Limitaciones y cr´ıticas

La arquitectura de Redes de Comportamiento presenta unas limitaciones, algunas de las cuales son expuestas por Maes en sus art´ıculos [Mae90a, Mae90b, Mae91a]: 1) es necesaria una cali- braci´on cuidadosa de los par´ametros, ya que son dependientes del problema (la calibraci´on es manual); 2) debido a que la red no mantiene registro de sus acciones, puede caer en ciclos de selecci´on de acciones ([Mon98] introduce la din´amica del mundo para evitar los ciclos), y; 3) no usa retroalimentaci´on del ambiente para mejorar la Red de Comportamiento (en [Mae91b] propone adaptar las ligas de los comportamientos en base a la experiencia).

Una de los principales cr´ıticos de las Redes de Comportamiento es Tyrrell, quien en su tesis doctoral [Tyr93] realiz´o un an´alisis de varios mecanismos de selecci´on de acci´on; ´el reconoce que el mecanismo de Maes es una mejor´ıa a los enfoques previos porque basa sus c´alculos tanto en motivaciones como en est´ımulos internos, abordando satisfactoriamente muchos aspectos del problema de selecci´on de acci´on, pero tambi´en se˜nala que algunas deficiencias en el dise˜no de las Redes de Comportamiento significan que ´estas no se desempe˜nar´an bien sobre problemas de selecci´on de acci´on similares a los de los animales.

Uno de los puntos que observa en contra del mecanismo es que los sensores del ambiente est´an restringidos a tomar valores binarios (al considerar el superar un umbral), lo que hace que se pierda informaci´on, dado que muchas propiedades de los ambientes reales son continuas. Adem´as, Tyrrell [Tyr93, Tyr94] not´o que hay perjuicio contra los m´odulos que reciben entrada de los sensores que tambi´en dan activaci´on a otros m´odulos; esto porque Maes especifica que

1.3. Redes de Comportamiento 17 la activaci´on que una condici´on verdadera tiene disponible para propagar a la red debiera ser dividida equitativamente entre todos los m´odulos que abastece.

Adem´as de estas observaciones, se han se˜nalado otras m´as [Nor94] con respecto al tama˜no de la Red de Comportamiento, alegando que no est´a claro c´omo se podr´ıa expandir el sistema a un conjunto de tareas m´as complejas de las que us´o Maes, sin que el algoritmo llegue a ser compu- tacionalmente costoso hasta el punto de volverse impr´actico, pues la complejidad del algoritmo y el tiempo de reacci´on se incrementan con el n´umero de comportamientos, as´ı como el n´umero de ligas entre ellos. Asimismo se acusa que la Red de Comportamiento es una representaci´on est´atica de los m´etodos que un agente puede elegir para satisfacer un conjunto de posibles metas. La propia Maes, al abordar esta arquitectura por ´ultima vez [Mae94], concluye que la clase de agentes que pueden ser construidos est´a restringida, adem´as de que en ocasiones es dif´ıcil especificar las metas y el comportamiento deseado de un agente, lo cu´al es necesario hacer bien para tener una buena selecci´on de acci´on.

Pero a´un con las cr´ıticas que se le han hecho, no todo est´a en contra de las Redes de Com- portamiento, pues han sido muy estudiadas y son uno de los mecanismos de selecci´on de acci´on m´as conocidos y utilizados, sirviendo de inspiraci´on a otros trabajos; incluso se han desarrollado propuestas para solucionar sus limitaciones, por ejemplo, [Goe97] propone las Redes de Com- portamiento Recurrentes para incrementar la persistencia y evitar una conmutaci´on indeseable entre los comportamientos; por otro lado, [Sin02] hace uso de Algoritmos Gen´eticos para que la calibraci´on de los par´ametros no sea manual.

Cap´ıtulo 2

Aprendizaje

2.1

¿Qu´e es aprendizaje?

El aprendizaje es considerado una parte esencial de toda forma de inteligencia. Es deseable que los sistemas computacionales adquieran conocimiento por s´ı mismos en base a lo que experi- mentan (de manera similar a como lo hacen los humanos y los animales), con el objetivo de que el conocimiento adquirido sea utilizado para ampliar los comportamientos m´as all´a de lo programado.

De esta necesidad surge toda una amplia investigaci´on en Inteligencia Artificial que ha lle- gado a conformar el Aprendizaje de M´aquina, campo concerniente con el desarrollo de teor´ıas computacionales del aprendizaje y la construcci´on de sistemas que aprenden.

De los muchos trabajos de investigaci´on en dicha ´area se han recopilado algunas definiciones al t´ermino “aprendizaje”, las cuales se citan a continuaci´on:

“El aprendizaje denota cambios en el sistema que son adaptativos en el sentido de que ha- cen posible que el sistema realice una misma tarea o tareas a partir de una misma poblaci´on, m´as eficiente y efectivamente la pr´oxima vez”.

Simon [Sim83] “Aprender es hacer cambios ´utiles en nuestras mentes”.

Minsky [Min86] “Aprender es construir o modificar representaciones de lo que est´a siendo experimentado”.

Michalski [Mic86] Definici´on operacional de aprendizaje: “Habilidad de ejecutar nuevas tareas que anteriormente no pod´ıan ejecutarse o de ejecutar mejor antig¨uas tareas (m´as r´apido, con mayor precisi´on, etc.) como resultado de los cambios producidos por el proceso de aprendizaje”.

Carbonell [Car89] El aprendizaje es “mejorar autom´aticamente con la experiencia”. Desde el punto de vista del Aprendizaje de M´aquina, el aprendizaje incluye “cualquier programa de computadora que me-