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