolos incomprensibles a otros y no es posible obtener su significado intrnseco. Por lo tanto, el problema es que la conexin existente entre lo smbolos y su referente (a lo que se refiere el smbolo) no debe depender de la mediacin de un interprete externo. Una forma de hacer esta conexin directa es la de aterrizar los smbolos en la propia capacidad del sistema para interactuar con los referentes del los smbolos: esto es, el sistema debe ser capaz de discriminar, manipular, categorizar, nombrar, y describir sobre los objetos, eventos, estados y situaciones del mundo real a los cuales se refieren los smbolos. Una de las capacidades mas importantes es la de categorizar objetos, esto es, crear categoras concretas a partir de invariantes (ya sean aprendidas o innatas) de sus proyecciones sensoras, y a partir de esto abstraer los objetos descritos en las cadenas de smbolos que estn aterrizados en categoras concretas. . Esta hiptesis de aterrizado de los smbolos tiene algunas implicaciones sobre la forma en la cual se origina el lenguaje; sugiere que el lenguaje evolucion de manera similar a como es aprendido: se asignan nombres a categoras concretas debido a la utilidad colectiva que tienen los nombres compartidos para la comunidad. Lo que an no puede resolver esta teora del origen del lenguaje es el problema mente-cuerpo. An persiste una fuente de indeterminacin: no existe forma de estar seguros de que la experiencia sensora cualitativa en la cual aterrizamos nuestras palabras es un experiencia Marco Terico 13 compartida, incluso no podemos asegurar la existencia de este tipo de experiencia cualitativa en otros. Esto es un punto en el cual hiptesis debe permanecer aproximada, al menos hasta que pueda demostrarse que tiene un impacto real en la forma en la cual categorizamos, nombramos, describimos los objetos y despus compartimos nuestros nombres y descripciones con otros a travs del sistema clasificatorio universal que denominamos lenguaje. 2.3.4 El rechazo a los smbolos: Hiptesis del Aterrizaje Fsico: Brooks Brooks ha introducido un enfoque radicalmente diferente en el dominio de la robtica, al trabajar dentro del rea tradicional de la robtica se cuestion las suposiciones implcitas acerca de la necesidad de los modelos simblicos del mundo en sus robots. l argumenta que despus de dcadas de investigacin han fracasado todos los intentos por construir un programa (til y que funcione correctamente) capaz de modelar aspectos del mundo en trminos de descripciones simblicas a partir de las mediciones directas del mundo. El enfoque de Brooks consiste de una interaccin ms directa de todos y cada uno de los componentes de control del sistema con el ambiente y con ellos mismos [6][7]. Brooks va un paso mas all: considera que esta interaccin fsica es una condicin necesaria para el comportamiento inteligente; a esto se le denomina Hiptesis del Aterrizaje Fsico [8]. Esta hiptesis declara que para construir un sistema inteligente es necesario que el sistema (agente) tenga sus representaciones aterrizadas en el mundo fsico, por lo que las entradas y salidas escritas no son de inters ya que no estn aterrizadas. Es por esta crtica a las abstracciones puramente simblicas que podemos comprender su sugerencia de utilizar el mundo como su mejor modelo. En el enfoque de Brooks los smbolos no son una condicin necesaria para el comportamiento inteligente, ya que ste puede emerger a partir de un conjunto de acoplamientos sencillo de los sensores con los actuadores del agente [40]. Un ejemplo de esto puede ser un robot con comportamiento de seguir-paredes, el comportamiento est compuesto por una tendencia a acercarse hacia la pared y otra de a alejarse de la pared; al incorporar estas dos tendencias emerge el comportamiento de seguir-paredes. Es importante notar que los agentes diseados bajo esta perspectiva no tienen habilidades cognitivas, son agentes reactivos, como lo son las hormigas, en lugar de agentes cognitivos que manipulan los significados simblicos. El argumento que Brooks utiliza para proponer esta hiptesis es que la evolucin sugiere que el comportamiento para resolver problemas, el lenguaje, el conocimiento experto y su aplicacin, el razonamiento, etc, son mas bien sencillos una vez que la esencia de ser y reaccionar estn disponibles. La esencia es la habilidad de navegar a travs de un ambiente dinmico y sensar los alrededores a un grado suficiente que permita la supervivencia del agente. Marco Terico 14 l tambin afirma que una vez que la evolucin produce smbolos y representaciones las cosas empiezan a acelerarse. Por lo tanto los smbolos son la invencin clave pero sin un aterrizaje fsico cuidadoso cualquier representacin simblica ser errneamente conectada a sus sensores y actuadores. Para explorar esta hiptesis, Brooks y su grupo de investigadores han desarrollado una arquitectura denominada arquitectura de subsumcin [6]. Esta arquitectura est diseada para conectar los sensores del robot a sus actuadores de tal manera que el robot quede incrustado (embebido) en el mundo. El punto importante de la hiptesis de Brooks es que la inteligencia puede emerger de las interacciones fsicas del agente con el mundo. Por lo tanto, el robot debe estar incorporado y situado 2 en su ambiente. A este enfoque tambin se le conoce como IA basada en comportamiento. 2.3.5 Aterrizaje Fsico de los Smbolos: Steels En la seccin 2.3 se present un panorama sobre las hiptesis desarrolladas para el aterrizaje de los smbolos, un problema crucial para la IA. Aqu se presenta la hiptesis propuesta por Steels [64]: la Hiptesis del Aterrizaje Fsico de los Smbolos. Esta hiptesis surgi en el marco de su investigacin en la teora del origen del lenguaje [49][50]. La hiptesis de Brooks establece que un agente inteligente debe estar embebido en el mundo real, y que la inteligencia no necesita ser representada con smbolos. Por otro lado, la hiptesis de los sistemas de smbolos fsicos (Newell 1980) afirma que los agentes cognitivos son sistemas de smbolos fsicos que tienen memoria, smbolos, y operaciones que procesan y producen smbolos; , por lo tanto los agentes aterrizados fsicamente de Brooks no se consideran agentes cognitivos. Claramente, un agente que usa el lenguaje debe tener una memoria interna en la cual almacenar su ontologa y su lxico, debe tener smbolos y realizar operaciones sobre ellos para interpretarlos; mas aun, debe tener la capacidad de hacerlo. En este sentido, los agentes para investigar la creacin de un lenguaje deben ser sistemas de smbolos fsicos. Un sistema de smbolos fsicos representa de alguna manera a los smbolos, por esto, la hiptesis de aterrizaje fsico de los smbolos no es la mejor candidata. Pero dado que la definicin de smbolo adoptada tiene una relacin explicita con el referente (objeto fsico o situacin del mundo exterior al cual se hace referencia), entonces el smbolo no es representado completamente dentro del robot. Las nicas partes del smbolo que pueden ser representadas en el robot son el significado y la expresin; de tal forma que, de igual forma que en la hiptesis de aterrizaje fsico, una parte del conocimiento del agente est en el mundo.
2 Para una discusin sobre incorporacin y situacionalidad vase Clancey [11] Marco Terico 15 El problema es ahora, cmo aterrizar la relacin entre la representacin interna y el objeto o situacin del mundo real? 2.4 Conceptos y su formacin Los aspectos del ambiente sobre los que la comunicacin produce informacin se denominan caractersticas. Las caractersticas se utilizan en el reconocimiento de patrones para denotar informacin que puede usarse para clasificacin, y como un concepto puede verse como un patrn, los conceptos se consideran consistentes de caractersticas [17]. Ejemplos tpicos de caractersticas utilizadas en el reconocimiento de patrones son caractersticas de color (calidad de ser rojo, o verde), caractersticas de texturas (suavidad, aspereza), caractersticas de orientacin, etc, aunque en principio no hay limite en la complejidad de los patrones que puede detectar una caracterstica. El significado de una palabra se determina por las caractersticas con las cuales est asociada, y la complejidad de stas caractersticas que determina hasta que punto puede aplicarse una palabra se denomina concepto o significado. Dado que la formacin de conceptos es desempeada por agentes individuales los conceptos son entidades internas del agente. Los aspectos pblicos observables del ambiente a los cuales se refieren se llaman referentes. La nocin de concepto entonces reduce el problema de establecer una relacin entre las palabras y los conjuntos de caractersticas al de establecer relaciones entre palabras y conceptos. Sin embargo, esto nos lleva al problema de dnde surgen los conceptos?. Una respuesta posible es la de que los agentes tienen conceptos universales a su disposicin. Las personas pueden construir conceptos debido a que le son tiles, independientemente de la comunicacin. Clancey [11] presenta una perspectiva del enfoque actual de que los individuos desarrollan representaciones internas en el proceso de coordinar su interaccin con el ambiente. Esto nos lleva al segundo principio que puede inducir coherencia en los conceptos que mantienen las personas. Este ltimo principio es poderoso en el sentido de que puede motivar que los conceptos se propaguen en la poblacin de usuarios del lenguaje. Criterio para la formacin de conceptos: Instructivo: en este caso el aprendiz recibe la salida que debi haber generado, o, el vector de error entre la salida generada y la deseada. Esta forma de aprendizaje se denomina aprendizaje supervisado. Marco Terico 16 Evaluativo: en la cual el aprendiz recibe una evaluacin numrica de su comportamiento, por ejemplo de la magnitud del error entre su salida o accin y la accin ptima. esta forma de aprendizaje se conoce como aprendizaje por reforzamiento. Ausente: en este caso el sistema de aprendizaje aprende las propiedades de los datos, esto es, su distribucin de densidad. A esto se le denomina aprendizaje no supervisado. La retroalimentacin supervisada asume la presencia de un maestro que proporciona la retroalimentacin, el utilizar esta informacin como criterio da como resultado el aprendizaje de conceptos en lugar de la formacin de conceptos. La retroalimentacin evaluativa es adecuada para utilizarse como gua para la formacin de conceptos en agentes autnomos. La suposicin de que los agentes tienen este tipo de retroalimentacin a su disposicin no implica que es proporcionado por el ambiente de alguna forma misteriosa, en lugar de esto, la retroalimentacin evaluativa puede verse como un juicio del agente mismo sobre su situacin actual. El aprendizaje no supervisado se ha aplicado a los datos resultantes de la interaccin de un robot con su ambiente. El concepto de significado puede ser estudiado desde 3 enfoques [62]: a) Enfoque referencial o denotacional. En este enfoque el significado tiene sentido propio y es independiente del agente. b) Enfoque mentalista o psicolgico: Estas teoras consideran al significado desde el punto de vista del agente, y se enfocan en la significacin cognitiva del lenguaje. Desde este punto de vista el significado yace en la representacin del interna del agente. c) Enfoque social o pragmtico. Se enfocan en la comunicacin como una actividad social. De acuerdo a este punto de vista, el significado yace en la forma en que los agentes utilizan los smbolos en el curso de sus interacciones. 2.5 Trabajos Relacionados A continuacin se presenta brevemente un panorama de la investigacin en la evolucin del lenguaje, tanto en simulaciones como en implementaciones robticas. Marco Terico 17 2.5.1 Vida Artificial En la comunidad de vida artificial se ha investigado la evolucin de la comunicacin en organismos simulados (Langton [23][24][25]). La vida artificial se enfoca a descubrir como los organismos pueden evolucionar y adaptarse en diferentes ambientes. Los organismos son simulados por un programa de computadora y son puestos para su supervivencia en un mundo tambin simulado. La mayora de estos organismos utiliza un mecanismo evolucionado de seleccin de accin, los que evolucionan mejores mecanismos de seleccin sern ms prsperos en el mundo simulado. Las acciones usualmente incluyen: moverse, alimentarse (obtener energa), reproducirse (usualmente por cruza y mutacin) y sensar el ambiente. La medida de que tan bien sobrevive un organismo en su mundo es su aptitud y en base a ella se determinar su probabilidad de reproduccin. El desarrollo del lenguaje en los sistemas de vida artificial suelen ocurrir slo cuando se crea un nuevo organismo a partir de sus padres, esto es, los organismos no adaptan su lenguaje dentro de su ciclo de vida. Los lenguajes ms efectivos dan como resultado organismos que tienen mayor probabilidad de sobrevivir en el mundo y de tener descendencia. Estos lenguajes son mutados levemente al tiempo de crear un nuevo organismo para introducir un nuevo lenguaje a la poblacin. MacLennan [26] argumenta que para comprender el lenguaje, comunicacin y las capacidades de representacin se requiere una teora que relacione los mecanismos fundamentales de la cognicin con el proceso evolutivo. Describe un programa de etologa sinttica que utiliza la creacin de mundos y organismos simulados con el propsito de estudiar el desarrollo de comportamientos. Cada organismo tiene un ambiente local que slo l puede sensar (donde el estado de este ambiente se denomina situacin) y la nica manera en que un organismo puede predecir la situacin de otro, es a travs de los mensajes de este ltimo. Para comunicarse utilizan un ambiente global en el cual cada organismo puede escribir un smbolo, pero solo puede aparecer un smbolo a la vez (de manera similar a la comunicacin utilizando memoria compartida en los robots de Arkin [3]). Tanto los smbolos como la situacin estn simplificados a un nmero entero entre 0 y 7. El genotipo de cada organismo es una tabla de transiciones que define una accin para cada par smbolo/situacin. Existe un tipo de adaptacin bsica del lenguaje durante el ciclo de vida del organismo en este sistema: si el organismo no interpreta una seal correctamente, actualizar su tabla de aprendizaje para reflejar la interpretacin correcta de la seal. El comunicar, escuchar y predecir la situacin de otros utilizando las seales de comunicacin de manera efectiva incrementan la aptitud del organismo, y slo los organismos ms aptos logran reproducirse mientras que el resto muere. Wener y Dyer [65] exploran la evolucin del lenguaje a partir de la emisin de seales simples que son genticamente codificadas en el comportamiento de los animales para aprender patrones de comunicacin que soporten formas complejas de interaccin social. En este trabajo, los Marco Terico 18 organismos deben comunicarse para poder reproducirse y acarrear su cdigo gentico. Dado que los organismos machos de la simulacin son invidentes y los organismos hembras son inmviles, los machos necesitan escuchar las indicaciones de las hembras para poder llegar a ellas. El macho necesita interpretar la seal que escucha dado que no puede sensar de donde viene el sonido. La relacin entre las seales que emite una hembra y las acciones como respuesta a estas seales de los machos estn basadas arbitrariamente en el genoma de cada organismo (el cdigo gentico de cada organismo se interpreta para producir una red neuronal que controla sus acciones). Los organismos que pueden comunicarse de forma efectiva se reproducirn y su lenguaje se propagar. Mas recientemente Cangelosi y Parisi [9] simulan como puede emerger un lenguaje en un ambiente ecolgico donde las seales lingsticas se acoplan con los objetos a los cuales se enfrentan los organismos para poder incrementar su oportunidad de reproduccin. Presentan una poblacin de organismos que viven en un ambiente sencillo consistente de hongos comestibles y venenosos. El comportamiento de cada organismo es controlado por una red neuronal, mientras que la evolucin de la poblacin de organismos se modela utilizando un algoritmo gentico. Un individuo percibe la posicin de un hongo pero no es capaz de percibir las propiedades perceptuales del hongo (debido a su distancia), por lo tanto el organismo no puede reconocer si el hongo es comestible o venenoso. Otro individuo cercano, que si puede percibir las propiedades del hongo emite una seal particular si el hongo es comestible y una seal diferente si no lo es. El primer organismo puede basarse en su interpretacin de esta seal para decidir si se acerca a comer el hongo o se aleja de l. Los individuos que respondan apropiadamente a las seales tendrn mayor probabilidad de reproducirse que los que no lo logren. Como en estas simulaciones el lenguaje es heredado genticamente en lugar de ser transmitido culturalmente, este modelo se acerca ms a la comunicacin animal que al lenguaje humano. Los sistemas de vida artificial tienden a ver las simulaciones en trminos de muchas generaciones de organismos. En el mundo de la robtica, no podemos permitirnos tener mltiples generaciones de hardware de robot, aunque si podemos tener mltiples generaciones de programas de los robots si es que los robots aprenden mientras estn en ejecucin. El trabajo en el desarrollo de la comunicacin en los sistemas artificiales es relevante para la robtica si consideramos el trabajo de mltiples generaciones como mltiples pasos de aprendizaje en el ciclo de vida de un robot. A continuacin presentamos los trabajos en el campo de la robtica. 2.5.2 Robtica Un ejemplo en el cual se les suministra el lenguaje a los robots es Parker [34][35]. Este trabajo investiga el uso de mltiples agentes heterogneos para completar una tarea de limpieza de manera ms eficiente que un super-robot. El sistema utiliza comunicacin en la forma de mensajes Marco Terico 19 pblicos; cuando un robot intenta iniciar una tarea difunde un mensaje de que est a punto de iniciarla, as los otros robots que escuchan este mensaje pueden utilizar la informacin para decidir si deben de ir a intentar una tarea diferente de la que el robot est ejecutando. El lenguaje de comunicacin est completamente alambrado, y si bien puede hacer ms eficiente la ejecucin de las tareas no es imprescindible para completarlas. Yanco y Stein [68] desarrollaron un experimento con dos robots que podan aprender a asociar ciertas acciones (moverse hacia enfrente o girar) con un conjunto predefinido de seales. Un robot puede decidir que accin ejecutar y comunicar una seal relacionada al otro robot. La estrategia de aprendizaje utilizada es el aprendizaje por reforzamiento donde la retroalimentacin al termino de la tarea es proporcionada por un instructor humano. Si ambos robots ejecutan la misma accin, entonces se les proporciona un reforzamiento positivo a ambos, y en caso contrario, la retroalimentacin consiste en reforzamiento negativo. La investigacin se enfoc al aprendizaje de asociaciones entre seales y acciones en robots fsicos. Algunas de sus limitaciones son: no se intentaba resolver ninguna situacin real, slo se utilizaba un conjunto predefinido y limitado de asociaciones y se requiere de un instructor humano para el reforzamiento de los robots. Sin embargo, Yanco y Stein demostraron que un grupo de robots puede converger en aprender este tipo de sistema de comunicacin. En el trabajo de Billard y Dauntenhahn [5] se utiliza un formato de maestro-alumno donde el robot alumno intenta aterrizar un lxico mediante un mecanismo de imitacin del robot maestro que ya tiene un sistema de comunicacin predefinida. La comunicacin se desarrolla a travs de enseanza externa; aprender a comunicarse significa que el robot-alumno intenta obtener una interpretacin de la situacin similar a la del robot-maestro. Los experimentos consisten en que el robot alumno sigue al robot maestro (con el propsito de mantener el mismo contexto fsico) y trata de relacionar las seales que le enva el robot maestro con la situacin presente en el ambiente en ese instante (a travs de sus entradas sensoras). El mecanismo de aprendizaje utilizado es una arquitectura de red neuronal denominada DRAMA (derivada de las redes Willshaw) que aprende las asociaciones entre las seales de comunicacin y los acoplamientos sensomotores, y la retroalimentacin es proporcionada al evaluar si el alumno aun sigue detrs del maestro. Las asociaciones para el robot maestro estn predefinidas en sus pesos y relaciones, y el estudiante slo puede aprender un nmero limitado de asociaciones. La investigacin de Rosenstein y Cohen [36] es un esfuerzo para explicar cmo agentes sensomotores pueden desarrollar pensamientos simblicos y conceptuales tal como lo hacen los nios. Especficamente desarrollan un experimento en el cual el agente descubre los conceptos por s mismo, en lugar de que stos sean proporcionados por el diseador. Describen una forma de extraer conceptos a partir de los flujos de las lecturas sensoras, en particular demuestran las Marco Terico 20 tcnicas reconstruccin del atractor para transformar las series en el tiempo en grupos de puntos (estos grupos representan las categoras perceptuales). Las series en el tiempo que los robots producen al interactuar con el ambiente se categorizan al comparar sus vectores de retardos (que son una reconstruccin de baja dimensin de la serie en el tiempo original) con un conjunto de prototipos. El trabajo an est limitado en cuanto a la dimensionalidad de los conceptos que los agentes pueden aprender (slo cuatro). En un trabajo posterior [37] las categoras son utilizadas para aterrizar asociaciones entre palabras y significados. A continuacin se presenta ms a detalle un trabajo que tiene gran influencia en el desarrollo de esta tesis. 2.5.3 Steels y su investigacin en los orgenes del lenguaje En el laboratorio de la Universidad Libre de Bruselas y el de Sony CSL en Paris se est llevando a cabo una investigacin acerca de los orgenes del lenguaje; ambos laboratorios son dirigidos por Luc Steels. El trabajo de Steels est basado en la nocin de Juegos del Lenguaje (Wittgenstein [67]). En los juegos del lenguaje los agentes construyen un lxico a travs de la interaccin cultural, la adaptacin individual y la autoorganizacin. Como parte de juegos del lenguaje los agentes inventan sus propias palabras y significados, formulan diferentes hiptesis acerca de los significados de las palabras utilizadas por otros agentes y ponen a prueba estos significados en su propia produccin del lenguaje. La evolucin hacia la coherencia de un lxico en la poblacin (donde una palabra tiene un significado dominante y un significado tiene una palabra dominante) es un fenmeno colectivo desencadenado por respuestas del sistema a nuevas situaciones en la cual los mltiples significados de una palabra ya no son compatibles entre s. La investigacin en Paris y Bruselas se realiza en simulaciones y en robot fsicos. Se enfoca en el origen de los sistemas de sonidos, en particular en el rea de la fontica [15] [16], los orgenes del significado [48] [54] [18], la emergencia de lxicos [47]) los orgenes de la comunicacin [17] [18] y la emergencia de la sintaxis. Bart de Boer [15] ha mostrado como los agentes pueden desarrollar un sistema vocal como el de los humanos a travs de la autoorganizacin. Estos agentes fueron modelados con un tracto vocal y un sistema auditivo similar al humano. A travs de las interacciones culturales y de la imitacin los agentes aprenden los sistemas vocales tal como se encuentran entre la mayora de los lenguajes humanos. Primeramente en simulaciones[47][48] y despus en experimentos aterrizados en robots mviles [54[61][62] se ha investigado la emergencia de significados y lxicos. Vogt [63] incorpor el Marco Terico 21 mtodo propuesto por Rosenstein en un experimento con robots mviles para aterrizar acciones bsicas. El experimento ms representativo de la investigacin del lenguaje de Steels es el denominado Talking Heads [52]. El Talking Heads est situado en un mundo de formas geomtricas (tringulos, crculos y rectngulos de colores) que se colocan sobre un pizarrn blanco (el ambiente debe ser lo suficientemente simple para permitir investigar las complejas dinmicas que se llevan a cabo en la poblacin de agentes). La organizacin del experimento consiste de un conjunto de talking heads, cada una de ellas consistente de una cmara de video y una computadora para los procesamientos cognitivos; los agentes viajan entre las talking heads a travs de la internet, y para cada juego del lenguaje un agente se instancia fsicamente en una de ellas y as puede interactuar con algn otro agente que se encuentre instanciado en la misma talking head (para as compartir el mismo ambiente fsico). La interaccin de los agentes consiste en un juego del lenguaje, denominado juego de adivinanzas. Un agente tiene el rol de emisor y el otro de receptor, los agentes toman turnos para cambiar de roles para que todos desarrollen las mismas capacidades de ser emisor o receptor. Los agentes segmentan la imagen percibida a travs de la cmara en objetos y recolectan varios datos sensores sobre cada objeto, tal como color (que se descompone en canales RGB), escala de grises, o posicin. El conjunto de objetos y sus datos constituyen el contexto. El emisor elige un objeto de este contexto, que se denomina tpico. El emisor entonces le enva una pista lingstica al receptor consistente de una produccin (palabra o conjunto de palabras) que identifica al tpico con respecto los objetos que se encuentran en el contexto. Por ejemplo, si el contexto contiene (1) un cuadrado rojo, (2) un tringulo azul, y (3) un crculo verde, entonces el emisor puede decir algo as como el rojo para comunicar que (1) es el tpico. Si el contexto contiene tambin un tringulo rojo, se tiene que ser ms preciso y decir algo como el cuadrado rojo, claro que los agentes utilizan sus propios conceptos y lxico que no son los mismos que los utilizados en el lenguaje de los seres humanos. Por ejemplo, pueden decir malewina para significar [extremo-superior- derecho rojo-bajo]. Basado en la pista lingstica, el receptor intenta conjeturar acerca del tpico que el emisor ha elegido, y le comunica su eleccin al emisor al sealar al objeto (el receptor seala al objeto al transmitir en que direccin est observando). El juego tiene xito si el tpico conjeturado por el receptor es el mismo que el tpico elegido por el receptor y fracasa si la conjetura fue equivocada o si el emisor o el receptor fallan en algn punto previo del juego. En caso de fracaso, el emisor le da al receptor una pista extralingstica al sealar el tpico el tpico que haba seleccionado, y ambos agentes intentan reparar sus estructuras internas para tener mayor xito en juegos futuros. Marco Terico 22 De esta manera los agentes inician sin tener un diseo previo de la ontologa o del lxico y stos deben surgir en un proceso autoorganizado. Los agentes por lo tanto no slo participan en los juegos del lenguaje, sino que expanden o adaptan su ontologa o su lxico para ser tener mas xito en los juegos futuros. Juegos de Lenguaje 23 3 Juegos de Lenguaje 3.1 El Lenguaje como un Sistema Dinmico Una de las hiptesis claves en las cuales se fundamenta este trabajo es que la comunicacin a travs del lenguaje es la fuerza principal para preparar las capacidades representacionales de los agentes inteligentes [52]. La lingstica y la ciencia cognitiva tienden a enfocarse a la comunicacin considerando slo un emisor y receptor idealizado y han ignorado en gran medida las cuestiones de dinmicas y de evolucin, aun cuando se considere que el lenguaje est en evolucin constante. Sin embargo, el enfoque de los sistemas complejos adaptativos (con una simulacin multiagente) es relevante para el lenguaje, particularmente en dos reas: la comprensin de los orgenes del lenguaje y la comprensin de las dinmicas evolutivas de lenguajes completos. El lenguaje es un ejemplo obvio de un fenmeno complejo que ha surgido de alguna manera en el curso de la evolucin biolgica [50]. Y puede verse como un fenmeno emergente, en dos sentidos. Primero, el lenguaje es un fenmeno de masa actualizado por los diferentes agentes que interactan entre s. En este sentido, el lenguaje es como una nube de pjaros que logra y mantiene la coherencia basndose en reglas individuales que activa cada pjaro. Ningn individuo posee una visin global del lenguaje, ni ejerce total control sobre l. Segundo, el lenguaje puede considerarse emergente en el sentido de que puede generarse y volverse ms complejo de forma autnoma basndose en los mismos mecanismos que aumentan la complejidad en otras reas: evolucin, co-evolucin y auto-organizacin [47]. 3.1.1 Evolucin La evolucin se propone como la fuerza principal en el origen del lenguaje. Pero la evolucin no es en el sentido gentico, sino en el sentido de una analoga entre especie y lenguaje y entre genes y reglas lingsticas. Un lenguaje se considera como la consecuencia de la interaccin de un grupo de agentes autnomos donde el comportamiento de cada uno de estos agentes est basado en reglas lingsticas. Cuando los agentes construyen nuevas reglas o modifican las existentes, se modifica el lenguaje, tal como la variacin en las especies resulta cuando ocurren mutaciones en los genes individuales. La seleccin lingstica puede basarse en criterios dependientes del efecto comunicativo y lingstico de una regla. Por ejemplo, el criterio seleccionista para la creacin de un nuevo fonema o la combinacin de fonemas existentes es: la facilidad de ser producido o reproducido por el Juegos de Lenguaje 24 emisor, y la facilidad de comprensin por parte del receptor. Las estructuras y reglas en otros niveles lingsticos tiene criterios anlogos. 3.1.2 Coevolucin lingstica: La coevolucin tiene un papel primordial para llevar al lenguaje hacia una mayor complejidad en todos los niveles. La mayor presin proviene de la creciente complejidad de la interaccin agente- agente y la interaccin agente-ambiente parcialmente habilitada por una habilidad lingstica ms poderosa: El juego de vocabularios genera presin en los mdulos de la creacin de significados para poder tener suficientes distinciones; cuando hay mas tipos de objetos, se necesitan ms distinciones. Tambin pone presin en el lxico para lexicalizar los significados que necesitan ser comunicados. Por lo tanto, entre ms significados sean utilizados en los juegos del lenguaje mayor tendr que ser el lxico por lo que la complejidad del lenguaje se alimenta a s mismo. Porqu aterrizar los smbolos en el lenguaje directamente y no aterrizar los smbolos primero y desarrollar un vocabulario compartido despus?. Esto es, porque no primero permitir que cada agente desarrolle sus conceptos de forma independiente y slo cuando termine de discriminar todos los objetos en el ambiente iniciar las conversaciones para crear el vocabulario?. El asociar los smbolos ya aterrizados es una tarea sencilla [32][47]. Sin embargo, como Wittgenstein [67] seala, el significado de un objeto (o situacin) depende de cmo se utiliza en el lenguaje. Est situado en el ambiente y depende de la experiencia corprea del agente. El uso del lenguaje brinda retroalimentacin de la idoneidad del sentido que se hace a un referente (concepto). Por lo tanto, el lenguaje propicia de la construccin de significados y la construccin de significados propicia el desarrollo del lenguaje. Por lo tanto, los significados coevolucionan con el lenguaje. 3.1.3 Autoorganizacin: Ni la evolucin o la co-evolucin son suficientes por si mismas. Usualmente existen muchas estructuras posibles las cuales son igualmente plausibles desde el punto de vista seleccionista, sin embargo, de las muchas posibilidades usualmente una es seleccionada y adoptada por la poblacin. El lenguaje y los significados son compartidos. Si el lenguaje y los significados fueran innatos entonces seran genticamente compartidos y la coherencia sera gratuita. Pero si no son innatos, entonces debemos explicar como surge la coherencia sin tener un control central y con agentes que slo tienen acceso a los estados de los otros agentes a travs de interacciones localizadas. El origen de la coherencia en un sistema distribuido con muchos elementos interactuando entre s, ha sido estudiado bajo el concepto de auto-organizacin. La auto-organizacin es un proceso mediante el cual un sistema de elementos que cuenta nicamente con interacciones locales y un Juegos de Lenguaje 25 fuerte ciclo de retroalimentacin positiva desarrolla una coherencia global para poder enfrentarse a los flujos de entrada y salida de energa o materiales. Claramente no existe dimensin gentica y la informacin se preserva al mantener las estructuras auto-organizativas. Este fenmeno ha sido aplicado para comprender ciertos fenmenos biolgicos no genticos tales como la formacin de caminos en la sociedades de hormigas, formacin de patrones, etc. El principio de la autoorganizacin requiere 2 ingredientes: debe existir un conjunto de variaciones posibles y fluctuaciones aleatorias que pueden originar fluctuacin hasta ganar prioridad. La mayora del tiempo estas fluctuaciones estn atenuadas y el sistema esta en estado de equilibrio (dinmico). Sin embargo, si existe un ciclo de retroalimentacin positiva que cause que cierta fluctuacin sea reforzada, entonces la fluctuacin eventualmente dominar. Por ejemplo, para cada par significado-palabra se mantiene un registro de cuantas veces se ha utilizado esta asociacin y cuantas veces ha tenido xito en algn juego especifico. Los agentes emisores prefieren la palabra ms exitosa. Esto causa un efecto de retroalimentacin positiva: entre ms se usa una palabra, ms exitosa ser y se usar aun ms. Inicialmente, existir una lucha entre los diferentes pares significado-palabra hasta que uno domine. La coherencia se cristaliza rpidamente una vez que una palabra empiece a dominar. La coherencia de los significados sucede de manera indirecta. Se prefieren las caractersticas que han sido lexicalizadas y por lo tanto las caractersticas mas comunes sern compartidas por todos los agentes [47]. 3.1.4 Resumen del Enfoque de Sistemas Adaptativos-Autoorganizativos La formacin de una convencin lingstica en un grupo de agentes distribuidos puede ser comprendida en trminos de la auto-organizacin. La variacin natural en el comportamiento del lenguaje se logra encauzar debido a que entre ms miembros de la comunidad adopten la misma convencin, la convencin ser ms fuerte; sin embargo, esta dinmica solo es posible si lo agentes cambian su comportamiento para estar ms sincronizados con el comportamiento del resto de la comunidad. La aplicacin del enfoque de sistemas adaptativos-auto-organizativos para el origen y desarrollo del lenguaje produce las siguientes hiptesis: 1. La informacin relacionada al lenguaje se preserva en la memoria de los individuos y no en sus genes. 2. No existe un rgano del lenguaje aunque se considera que los agentes poseen habilidades perceptuales y motoras innatas , as como un substrato cognitivo general. Juegos de Lenguaje 26 3. El lenguaje se preserva a travs de imitacin del comportamiento basada en el aprendizaje y se transmite de forma cultural. 4. Las innovaciones surgen debido a varios factores, como por ejemplo que el proceso de adquisicin e imitacin puede ser impreciso, que ningn agente posee una visin global del lenguaje utilizado por los otros, etc. 5. La informacin que se preserva, y por lo tanto la configuracin del lenguaje, se gua a travs de criterios seleccionistas, incluyendo intentos por maximizar el xito comunicativo, minimizar el procesamiento cognitivo y la memoria, as como mantener la compatibilidad con las limitaciones del aparato sensomotor. 6. La coherencia del lenguaje no surge genticamente, sino que se debe a la auto-organizacin. Ms concretamente, existe un ciclo de retroalimentacin positivo entre el xito y el uso de una estructura. Una palabra, sonido, concepto, o convencin sintctica, se utilizar preferentemente si ha sido exitosa, por lo tanto, entre ms xito, ms se utilizar y tendr mayor xito. La evolucin y el crecimiento en la complejidad en el lenguaje son por lo tanto un efecto colateral de la transmisin cultural y la adaptacin. El enfoque de sistemas adaptativos a los orgenes y evolucin del lenguaje aade dos aspectos importantes a la investigacin del aprendizaje simblico del lenguaje. Primero que nada, considera cruciales las dinmicas de la poblacin, en lugar del aprendizaje de un slo individuo basado en ejemplos preparados. Segundo, existe el aspecto constructivo, los usuarios del lenguaje no slo aprenden el lenguaje pasivamente en su ambiente, sino participando continuamente en su construccin; de otra forma no es posible explicar la generacin de un lenguaje desde su principio, o el cmo nuevas caractersticas pueden ingresar al lenguaje. 3.2 Experimentos Sintticos Para poder explorar el enfoque de los orgenes del lenguaje descritos en la seccin anterior se presenta un modelo de experimentos sintticos. La idea general de modelos sintticos es explorada en [26]. La estructura general de tales experimentos sintticos es la siguiente: Existe una poblacin de agentes aptos para involucrarse en comportamientos lingsticos. Existe una poblacin de objetos en el mundo que sern el sujeto de la comunicacin lingstica, en experimentos que involucran un componente semntico. Juegos de Lenguaje 27 Para estudiar cuestiones de creacin de significados y su aterrizaje fsico, los agentes se encapsulan en robots y entonces los sujetos de la comunicacin son las situaciones fsicas encontradas por el robot que opera sobre su ambiente.
Los agentes se involucran en interacciones lingsticas, por ejemplo el que un agente emita un sonido y otro perciba este sonido, o que un agente formule una sentencia y el otro intente descifrarla. A estas interacciones se les denomina juegos de lenguaje. Las reglas lingsticas de los agentes pueden cambiar como consecuencia del resultado de estos juegos. Una simulacin inicia con una poblacin de agentes que se involucran en interacciones lingsticas y como efecto colateral de estas interacciones, pueden formarse o propagarse estructuras lingsticas. Existen algunos criterios importantes que necesitan ser respetados para obtener modelos realistas, incluyendo modelos realistas de las dinmicas naturales del lenguaje, y estos son: Restriccin de sistemas distribuidos: Los sistemas multi-agente deben ser concebidos como sistemas distribuidos. No deben existir agentes que posean una visin global de los comportamientos de los otros agentes, ni deben existir agentes que puedan controlar completamente el comportamiento de los otros. De hecho, ningn usuario del lenguaje tiene una visin completa de su lenguaje, ni puede determinar por consenso cual es la convencin lingstica que debe ser adoptada por toda la poblacin. Restriccin de la racionalidad limitada: Los agentes no deben tener acceso directo a los estados internos de los otros agentes. Solo pueden intercambiar informacin o causar cambios en los otros a travs de las interacciones. Esto es obviamente cierto en el uso del lenguaje humano donde un usuario del lenguaje no puede inspeccionar o cambiar los estados internos del cerebro de otro usuario del lenguaje. Restriccin de sistemas abiertos: Debe existir un flujo de entrada y salida de agentes en la poblacin y un flujo de entrada y salida de los significados. Esto no es solo para dar realismo con respecto a las poblaciones y culturas humanas. Sino que es conocido en la teora de sistemas dinmicos que este flujo de entrada y salida es necesario para explicar parcialmente el tipo de estructuras que emergern y la razn por la cual hay evolucin de la estructura. Restriccin de la percepcin limitada [Shanck]. Ningn agente es capaz de tener una visin global del estado mundo, solo tiene acceso a l a travs de sus sensores. 3.3 Juegos del Lenguaje Wittgenstein [67] considera que el lenguaje natural est compuesto por un conjunto innumerable de juegos del lenguaje, en los cuales el lenguaje es empleado en un contexto particular y de manera Juegos de Lenguaje 28 particular por los participantes. En sus investigaciones filosficas construye varios ejemplos de juegos de lenguaje, de acuerdo a sus estrictas reglas, con el fin de poder incursionar en la naturaleza del lenguaje. En cada juego los participantes (o agentes) utilizan al lenguaje para lograr ciertos objetivos en el mundo. Wittgenstein utiliza la gramtica para describir el uso del lenguaje (natural, formal o artificial) o de sus componentes para ejecutar ciertas tareas o actividades. Algunos de los ejemplos de juegos del lenguaje son: hacer una lista de las cosas para comprar en el sper y tacharlas de la lista al irlas recolectando, preguntarle a otra persona la hora, etc. Expandiendo el concepto de juegos de lenguaje de Wittgenstein, podemos describir juegos de lenguaje para agentes robticos o de software. En estos juegos los agentes utilizan canales sensores y actuadores de alguna manera que les sea til. Para este trabajo podemos definir un juego de lenguaje como una interaccin entre dos agentes o entre el agente y su ambiente que produce un resultado y que puede motivar cambios internos en los agentes, como efecto de este resultado. Para los juegos del lenguaje, los cambios son en trminos de las reglas lingsticas que utilizan los agentes participantes. Al variar la naturaleza del juego, la arquitectura cognitiva de los agentes y sus comportamientos internos se pueden estudiar diferentes capacidades del lenguaje. Por ejemplo, el origen de los repertorios de sonidos puede estudiarse utilizando juegos de imitacin, en el cual los agentes estn equipados con un articulador sinttico modelado como el tracto vocal delos humanos, y un modulo auditivo modelado como el sistema auditivo humano [15]. El origen del lxico puede estudiarse a travs de juegos de vocabulario, en los cuales los agentes nombran un tpico en trminos de las caractersticas que lo distinguen de otros tpicos en el contexto [45]. El origen del significado puede estudiarse a travs de juegos de discriminacin en los cuales los agentes intentan distinguir los objetos en su ambiente utilizando y evolucionando un repertorio jerrquico de categorizadores que operan sobre los datos sensores [51]. Estos juegos pueden integrarse para conseguir dinmicas co-evolutivas.
Para los juegos del lenguaje se han agregado las siguientes restricciones: Los mensaje utilizados entre los agentes consisten en una sola palabra, por lo que no se considera la gramtica. Los agentes no tienen roles fijos; esto es, no existe separacin entre los agentes (como por ejemplo agentes-maestro y agentes-alumno), cada miembro de la poblacin acta a veces como emisor y a veces como receptor. Esto permite que todos los agentes puedan influenciar el sistema de comunicacin. Juegos de Lenguaje 29 Los conceptos son formados por todos los agentes basndose en su propia experiencia. Por lo tanto la comunicacin no tiene influencia directa sobre los conceptos que se forman. 3.4 Juegos de Discriminacin Cuando agente investiga su ambiente puede necesitar, dependiendo de la tarea, discriminar entre los diferentes objetos que se encuentra. Decidir si dos observaciones se refieren o no al mismo objeto implica una categorizacin del mundo. Suponiendo que un robot tenga los sensores suficientes y apropiados a su disposicin puede clasificar las observaciones de los objetos que lo rodean en un numero de categoras diferentes. Un problema cuando se intenta que los agentes se comuniquen acerca de su ambiente, es que los diferentes encuentros de un agente con el mismo objeto no producen las mismas observaciones. Las diferencias son causadas por los cambios en el ngulo del agente, diferentes condiciones de luz, imprecisiones de los sensores, etc. A pesar de estas diferencias, un agente debera poder categorizar sus observaciones de tal manera que un objeto corresponda a la misma categora en los diferentes encuentros. De no ser as, el desarrollo de una comunicacin significativa acerca de los objetos se vera severamente entorpecido. Por lo tanto, una conceptualizacin significativa del ambiente producir un numero limitado de categoras, entre ms pequeo sea el numero de categoras existir mayor probabilidad de que dos agentes designarn consistentemente al objeto como perteneciente a cierta categora. Esto a su vez facilita el desarrollo de nombres para tales categoras que se pueden usar en la comunicacin para identificar objetos. Los juegos de discriminacin estn orientados a la creacin de una ontologa. La creacin de estas categoras o significados es a travs de la interaccin de un agente con su ambiente. El significado se define como una conceptualizacin, o categorizacin de la realidad que es relevante desde el punto de vista del agente. Algunos significados (como colores) estn aterrizados perceptualmente, otros (como las jerarquas sociales) estn aterrizados en las relaciones sociales, y otros ms, (tales como metas o intenciones de los agentes) estn aterrizados en la interaccin del comportamiento entre el agente y el ambiente. Los juegos de discriminacin descritos en esta seccin se refieren a conceptos aterrizados perceptualmente. El significado se desarrolla de la interaccin de un agente con su ambiente, o con sus estados internos. Un concepto (ya sea un objeto o un estado interno) es observado por el agente, quien construye una representacin interna utilizando sus caractersticas discriminativas, es decir, el agente asocia el concepto con caractersticas que lo distinguen de otros conceptos. Juegos de Lenguaje 30 En la tarea de percepcin, un robot colecciona datos sensores de los objetos que ha observado en su ambiente. Cada objeto puede estar relacionado a con un conjunto de caractersticas que el agente ha construido. Estos objetos, conjuntamente, constituyen el contexto. El agente entonces elige un objeto del contexto que se denomina tpico. El objetivo del juego de discriminacin es distinguir el tpico de cualquier otro objeto en el contexto. Si la discriminacin es posible, el juego termina en xito. Si no, termina en fracaso, y el agente intentar de mejorar su habilidad de discriminar al generar o modificar sus caractersticas. El agente intenta distinguir un objeto o situacin de otros utilizando sensores y procesos sensores de bajo nivel. El punto importante es si un agente es capaz de desarrollar de forma autnoma un repertorio de caractersticas que le permitan realizar la discriminacin y adaptar su repertorio cuando se consideren nuevos objetos. Consideremos que estos objetos tienen caractersticas que son percibidas a travs de canales sensores, ya sea a travs de las lecturas directas de los sensores o de procesos sensores de bajo nivel. Un canal sensor produce un valor numrico (por ejemplo un sensor de luz produce un valor de 0 a 255) que puede ser normalizado entre 0.0 y 1.0. Una distincin significativa toma la forma de una caracterstica, que se descompone en atributo- valor. La caracterstica es derivada por un detector de caractersticas que discretiza el espacio continuo de un canal sensor. La caracterstica indica que el valor de un canal sensor cae dentro de una subregin del espacio. (vase Figura 3-1). Figura 3-1 La percepcin de las categoras se realiza a travs de los canales sensores que contienen estados de los sensores y rutinas sensoras, y se transforman a caractersticas a travs de los detectores de caractersticas. Existen caractersticas absolutas, tales como (color-rojo), que se basan en los valores absolutos de un canal sensor de un solo objeto, y caractersticas relativas (tales como (velocidad-mas- rpida)) que comparan canales sensores de diferentes objetos. ... (f1 v1) (f1 v2) (f1 v3) ... Objeto
Canales sensores Detectores de Caractersticas Caractersticas Juegos de Lenguaje 31 Aqu se examina la hiptesis de que el origen del significado est basado en procesos de seleccin y construccin incorporados en las tareas de discriminacin. Se asume que cada agente individual es capaz de construir nuevas caractersticas, esto es, nuevas segmentaciones del espacio sensor continuo. El proceso de construccin se basa en la generacin aleatoria de una variedad de distinciones que experimentarn la presin seleccionista basadas en su desempeo para discriminar. El proceso de generar diversidad y variacin esta sujeto a la presin de seleccin proveniente de la tarea de discriminacin: El agente intenta diferenciar un objeto de un conjunto de otros objetos que constituyen el contexto basndose en le repertorio de caractersticas y valores. Una discriminacin se basa en una caracterstica denominada como caracterstica distintiva (CD). Puede existir mas de una CD, pero tambin puede que no exista ninguna si no existen suficientes caractersticas disponibles. Esto sucede cuando no pueden encontrarse caractersticas para caracterizar el objeto, o cuando los atributos utilizados para caracterizar el objeto no son aplicables a otros objetos en el contexto, o cuando una caracterstica no tiene una distincin lo suficientemente refinada. Cuando no existe una CD, la discriminacin falla y existe presin para construir un nuevo detector de caractersticas. Los detectores de caractersticas, se refinan de forma jerrquica y por lo tanto forman un tipo de rbol de discriminacin. El primer detector divide el espacio en algunas regiones (en este caso dos). Esta regin puede despus ser segmentada por algn detector-de-caractersticas adicional si se encuentran objetos que necesitan discriminarse dentro de la misma regin. Por lo tanto los detectores de caractersticas forman jerarquas naturales, que van tan profundo como se requieran. El conjunto de objetos entre los cuales tiene que efectuarse una discriminacin se asume que es abierto, en el sentido de que pueden entrar nuevos objetos al ambiente que requieran caractersticas diferentes o ms refinadas. 3.4.1 Mtodo de SubEspacio Adaptativo Este es el mtodo que se utiliza para obtener las caractersticas distintivas (CD). Este mtodo est basado en el principio de que los diferentes conjuntos de entradas sensoras deben de tratarse como diferentes slo si sta distincin es significativa. Determinar cuales distinciones son significativas depende de la aplicacin. En el caso de los juegos de discriminacin, una distincin debe formarse si y slo si incrementa la habilidad del agente para discriminar el tpico de otros objetos, en uno o ms de los juegos de discriminacin en los que ha participado. Este mtodo resulta de indagar en la generalizacin, el cual es un tpico importante en el aprendizaje de mquina. Cada punto en el espacio sensor est incluido en exactamente un conjunto de caractersticas. Esta propiedad se mantiene durante el proceso de refinamiento de los atributos. Este mtodo, por lo Juegos de Lenguaje 32 tanto, se adapta a la divisin del espacio sensor en regiones, de aqu precisamente se deriva su nombre. Las categoras asociadas con los canales sensores se organizan en rboles binarios. Durante la operacin este rbol crece y se contrae dinmicamente mientras el agente refina sus categoras y elimina refinamientos improductivos. La Figura 3-2 muestra un ejemplo de dicho rbol. El nodo raz representa el rango entero de valores que el canal sensor puede producir. En cada nodo interno, este intervalo se divide en sus 2 partes. Figura 3-2 Ejemplo de rbol que representa las categoras de un canal sensor. Para cada objeto en la escena, el agente recibe el valor extrado de su conjunto actual de canales sensores. El agente selecciona aleatoriamente un objeto para ser el tpico. El valor del canal sensor para cierto objeto reside en varias categoras del rbol de categoras de ese canal. Para cada categora puede determinarse que objetos caen dentro de ella y cuales no. Si existe una categora en la cual se encuentre el tpico y ningn otro de los objetos, o en la cual se encuentre los otros objetos pero no el tpico, entonces esta categora permite al agente ejecutar la discriminacin deseada. 3.4.2 Algoritmo del Juego de Discriminacin Involucra un agente, un tpico, y un contexto. El resultado en caso de xito es una caracterstica distintiva (CD), y vaco en caso contrario. 1. Se determina un contexto o se elige uno. El contexto consiste en un conjunto de objetos y algunos, o todos, los canales sensores tiene valores para estos objetos. 2. Un objeto en este contexto se elige como tpico, esto es, el objeto que va a ser discriminado de los otros. 0.0 0.25 0.25 0.50 0.0 0.5 0.5 1.0 Juegos de Lenguaje 33 3. Todos los rboles de discriminacin disponibles se utilizan para construir las caractersticas de cada objeto. 4. Se obtiene un conjunto de caractersticas distintivas. Consiste del conjunto mnimo de caractersticas que distinguen al tpico de los otros objetos en el contexto. El ltimo paso puede fallar si no existen suficientes distinciones disponibles. Como parte de cada juego el repertorio de significados es ajustado en la siguiente manera: 5. En caso de que no haya xito: Esto significa que no existen suficientes distinciones y por lo tanto hay 2 opciones: d) Si un existen canales sensores para los cuales no existen detectores de caractersticas, se construyen uno nuevo. Esta es la opcin preferida. e) De lo contrario, un atributo existente puede refinarse al crear un nuevo detector, que segmente la regin cubierta por uno de los atributos existentes. 6. En caso de que si exista una CD: En este caso existen varias posibilidades, los conjuntos de caractersticas son ordenados por criterios de preferencia. El mejor es elegido y utilizado como resultado del juego de discriminacin. El registro de uso de todos es incrementado. El criterio es el que sigue: a) El conjunto ms pequeo es preferido. Por lo que el menor numero de caractersticas es utilizado. b) En caso de conjuntos de igual tamao, se elige el conjunto en el cual las caractersticas impliquen el menor numero de segmentos. Por lo que se eligen las caractersticas mas abstractas. c) En caso de igual segmentacin, se elige el conjunto en el cual las caractersticas han sido mas utilizadas. Todo el sistema es seleccionista. Las fallas al discriminar crean presin para crear nuevos detectores de caractersticas. Sin embargo, no se garantiza que el nuevo detector de caractersticas tenga xito. Se probar la prxima vez, y solo sobrevivir en la poblacin de detectores de caractersticas si realmente tiene xito para ejecutar las discriminaciones. Puede implementarse un mecanismo de olvido que elimine las distinciones superfluas. Juegos de Lenguaje 34 3.5 Juegos de Vocabulario En la seccin anterior exploramos como un agente puede construir su propia ontologa. Pero si cada agente crea sus propias distinciones, nos enfrentamos con el problema de cmo puede surgir coherencia en el grupo de agentes. Se propone que el lenguaje juega un papel crtico en establecer el conjunto compartido de distinciones perceptuales. Por lo tanto, es necesario un mecanismo para lexicalizar y utilizar estas distinciones en interacciones basadas en el lenguaje. Los agentes no slo construyen sus propias distinciones sino tambin su propio vocabulario para verbalizar estas distinciones, todo sin intervencin externa (humana). El proceso de formacin de un vocabulario o lxico asume que los agentes tienen la capacidad de crear nuevas palabras y asociarlas con una caracterstica distintiva (CD). Tambin tienen la capacidad de crear una nueva asociacin entre una palabra y una CD cuando detectan una asociacin en conversaciones con otro agente, siempre y cuando se conoce la palabra y el posible significado puede ser derivado del contexto. Sin embargo, debido a la capacidad generativa de cada agente, esta adopcin de asociaciones no garantiza la coherencia ya que diferentes subgrupos de agentes (en caso extremo cada agente) pueden crear sus propias asociaciones. La coherencia se logra a travs de la auto-organizacin: los agentes acoplan aleatoriamente las palabras a los significados, y despus participan en las conversaciones manteniendo un registro del xito de cada asociacin palabra-significado, y utilizando este registro para elegir las asociaciones que utilizar en comunicaciones futuras. Esto establece un mecanismo de retroalimentacin positivo: una palabra que sea utilizada frecuentemente tendr un xito comunicativo alto y por lo tanto se usar aun ms. En cada juego hay un emisor, un receptor y un conjunto de objetos que constituyen el contexto. El emisor identifica el objeto (el tpico), por ejemplo al sealarlo, y el receptor lo identifica. Entonces, ambos encuentran una caracterstica que discriminen el tpico con respecto a los otros objetos. El emisor intenta codificar este conjunto de caractersticas al utilizar palabras de su lxico y el receptor decodifica la expresin resultante. El juego tiene xito si la CD decodificada por el emisor corresponde a la CD esperada. Cuando el juego falla, el emisor o el receptor modifican su lxico. 3.5.1 Algoritmo de los Juegos de Vocabulario Un dilogo se define como un evento que involucra un conjunto de agentes, un conjunto de significados y un conjunto de palabras. Para crear una conversacin, se seleccionan aleatoriamente cada uno de estos conjuntos. Juegos de Lenguaje 35 Cada agente tiene una lista de palabras y una lista de significados. El agente puede asociar aleatoriamente una palabra con un significado particular. Cuando el agente expresa el este significado utiliza la palabra que le asoci. Despus, cuando el agente escucha la misma palabra, asume que se trata del mismo significado. El xito comunicativo de una asociacin en particular esta relacionado con el porcentaje de agentes en todo el grupo que utilizan la misma asociacin. Dependiendo del xito, deciden si desear cambiar la asociacin, la decisin se basa en una funcin sigmoidea para que la probabilidad de cambiarla decrezca cuando la mayora adopta la misma asociacin. Tenemos 3 posibilidades de acciones en una conversacin: 1. El agente tiene una palabra asociada a este significado: La asociacin se cambiar basndose en una probabilidad
dependiente del xito de la asociacin. ! " # $ % & ' ( + = Exito e obabilidad ) * tan 4 1 1 Pr 2. El agente no tiene asociado una palabra: Entonces selecciona una palabra de las utilizadas durante la conversacin y se asocia con el significado. Si no existen suficientes palabras, entonces el agente puede crear una nueva palabra y despus crear la asociacin. 3. El agente no conoce este significado: Entonces ste es adoptado y se le asocia una palabra. Los pasos 2 y 3 garantizan que los significados y las palabras se propaguen en la poblacin. 3.6 Juegos de Adivinanzas Resulta del acoplamiento delos juegos de discriminacin y juegos de vocabulario. 3.6.1 Algoritmo del juego de adivinanzas 1. Se identifican de manera aleatoria un emisor, un receptor y un contexto consistente de objetos. 2. El emisor selecciona un objeto como el tpico y seala hacia l para que el receptor comparta el tpico. 3. Ambos (emisor y receptor) identifican posibles caractersticas distintivas utilizando la percepcin de los canales sensores y los rboles de discriminacin. Juegos de Lenguaje 36 4. Si existe al menos una caracterstica distintiva, el emisor la selecciona y codifica en una palabra. Las palabras que tienen el registro de xito mas alto se prefieren. 5. El receptor interpreta esta expresin utilizando una funcin para decodificarla y la compara con sus expectaciones. 1. No es posible la discriminacin (falla paso 3): En este caso se crean nuevas caractersticas. 2. El emisor no tiene una palabra asociada (falla paso 4). En este caso se detecta al menos un conjunto distintivo de caractersticas, pero el emisor no tiene palabras para expresarlo. El juego del lenguaje falla. El emisor puede crear una nueva palabra y asociarla con el CCD. 3. El receptor no tiene una palabra asociada. Al menos un CCD se detecta, y el emisor tiene palabra para expresarlo. Sin embargo, el receptor no conoce la palabra. Debido a que el receptor tiene la hiptesis de los CCD que pueden utilizarse, es capaz de extender su vocabulario para crear asociaciones entre la palabra usada y cada uno de los CCD. Si existe mas de una posibilidad el agente no puede desambiguar el lxico. 4. Tanto el emisor como el receptor conocen la palabra. En este caso hay 2 posibles resultados: d) Los significados son compatibles con la situacin: El dilogo es exitoso y tanto el emisor como el receptor obtienen xito comunicativo. (Es posible que el emisor y el receptor utilicen diferentes CDs, pero como la comunicacin fue exitosa, no es posible determinarlo. Los significados no son compatibles con la situacin: en este caso no existe xito comunicativo ni para el emisor ni el receptor. 3.7 Arquitectura 3.7.1 Arquitectura Basada en Comportamiento: El enfoque orientado a la descomposicin funcional, que domina en la IA clsica, asume que cada aspecto de desarrolla en un mdulo separado: percepcin, modelado, planeacin, control, y aprendizaje. El dividir los procesos de esta forma tiene sentido debido a que todo lo relacionado a un aspecto puede agruparse y por lo tanto optimizarse. Sin embargo, no existe rapidez al obtener una respuesta hacia al mundo debido a que la informacin necesita viajar a travs de todos los mdulos (posiblemente complicados) antes de poder relacionar el sensado con la accin. Steels [43] plantea en enfoque alternativo: el enfoque basado en comportamiento, el cual agrupa todo lo que necesita un comportamiento en un solo componente. Un sistema de comportamiento Juegos de Lenguaje 37 contiene todas las estructuras y procesos necesarios para ligar el sensado con la accin: mecanismos de interpretacin, estructuras para representar el conocimiento, mecanismos para decidir cual es la accin mas apropiada y traducirla a comandos motores, as como mecanismos para adaptacin y aprendizaje. Cada sistema de comportamiento ve al mundo desde su punto de vista particular y extrae nicamente la informacin de los sensores que es inmediatamente relevante para constituir el comportamiento del cual es responsable. El sistema de comportamiento es al mismo tiempo su propio punto de control. Decide por si mismo cuando activarse, y tiene todos los recursos para hacerlo. Por ejemplo, puede existir un comportamiento para evitar obstculos que tiene acceso a los datos sensores y es capaz de controlar los motores para moverlos hacia adelante. Este comportamiento se activa cuando los sensores detectan la presencia de un obstculo. La organizacin basada en comportamiento es mucho ms reactiva debido a que todo esta disponible inmediatamente para poder establecer la liga entre los sensores y actuadores. Esta arquitectura difiere de la arquitectura subsumcin, la cual tambin asume una organizacin basada en comportamiento. En la arquitectura subsumcin un sistema de comportamiento puede activar o desactivar las entradas sensoras y las salidas hacia los motores de otro sistema de comportamiento, tambin existen temporizadores para las maquinas de estados finitos que definen cada unidad de comportamiento. Las Bases Dinmicas de los Sistemas de Comportamiento Steels adopta la hiptesis de que un sistema basado en comportamiento debe basarse en interrelacionar cantidades dinmicamente variantes, sin tener que discretizar y categorizar estas cantidades para poder utilizarlas (algo muy utilizado en la teora de control, por ejemplo, para pilotos automticos). Esto significa que el sistema de comportamiento consiste de un conjunto de procesos que relacionan las cantidades que varan continuamente. Un proceso puede incrementar o decrementar una cantidad como una funcin de la evolucin de otras cantidades. Pueden existir umbrales discretos (sujetos a procesos adaptativos), pero en general se trata de procesar dinmicas en lugar de smbolos. El enfoque dinmico de los sistemas de comportamiento se basa en las siguientes suposiciones: Los programas de control se consideran sistemas dinmicos que establecen una relacin continua en el tiempo entre los datos provenientes de los sensores y la cadena de valores que va hacia los actuadores. Todos los procesos estn activos al mismo tiempo. No existe relacin de subsumcin ni mecanismo de seleccin de accin que le de precedencia a un sistema de comportamiento Juegos de Lenguaje 38 sobre otro. En lugar de esto, cada sistema de comportamiento determina su influencia sobre los parmetros de los actuadores ( o cambios en las variables internas) y las influencias se suman. 3.7.2 Arquitectura Cognitiva Basada en Comportamiento: Para el desarrollo de un sistema robtico que sea capaz de realizar una tarea relativamente compleja, como son los juegos de lenguaje, se construye una arquitectura fundamentada en la arquitectura basada en comportamiento de Steels. Para llevar a cabo una tarea tan compleja como la comunicacin, es necesario planear una secuencia de acciones. Los comportamientos reactivos, como el evitar obstculos, no son suficientes. Para esto, se desarroll una nueva arquitectura: arquitectura cognitiva basada en el comportamiento (ACBC), que est fundamentada en la arquitectura de control basada en comportamiento propuesta por Steels [43]. La arquitectura ejecuta un guin (o plan) a travs de la activacin o inhibicin de procesos que en conjunto dan como resultado un comportamiento emergente. Los guiones son implementados como autmatas de estados finitos en la que las transiciones son controladas por pre y post-condiciones especificas del estado. En cada estado del autmata de estados finitos (AF) son activados o inhibidos un conjunto de procesos (vase Figura 3-3). En la ACBC los sensores S y actuadores A son acoplados a travs de un conjunto de conexiones. El agente consiste de un conjunto de guiones, que son implementados como un autmata de estados finitos. Los autmatas de estados finitos son procesos paralelos donde las transiciones son reguladas por pre y post-condiciones. Usualmente las pre y post-condiciones son satisfechas por algn estmulo sensor. Un estado puede tambin ser alimentado con informacin proveniente de algn proceso interno. Cada estado E tiene una post-condicin que permite al sistema entrar al estado por defecto E0 donde no pasa nada. Cada estado del autmata tiene conexiones activadoras e inhibidoras con los procesos dinmicos sensomotores P.
Juegos de Lenguaje 39
Figura 3-3 Esquema de la Arquitectura Cognitiva Basada en Comportamiento. Los procesos se dividen en procesos cognitivos y reactivos. Los procesos reactivos tienen un procesamiento mas directo y solo toman datos sensomotores como entradas. Los procesos cognitivos son mas complejos, y pueden tomar estmulos provenientes de otros procesos internos. Ntese que el autmata de estados finitos puede ser considerado tambin como un proceso cognitivo. La configuracin de los procesos activadores y las dinmicas del robot con su ambiente originan que el agente presente algn comportamiento emergente. De aqu que el sistema es consistente con el paradigma basado en comportamiento. Cada estado activa o inhibe comportamientos separados utilizando motivaciones que pueden fijarse a activados, inhibido, o a la inversa. Los comportamientos que estn activados controlan en paralelo el comportamiento emergente que presenta un agente. Los procesos de activacin se modelan al invocar factores motivacionales cf ([45], [22). Por ejemplo si es un estado en el cual est presente la motivacin por taxis de los infrarrojos, este estado puede fijar un factor motivacional MotivacionTIR a 1. El proceso de Taxis puede verse como: void Taxis() { Dif = value(IR_Izq) value(IR_Der); S S S S S P P P P A A A A E0 E
E E E0 E E E Actuadores Sensores Juegos de Lenguaje 40 add_value(MotorIzq,MotivacionTIR*C*F(Dif)*Dif); add_value(MotorIzq,- MotivacionTIR*C*F(Dif)*Dif); } Un sistema multi-agente es un proceso paralelo en el cual los agentes actan autnomamente. Para poder sincronizar estos dos procesos paralelos, los agentes utilizan comunicacin preprogramada. Los agentes ejecutando un juego de lenguaje procesan autmatas de estados finitos predeterminados pero paralelos. Cuando los agentes deben transferirse a otro estado de forma simultnea , un agente (como resultado de su transicin) difunde una seal al resto. Debido a que la arquitectura utiliza autmatas de estados finitos, se puede sugerir (equivocadamente) que es la arquitectura de subsumcin propuesta por Brooks [8]. En la arquitectura de subsumcin cada proceso es considerado como un autmata de estados finitos por si mismo, con solo un estado que modela el comportamiento. En la arquitectura de Vogt [61] cada autmata de estados finitos tiene una secuencia de estados. Estos autmatas se utilizan para controlar la planeacin. Un proceso en la arquitectura cognitiva puede ser activado por varios estados, y un estado en particular puede activar varios procesos. Asimismo, los procesos acoplan los sensores a los motores, tal como la arquitectura basada en comportamiento propuesta por Steels [43].
Figura 3-4 a) Autmata finito utilizado en la arquitectura de subsumcin y b) Autmata utilizado en la arquitectura cognitiva. La ACBC es similar a la arquitectura de dinmicas duales [22]. Sin embargo, en las dinmicas duales los procesos de activacin son regulados internamente. No existe un autmata de estados finitos explicito que regule la activacin.
Estado Estado FSA FSA E0 E
E E FSA Implementacin de los Juegos de Lenguaje 41 4 Implementacin de los Juegos de Lenguaje En este captulo se describe la implementacin del sistema para experimentar con los juegos del lenguaje. Hemos mencionado en la motivacin de nuestro trabajo (seccin 1.1) que nuestro estudio tiene como primer objetivo el desarrollo de un sistema para experimentar en la creacin de lenguaje en una sociedad de agentes como instrumento para aspirar a la inteligencia social de los agentes. Hemos implementado en software una sociedad de agentes autnomos, basados en comportamiento. La tarea de los agentes es establecer comunicacin con sus semejantes con la finalidad de generar una ontologa y un lxico. Se han diseado dos experimentos debido a que deseamos explorar dos aspectos diferentes de la generacin del lenguaje,. El primero de ellos explora el concepto de escalabilidad y con el segundo exploramos el concepto del aterrizaje fsico de los smbolos. En el primer experimento nos interesa constatar las hiptesis respecto a la generacin de conceptos y la creacin de un lxico comn entre los agentes. Por ello hemos simplificado ciertos aspectos del modelado de los objetos que se encuentran en el ambiente de tal manera que los agentes tienen una percepcin exacta de las caractersticas de los objetos y stas se consideran persistentes en el tiempo. Los agentes de este experimento no se encuentras embebidos en su ambiente, sino que estn desincorporados del mismo y tienen como nica tarea participar en los dilogos, por lo que carecen de conductas adicionales a las necesarias para realizar esta tarea. En el segundo experimento se considera el aspecto de que el agente debe estar situado e incorporado en su ambiente (cuya importancia se seala en [11]). Se exploran la creacin de conceptos de objetos que varan sus caractersticas con el tiempo, y en los cuales el sensado no es trivial. Los agentes son reactivo-cognitivos que estn implementados de acuerdo a la arquitectura cognitiva basada en comportamiento descrita en la seccin 3.7.2. 4.1 Juegos de lenguaje en agentes software Para la experimentacin con los juegos del lenguaje, en particular, con el juego de adivinanzas, es necesario implementar una poblacin de agentes y un conjunto de objetos. La meta de este juego es que los agentes creen distinciones y compartan un lxico sobre los objetos existentes. Dado que nos enfocamos al aprendizaje del lenguaje en nuestros experimentos, primero decidimos implementar una versin simplificada del problema, por lo que se hicieron algunas suposiciones: Implementacin de los Juegos de Lenguaje 42 Los agentes reciben las caractersticas de los objetos de forma directa, es decir, el sensado es considerado trivial. La comunicacin no se da directamente entre los agentes, sino que existe un administrador de dilogos. Los objetos son persistentes en el tiempo, esto es, sus caractersticas no se modifican durante los juegos. Para desarrollar este experimento se crean los agentes y se inicializan los valores de las caractersticas de los objetos, de acuerdo al numero de canales sensores de los agentes. Los dilogos se realizan a travs de un administrador de dilogos, quin se encarga de seleccionar aleatoriamente, de entre la lista de agentes, a los participantes del dilogo y determina cual ser el tpico y el contexto del mismo. El agente que es elegido como emisor, realiza la discriminacin del tpico y produce una palabra. El administrador del dilogo enva la palabra producida por el emisor al receptor, quien realiza su propio juego de discriminacin y trata de interpretar la palabra enviada; si existe coherencia entre la caracterstica distintiva de su juego de discriminacin con la interpretada a partir de la palabra enviada, se considera que el juego ha tenido xito, de lo contrario se determina que ha fracasado. Con base en esta informacin el emisor realiza su retroalimentacin y enva su evaluacin al administrador para que la comunique al emisor y ste ultimo realice su retroalimentacin. A continuacin se presenta la descripcin del agente, los objetos y los juegos de adivinanzas. 4.1.1 Agentes Los participantes del juego del lenguaje deben ser agentes cognitivos, por lo que deben contar con una memoria interna, as como con mecanismos que les permitan almacenar e interpretar los smbolos almacenados en esta memoria (tal como se seal en la seccin 2.3.5). Memoria Interna: Estructura para las almacenar las categoras o caractersticas distintivas (CD) de los conceptos generados (seccin 3.4). Estructura para almacenar el rbol de discriminacin (seccin 3.4.1) Estructura para almacenar las asociaciones entre los CD y las palabras (seccin 3.5). Sensores Son simples, debido a que los agentes perciben las caractersticas de los objetos de forma directa. Implementacin de los Juegos de Lenguaje 43 Actuadores: Mecanismo de comunicacin con el administrador de dilogos. 4.1.2 Ambiente Se asume la presencia de objetos que tiene caractersticas que pueden ser sensadas a travs de los canales sensores del agente. Por ejemplo las caractersticas del objeto pueden ser luz infrarroja, temperatura, inclinacin. Los valores de estas caractersticas son normalizadas a un rango de 0.0 a 1.0. Por ejemplo, el rango de la luz infrarroja es de 0 a 255, por que una lectura de 128 quedara en 0.5. La representacin de los objetos consiste de n pares correspondientes al canal sensor y su valor ( Figura 4-1).
Figura 4-1 Representacin de las caractersticas de los objetos. a) Objeto, b) Canales sensores y su valor, c) Simplificacin de los canales sensores 4.1.3 Juego de adivinanzas El esquema del juego de adivinazas se presenta en la Figura 4-2. Como se describe en la seccin 3.5 los juegos de adivinanzas consistes de tres capas: Capa perceptual. Capa conceptual. Capa de lxico. ! (sc1 - 1.0) (sc2 0.5) (sc3 - 1.0) (sc4 - 0.75) (sc5 - 0.76)
a) b) c) Implementacin de los Juegos de Lenguaje 44 A continuacin se detallan cada una de las capas de las cuales consisten tanto el rol de emisor como el receptor. Implementacin de los Juegos de Lenguaje 45
Figura 4-2 Proceso y flujo de datos en el juego de adivinanzas en agentes software. Caractersticas Caracterstica Distintiva Capa perceptual Capa conceptual Capa de lxico Categorizacin Discriminacin Produccin Caractersticas Caracterstica Distintiva Categorizacin Discriminacin Interpretacin Adaptacin Ontologa Adaptacin Lxico Adaptacin Lxico Adaptacin Ontologa Evaluacin Ontologa Ontologa Lxico Lxico Recibir objetos Recibir objetos
Emisor Receptor Palabra Objetos Objetos
Administrador de Dilogos Palabra Evaluacin Retroalimentacin Caracterstica Distintiva Implementacin de los Juegos de Lenguaje 46 Capa perceptual Ejecuta el procesamiento sensor de bajo nivel. Es trivial, puesto que a los agentes se les proporcionan las caractersticas de los objetos de forma directa. Capa conceptual Se encarga de categorizar y discriminar los objetos. Est basado en un repertorio de categoras distintivas que crea y evoluciona continuamente. Tal repertorio es denominado ontologa del agente. Los mecanismos de esta capa son: Categorizacin Discriminacin Adaptacin de la ontologa: Categorizacin Consiste en derivar todas las caractersticas que poseen los objetos a partir de su representacin y el rbol de discriminacin. Ejemplo: Dado el siguiente rbol de discriminacin: sc1-0, sc1-1, sc1-0-0, sc1-0-1, sc2-0, sc2-1, sc2-1-0, sc2-1-1, sc3-0,sc3-1 y el siguiente objeto: O-1 [sc1-0.23] [sc2-0.25] [sc3-0.65] [sc4-0.87] para el canal sc1 tenemos que existen las siguientes ramas del rbol de discriminacin. las caractersticas derivadas del canal sc1 son: O-1 sc1-0, sc1-0-0 dado que son las 2 categoras a las cuales pertenece. de igual manera derivamos sobre el resto de los canales sensores y obtenemos: sc1-0-0: 0.0 - 0.25 sc1-0-1: 0.25 - 0.50 sc1-0: 0.0 - 0.50 sc1-1: 0.5 - 1.0 sc1 Implementacin de los Juegos de Lenguaje 47 O-1 sc1-0, sc1-0-0, sc2-0, sc3-1. Discriminacin Consiste en la bsqueda de una categora que distinga al tpico del resto de los objetos que pertenecen al contexto. A esta categora se le denomina categora distintiva. Adaptacin de la ontologa Si la discriminacin fracasa, esto es, si no pueden encontrarse categoras distintivas del tpico, quiere decir que los canales sensores no son lo suficientemente refinados para hacer la discriminacin. En este caso es se evolucionan los canales sensores de acuerdo al mtodo de subespacio adaptativo (seccin 3.4.1). Capa de lxico Se encarga de nombrar a los objetos. Para esto mantiene y evoluciona un repertorio de asociaciones entre significados y palabras; este repertorio se denomina lxico. Los mecanismos de esta capa son: Produccin Adaptacin del Lxico. Retroalimentacin Produccin Consiste en la bsqueda de la palabra asociada a una categora. En caso de que existan varias asociaciones con esta categora se encarga de elegir la palabra con mayor xito y uso. Adaptacin del Lxico En caso de que no exista una asociacin para una categora determinada el lxico es modificado. Existen dos tipos de modificaciones: Generacin de palabras: esto requiere de un mecanismo de invencin de palabras del agente. Generacin de asociaciones: en este caso una categora se asocia con una palabra que ya existe en el lxico. Interpretacin Consiste en la bsqueda de la categora asociada a una palabra. En caso de que existan varias asociaciones con esta palabra se encarga de elegir la palabra con mayor xito y uso. Implementacin de los Juegos de Lenguaje 48 Retroalimentacin Consiste en comparar la categora obtenida por el juego de discriminacin, con la categora obtenida por la interpretacin de la palabra del emisor. En caso de exista coherencia entre estas categoras se obtiene una retroalimentacin positiva. 4.2 Juegos de lenguaje en robots simulados En la primera seccin de este captulo se present la implementacin de juegos de discriminacin donde el reconocimiento de los objetos era una tarea trivial puesto que los agentes estaban desincorporados en su ambiente. Sin embargo la tarea de reconocimiento de objetos no es trivial en absoluto. Esto se debe a que situaciones diferentes del robot producen diferentes valores sensores para los mismos objetos. Por lo tanto, la clasificacin se torna ambigua. Adems el modelo terico descrito en [48] e implementado en la seccin anterior presupone que las caractersticas de los objetos son fijas, lo cual no se cumple en una implementacin robtica. Aqu se implementa una simulacin de robots reactivo-cognitivos implementados de acuerdo a la arquitectura cognitiva basada en comportamiento descrita en la seccin 3.7. Como las conductas de esta arquitectura son paralelas, se utiliz un programa multi-hilos (donde cada conducta se implementa como un hilo independiente) para tener la opcin de una ejecucin concurrente. Una imagen de la simulacin se muestra en la Figura 4-3. La tarea de los robots es la de crear una categorizacin consistente de los objetos del mundo y asociarles una palabra, de tal forma que sean capaces de comunicarse acerca de su ambiente de forma confiable. La meta del juego de lenguaje es comunicar un nombre acerca de las fuentes de luz que los robots pueden detectar en su ambiente. Para lograr esto, los robots primero deben realizar un sensado para reconocer los objetos que se encuentran en su ambiente local. Uno de los robots toma el rol de emisor y el otro de receptor. El emisor selecciona como tpico de la conversacin a uno de sus objetos detectados, y realiza la discriminacin de este objeto para obtener una categora o caracterstica distintiva que se relacione a este objeto. Una vez que determina la caracterstica distintiva CD busca una palabra a la cual haya asociado esta caracterstica en el pasado. Esta palabra es comunicada al receptor. El receptor, quien tambin realiz un sensado de su ambiente local, trata de interpretar la palabra asociada. Busca en su memoria si tiene una asociacin de esta palabra con uno o ms Implementacin de los Juegos de Lenguaje 49 caractersticas distintivas relacionadas al as que determin del tpico del dilogo. Si puede encontrar una asociacin entre la palabra del emisor y alguna CD del tpico, entonces el juego del lenguaje es exitoso.
Figura 4-3 Imagen de la simulacin Los robots se encuentran navegando en su ambiente, cuando uno de ellos detecta la presencia de otro (a travs de los emisores de IR) le enva un mensaje de que desea establecer un dialogo. El Implementacin de los Juegos de Lenguaje 50 otro robot confirma que desea participar en el dialogo. De esta manera se establece el emisor (el que inicia el dialogo) y el receptor. Una vez que los robots han decidido establecer un dialogo, el emisor se acerca al receptor, y le avisa al receptor que ya se ha acercado para que ste se alinee y quedar uno frente al otro. Una vez que los robots estn alineados, realizan una tarea de sensado de su ambiente local, esta tarea de sensado consiste en un giro de 360 sobre su propio eje y da como resultado un vector de datos sensores. Este vector es segmentado para obtener los puntos en los cuales de detectan las fuentes de luz, cada uno de estos puntos es considerado un objeto. El emisor elige un objeto del conjunto, lo denomina tpico del dilogo e intenta obtener su categora o caracterstica distintiva a travs de un juego de discriminacin. El receptor identifica a su vez los objetos de su ambiente, intenta identificar el tpico que eligi el emisor y realiza su propio juego de discriminacin. Despus de que el emisor ha elegido el tpico y categorizado el objeto, produce una palabra. El emisor intenta interpretar esta palabra al buscar las asociaciones de esta palabra en su lxico. Si alguno de los significados asociados a esta palabra es coherente con las caractersticas distintivas o categoras del tpico, entonces el juego del lenguaje se considera un xito. 4.2.1 Descripcin del ambiente El ambiente del robot es un archivo de imagen en formato bmp, en el cual se consideran reas libres las de color blanco. Obstculos: cualquier objeto dentro del ambiente del robot que impida su navegacin es considerado un obstculo, de tal manera que los agentes pueden ser considerados obstculos, cuando no son objeto de comunicacin. Objetos de inters: son fuentes de luz, y son sobre las cuales se realizarn los juegos de discriminacin. Consisten de crculos concntricos que disminuyen de intensidad de manera gradual. Existe tres tipos de fuente de luz: roja, azul y verde. Otros agentes, se detectan en el ambiente debido a que emiten infrarrojos. 4.2.2 Descripcin de los agentes Los experimentos estn implementados en robots simulados en un espacio bidimensional. El robot se muestra como una circunferencia, con un triangulo concntrico que nos indica su orientacin y direccin de movimiento. Estn equipados con 19 sensores y 3 actuadores. Implementacin de los Juegos de Lenguaje 51 Sensores 12 sensores de contacto se encuentran alrededor de la circunferencia del robot, a una distancia de 30, de tal manera que la rodean completamente. 4 detectores de infrarrojo colocados al frente del robot. 6 Fotoceldas de luz modulada. 2 fotoceldas de luz roja. 2 fotoceldas de luz verde. 2 fotoceldas de luz azul. Actuadores Medios de locomocin: Traslacin: avanzar o retroceder. Rotacin: girar izquierda, girar derecha. 4 Emisores IR colocados en el centro del robot con direcciones ortogonales. Radio para comunicar con otros agentes. Implementacin de los Juegos de Lenguaje 52
Figura 4-4 Imagen del ambiente, pueden apreciarse los agentes, obstculos y fuentes de luz modulada. Conductas: Avanzar: es la conducta por defecto. Evitar obstculos: utiliza las lectura de los sensores de contacto para detectar un choque, y hace que el robot se aleje del punto de contacto. La combinacin de las conductas de avanzar y evitar-obstculos le permiten tener un comportamiento de navegacin libre de colisiones Scanear: permite realizar el sensado del ambiente local para detectar los objetos de inters. Acercarse: le permite acercarse a otro agente para iniciar un dilogo. Orientarse: le permite al robot orientar su direccin respecto a su interlocutor, de manera que sus posiciones finales sean el estar frente a frente. Implementacin de los Juegos de Lenguaje 53 4.2.3 Juego de Adivinanzas Los juegos de adivinanza estn esquematizados en la Figura 4-5. Esta implementacin tiene 3 diferencias importantes con respecto a la implementacin del experimento anterior. A continuacin detallaremos estas diferencias, sin redundar en los aspectos que son similares. Primero, la capa perceptual de los agentes de software de la seccin anterior se considera trivial debido a que stos reciben directamente los valores de los canales sensores de los objetos, obviando la necesidad misma de reconocer la presencia de estos objetos en el ambiente y la de efectuar el sensado para poder tener acceso a sus caractersticas. Segundo, la comunicacin en los agentes de software estaba mediada por un administrador de dilogos y en esta implementacin la comunicacin es directa entre el robot emisor y el robot receptor. Tercero, los robots tienen otra tarea dems de la de partcipar en los dilogos, esta es la de explorar su ambiente mediante una navegacin libre de colisiones, esto es relevante debido a que los robots se encuentran situados en su ambiente y es necesario que interactan con l para poder realizar sus actividades. A continuacin detallaremos las diferencias en la capa perceptual. Canales sensores Para la discriminacin se construyeron canales sensores que proporcionen suficiente informacin para discriminar los objetos que deben reconocerse en el contexto de los experimentos. En nuestro experimento los objetos de inters son las fuentes de luz moduladas. Sobre la base de estos objetos definimos 6 canales sensores, cada uno correspondiente a una de las fotoceldas del robot. Recordemos que existen 6 fotoceldas en el frente del robot, 3 del lado izquierdo y 3 del lado derecho, de tal manera que esto nos permite tener 2 sensores (uno a la izquierda y uno a la derecha) para detectar cada tipo de objeto. Sensado: Deteccin de objetos relevantes Una vez que se ha iniciado el dilogo los robots realizan un giro de 360 sobre su eje, mientras sensan su ambiente local para poder derivar los objetos de inters presentes en sus alrededores. Implementacin de los Juegos de Lenguaje 54
Figura 4-5 Proceso y flujo de datos en el juego de adivinanzas en robots simulados.
Categorizacin Discriminacin Produccin Caractersticas Caracterstica Distintiva Categorizacin Discriminacin Interpretacin Caractersticas Caracterstica Distintiva Adaptacin Ontologa Adaptacin Lxico Adaptacin Lxico Adaptacin Ontologa Retroalimentacin Ontologa Ontologa Lxico Lxico Extraccin de Caractersticas Extraccin de Caractersticas Emisor Receptor Palabra Segmentacin Segmentacin Sensado Sensado Vectores Segmentos Datos Sensores Vectores Segmentos Datos Sensores Caracterstica Distintiva Capa perceptual Capa conceptual Capa de lxico Implementacin de los Juegos de Lenguaje 55 Mientras realizan este sensado de sus alrededores, los robots estn buscando una interseccin de las lecturas de sus fotoceldas izquierda y derecha correspondientes que les indique la presencia de una fuente de luz. Los canales sensores estn evaluando su entrada de forma continua durante el periodo de scaneo de su ambiente, y slo en el momento en que se detecta una interseccin en algn par de sensores, el sistema decide que se ha detectado un objeto. Cuando esto sucede se almacena la informacin respecto al ciclo del proceso de scaneado, esto es, el momento en el tiempo en que se detect el objeto (esto es necesario, por si el objeto se elige como tpico, es necesario hacerle saber al interlocutor la posicin del objeto sobre el cual se har la discriminacin) y almacena los valores de todos sus canales sensores (ste es el vector de datos sensores que se le dar al modulo de segmentacin). Segmentacin Segmentacin significa que la cadena de datos sensores est organizada en tiempo o en espacio. En este caso, los datos sensores estn organizados de acuerdo al tiempo, esto es, se van almacenando de acuerdo a su tiempo o momento en que se da el giro. El vector de datos sensores que produce el sensado es analizado para determinar cuales son los datos sensores que corresponden al instante en el cual el robot pas frente a un objeto, con esto obtenemos su posicin en el vector de datos sensores. Este anlisis se hace utilizando el par de sensores que corresponde a cada objeto de inters (se repites para los 3 tipos de objeto). En la Figura 4-6 se muestran el valor de las fotoceldas izquierda y derecha. Tambin se grafic la diferencia entre ellas, y es en la interseccin de esta diferencia con el eje x donde se detecta la presencia de un objeto. De esta manera, el robot determina cuales son los objetos que se encuentran en su espacio de atencin, a estos objetos de les denomina contexto [48]. Extraccin de Caractersticas Una vez que se determinado la presencia de objetos y posicin el vector de datos sensores se extraen las caractersticas del objetos, esto es, se recuperan los datos del resto de los canales sensores en esa posicin del vector. Implementacin de los Juegos de Lenguaje 56
Figura 4-6 Lectura de las fotoceldas en presencia de un objeto,. Capa Conceptual y de Lxico Como ya se mencion, los mecanismos de categorizacin, discriminacin, produccin, interpretacin, retroalimentacin y adaptacin de ontologa y lxico son los descritos en la seccin anterior. Interseccin Conclusiones y trabajos futuros 57 5 Conclusiones y trabajos futuros 5.1 Conclusiones Los resultados son alentadores en el sentido de que los agentes (de software y roboticos) crean las distinciones de los objetos y obtienen una coherencia en sus lxicos. En los juegos implementados los conceptos se crean a partir de las caractersticas sensoras. Los agentes no utilizan sus ontologas y lxicos, para ninguna otra actividad que no sea la de participar en los dilogos. Los smbolos deben derivar su significado de acuerdo al rol que desempean en las interacciones entre el agente y su ambiente. Es necesario estudiar el uso del lenguaje, cuando las tareas del robot dependen realmente del lenguaje podremos apreciar realmente su importancia en la inteligencia social.
5.2 Trabajos Futuros Dentro de los juegos del lenguaje aun queda mucho por explorar, como primeras extensiones a los juegos del lenguaje que implementamos hemos propuesto dos alternativas que consideramos particularmente interesantes: Adicionar atencin selectiva Orientar la formacin del lenguaje a una tarea. Atencin selectiva En la implementacin actual slo podemos discriminar a un objeto del contexto a partir de una categora distintiva; esto nos impone la restriccin de que el objeto debe tener una categora que ningn otro objeto del contexto comparta. La Figura 5-1 muestra que esto no siempre es posible. Conclusiones y trabajos futuros 58
Figura 5-1 Ejemplo de un caso donde no puede discriminarse un objeto utilizando una sola categora distintiva. Como una solucin a este problema, se ha propuesto [referencia] considerar conjuntos de categoras para la discriminacin del objeto. Tomando el ejemplo de la Figura 5-1 existiran varios conjuntos distintivos de categoras { (color-rojo), (longitud-media) }, { (longitud-media), (forma-cubo) }, { (color-rojo), (forma-cubo) }, { (color-rojo), (longitud-media), (forma-cubo) }. Sin embargo, esto nos llevara a tener que decidir cual de stos conjuntos elegir. Ahora bien, cada uno de estas categoras posee su estimado del xito (promedio de los xitos obtenidos en el pasado), pero no se trata nicamente de mediar estos estimados, ya que cuando se combinan varios estmulos no podemos esperar que todos contribuyan de igual manera, ni que su contribucin sea la misma a lo largo del tiempo. La seleccin en la atencin es til cuando las demandas de las tareas implican que alguna informacin disponible es ms relevante que otra. Por esto, proponemos adicionarle atencin selectiva de acuerdo a los modelos presentados en [14] donde la atencin selectiva involucra un procesamiento diferencial de los diferentes estmulos, al considerar junto con aspectos estadsticos y de informacin. (color rojo) (longitud media) (forma - cubo)
(color rojo) (longitud pequeo) (forma - cilindro)
(color verde) (longitud media) (forma - piramide)
(color amarillo) (longitud pequeo) (forma - cubo)
cmo discriminarlo del resto de los objetos? Conclusiones y trabajos futuros 59 Se proponen 2 modelos de atencin selectiva: Modelo de Incertidumbre: este modelo formaliza la relacin predictiva entre los estmulos y el estimado de xito, y el cmo se espera que cambie esta relacin predictiva en el tiempo. Lo importante es considerar al momento de hacer la prediccin su grado de incertidumbre. La incertidumbre es alta cuando el estmulo no se ha utilizado en el pasado reciente, y es pequea si ese ha visto recientemente evidencia substancial sobre la relacin del estmulo con el resultado. Modelo de Confiabilidad: trata sobre la combinacin competitiva de estmulos. La combinacin competitiva surge cuando las prediccin final del estimado del xito promedia las predicciones asociadas con los estmulos de tal manera que algunos estmulos contribuyen ms que otros. En este modelo estadstico, los estmulos compiten para participar en las predicciones combinadas en proporcin a su estimado de confiabilidad como predictores. Los estimados de confiabilidad consideran cuales son los estmulos que se consideran importantes, mientras que los de incertidumbre cuantifican que tan conocidos son stos predictores. Con stos modelos esperamos enfocar la atencin del agente a aquellas categoras que le permitan discriminar con mayor xito, y de esta manera simplificar su ontologa. Hemos explicado como se adicionara la atencin selectiva a la capa de conceptualizacin, la capa de lxico presenta un mecanismo de retroalimentacin similar por lo que tambin es aplicable la atencin selectiva. Conceptos basados en accin En los juegos implementados los conceptos se crean a partir de las caractersticas sensoras y los agentes no utilizan sus ontologas y lxicos, para ninguna otra actividad que no sea la de participar en los dilogos. Sin embargo, tal como Uexkll [] expone, los smbolos deben derivar su significado de acuerdo al rol que desempean en las interacciones entre el agente y su ambiente. Por lo tanto, la comunicacin debe considerarse desde el enfoque de proveer a los agentes con la capacidad de influenciar sus comportamientos mutuamente. Esto significa que deben comunicar seales que los ayuden a interactuar o coordinar su comportamiento, en lugar de aprender un lxico que no tiene un valor funcional para la interaccin del agente con su ambiente. Un posible dominio en el cual sera muy interesante internarse es el del futbol. Conclusiones y trabajos futuros 60 Lxico orientado a la accin Proponemos extender los juegos de lenguaje de tal manera que la supervivencia del agente se vea afectada por su capacidad de comunicarse adecuadamente. Existen trabajos que consideran que la supervivencia del agente depende de su capacidad para comunicarse adecuadamente, pero su enfoque es puramente gentico [9] [65]. En estos trabajos, su aptitud para reproducirse es influenciada por su capacidad para comunicarse. Aqu proponemos un mecanismo no gentico, en el cual las operaciones del robot se vean afectadas por su capacidad de comunicarse.
Bibliografa 61 Bibliografa [1] Agre P. E., Chapman D. Pengi: An implementation of a theory of activity. Sixth national conference on artificial intelligence, pp. 268-272. San Mateo, CA: Morgan Kauffamn. [2] Agre P. E. The Dynamic Structure of Everyday Life, Technical Report, MIT AI Lab, Cambridge, MA,1988. [3] Arkin R.C., Hobbs D. J., Dimensions of communication of and social organization in multi-agent robotics systems. Animals to Animats 2: Proceedings of the Second International Conference on Simulation of Adaptive Behavior, Honolulu, Hawaii, December 1993. [4] Arkin R.C., Balch T., Nitz E. Communication of Behavioral State in Multi-agent Retrieval Tasks. Proceedings IEEE International Conference on Robotics and Automation, Volume 3, pp. 588-594, Atlanta, GA, May 1993 [5] Billard A., Dautenhahn K. Grounding communication in situated, social robots. Proceedings of TIMR 97, Towards Intelligent Mobile Robots Conference, Technical. Report. UMCS-97-9- 1, Dept of Computer Science, Manchester University, 1997. [6] Brooks R. A. A Robust Layered Control System for a Mobile Robot System. IEEE Journal of Robotics and Automation, Volume RA-2, No 1, pp. 14-13, 1986. [7] Brooks R. A.. A robot that walks; emergent behaviors from a carefully evolved network. Proceedings of the IEEE International Conference on Robotics and Automation, pp. 692--694, 1989. [8] Brooks R. A. Elephants Don't Play Chess. Journal of Robotics and Autonomous Systems, Volume 6, pp. 3-15, 1990. [9] Cangelosi A., & Parisi D. The emergence of a language in an evolving population of neural networks. Connection Science, Volume 10(2), pp. 83-97, 1998. [10] Clancey W. J., Smoliar S, Stefik M., Eds. Contemplating Minds. A Forum for Artificial Intelligence. The MIT Press. Cambridge, MA., 1994. [11] Clancey W. J. Situated Cognition. On human knowledge and Computer Representations. Cambridge University Press, 1997. [12] Dautenhanh K. Ants dont have friends Thoughts on socially Intelligent Agents. Bibliografa 62 [13] Dautenhahn K. Embodiment and Interaction in Socially Intelligent Life-Like Agents. [14] Dayan P., Kakade S., Montague R. Learning and selective attention. Nature neuroscience supplement. Volume 3, pp. 1218-1223, November 2000. [15] De Boer B. Emergent Vowel Systems in a Population of Agents. Proceedings of ECAL 97. The MIT Press, Cambridge MA, 1997. [16] De Boer B. Self-Organization in Vowel systems. PhD Thesis, VUB AI Lab, Brussels, 2000. [17] De Jong E. Autonomous Concept Formation. PhD Thesis. VUB AI Lab, Brussels, 2000. [18] De Jong E., Steels L. Generation and selection of sensory channels. Evolutionary Computation in Image Analysis and Signal Processing and Telecommunications. First European Workshops, EvolASP99 and EuroEcTel99 Joint Proceedings. Sweden, LNCS 1596, Berlin Spring-Verlag. [19] Edmonds B., Dautenhahn K. The Contribution of Society to the Construction of Individual Intelligence. Workshop on Socially Situated Intelligence, at SAB'98, Zurich, August 1998. (http://www.cpm.mmu.ac.uk:80/cpmrep42.html). [20] Harnad S. The Origin of Words: A Psychophysical Hypothesis. Communicating Meaning: Evolution and Development of Language. Velichkovsky B., Rumbaugh D. (Eds.) NJ: Erlbaum: pp 27-44, 1996. [21] Harnard S. Grounding symbolic capacity in robotic capacity. The artificial life route to artificial intelligence, L. Steels and R. Brooks (Eds), New Haven: Lawrence Erlbaum, 1995. [22] Jaeger H., Christaller T. Dual dynamics: Designing behavior systems for autonomous robots. Artificial Life and Robotics, 1998. [23] Langton C. G. Editor. Artificial Life, Vol. VI, Santa Fe Institute Studies in the Sciences of Complexity. Addison-Wesley. Proceedings of the interdisciplinary workshop on the synthesis and simulation of living systems, Los Alamos, NM, September 1987. [24] Langton C. G, Taylor C., Farmer J. D., Rasmussen S. Editors, Artificial Life II, Vol. IX, Santa Fe Institute Studies in the Sciences of Complexity. Addison-Wesley. Proceedings of the 2 nd
interdisciplinary workshop on the synthesis and simulation of living systemsn, Los Alamos, NM, February 1990. [25] Langton C. G. Editor, Artificial Life III. Addison-Wesley, 1994. Bibliografa 63 [26] MacLennan B. Synthetic ethology: an approach to the study of communication. Artificial Life II. C.G. Langton C., Taylor J.D. Farmer, S. Ramussen Eds. Addison-Wesley. pp. 631657. February 1990. [27] Maes P. Situated Agents Can Have Goals [28] Maes P. Modeling Adaptive Autonomous Agents. [29] McFarland D., Bsser M. Intelligent behavior in animals and robots. From animals to animats 1. Proceedings of SAB'90. The MIT Press, pp. 2-14, 1993. [30] Minsky M. A framework for representing knowledge. Mind Design. The MIT Press. Cambridge, MA, 1973. [31] Newell A., Simon H. Computer science as empirical inquiry: symbols and search. Communication of ACM. Volume 19, pp. 113-126, 1976. [32] Oliphant M. Formal Approaches to Innate and learned Communication: Laying the Foudation of Language. Ph. D. Thesis. University of California, San Diego, 1997. [33] Oliphant M. Rethinking the language bottleneck: Why dont animals learn to communicate?. The Evolution of language. Eds: Knight C. Huford J.R, 1998. [34] Parker L. E. Heterogeneous Multi-Robot Cooperation. PhD thesis, Massachusetts Institute of Technology, Artificial Intelligence Laboratory, MIT-AI-TR 1465, Cambridge, MA, February 1994. [35] Parker L. E. Adaptive action selection for cooperative agent teams, From Animals to Animats: International Conference on Simulation of Adaptive Behavior, pp. 442--450, 1992. [36] Rosenstein M. T., Cohen P. R. Concepts from time series. Proceedings of the Fifteenth National Conference on Artificial Intelligence, pp. 739745, 1998. [37] Rosenstein M. T., Cohen P. R. Symbol Grounding with delay coordinates. Working Notes of the AAAI Workshop on The Grounding of Word Meaning, 1998. [38] Searle J. Minds, brains and programs. Brain and Behavioral Sciences. Volume 3. pp. 417-457. [39] Smithers. Autonous agents. [40] Steels L. and Brooks R. (Eds) The artificial life route to artificial intelligence. Building situated embodied agents, Lawrence Erlbaum, New Haven, 1993. Bibliografa 64 [41] Steels L. When are robots intelligent autonomous systems?. Journal of Robotics and Autonomous systems, In Press, 1995. [42] Steels L. Mathematical analysis of behavior systems. [43] Steels L. Building agents out of autonomous behavior systems, The artificial life route to artificial intelligence. Building situated embodied agents, L. Steels and R. Brooks, Eds. Lawrence Erlbaum, New Haven, 1993. [44] Steels L. The origins of intelligence. Proceedings of the Carlo Eba Meeting on Artificial Life. Fondaziones Carlo Eba, Milano. [45] Steels L. Self-organizing vocabularies. Alife V. Nara. Japan, 1996. [46] Steels L. The Spontaneous Selforganization of an Adaptive Language. Machine Intelligence. Muggleton, S. Ed. Oxford University Press, Oxford, Volume 15, 1996. [47] Steels L. Emergent adaptive lexicons. Proceedings of the Simulation of Adaptive Behavior Conference, P. Maes, Ed. The MIT Press, 1996. [48] Steels L. Perceptually Grounded Meaning Creation. Proceedings of the International Conference on MultiAgents Systems, Menlo Park, CA. AAI Press, 1996. [49] Steels L. Synthesizing the origins of language and meaning using co-evolution, self- organization and level formation. Evolution of Human Language, Hurford, J. Ed., Edinburgh Univ. Press, Edinburgh, 1997. [50] Steels L. The synthetic modeling of language origins. Evolution of Communication. Volume 1, pp. 134, 1997. [51] Steels L. Constructing and Sharing perceptual distinctions. [52] Steels L. The Origins of Sintax in Visually Grounded Robotic Agents. Proceedings of IJCAI-97, Morgan Kauffman Publishes, Los Angeles, CA. [53] Steels L. The emergence of grammar in communicating autonomous robotic agents. Proceedings of ECAI 2000, Amsterdam IOS Press, 2000. [54] Steels L. and Vogt P. Grounding adaptive language games in robotic agents. Proceedings of the Fourth European Conference on Artificial Life, Husbands C., Harvey I. Eds.,Cambridge MA and London, The MIT Press, 1997. Bibliografa 65 [55] Steels L. Crucial factors. [56] Steels L. Talking Heads. [57] Sutton R. Learning to predict by the methods of temporal difference. Machine Learning. Volume 3, pp. 9-44. [58] Taylor Parker S. y Gibson K.R. Language and intelligence in monkeys and apes. Comparative developmental perspectives. Cambridge University Press. 1990. [59] Varela F.,Thompson E., Rosch E. The Embodied Mind. MIT Press, Cambridge, MA. [60] Vera A., Simon H. Situated Action: A symbolic interpretation. Cognitive Science. Volume 17. pp. 7-48, 1993. [61] Vogt P. The Evolution of a Lexicon and Meaning in robotic agents through self-organization. The evolution of Language, selected papers from the 2nd International Conference on the Evolution of Language, Knight C., Hurford J. R. Eds., London, April 6-9, 1998. [62] Vogt P, A perceptual grounded self-organizing lexicon in robotics agents. MSc thesis for Cognitive Science and Engineering, VUB IA Lab, Brussels, 1997. [63] Vogt P. Grounding Language About Actions: Mobile Robots Playing Follow Me Games SAB2000 Proceedings Supplement Book, Meyer, Bertholz, Floreano, Roitblat, Wilson Eds. International Society for Adaptive Behavior, 2000. [64] Vogt P, Lexicon Grounding in Mobile Robotics, PhD thesis, VUB AI Lab, Brussels, 2000. [65] Werner G. M., Dyer M. G. Evolution of communication in artificial organisms. Artificial Life II, Vol.X of SFI Studies in the Sciences of Complexity, Langton C. G., Taylor C., Farmer J., Eds, Redwood City, Ca. Addison-Wesley Pub, 1991. [66] Winograd T., Flores F. Understanding computers and Cognition. Addison-Wesley. 1987. [67] Wittgenstein L. Philosophical Investigations. Oxford, UK: Basil Blackwell. [68] Yanco, H. Stein L. A. An Adaptive Communication Protocol for Cooperating Mobile Robots. From Animals to Animats: International Conference on Simulation of Adaptive Behavior, Meyer, Roitblat, Wilson, Eds. The MIT Press, pp. 478-485, 1993. [69] Ziemke T., Sharkey N. A stroll through the worlds of robots and animals: Applying Jacob Von Uexkll theory of meaning to adaptive robots and artificial life.