Robotica

Lezione 4

Lezione 4 2

Attributi dell’Intelligenza

• Pensiero

• Capacita’ a risolvere problemi

• Apprendimento e Memoria

• Linguaggio

• Intuizione e Creativita’

• Coscienza

• Emozioni

• Sopravvivenza

• Abilita’ psicomotorie

Lezione 4 3

Diversity-Compliance Trade off

• Capacità di adattamento che gli organismi mostrano

quando si trovano in situazioni nuove e dalle quali

vogliono ricavarne vantaggio

• Caratteristica che si manifesta come

– abilità a trovare il giusto compromesso fra diversità e

adattamento, ossia,

– generazione delle differenze pur aderendo alla situazione

corrente

Lezione 4 4

Agente

• Definizione: entità distinguibile dal proprio ambiente

in base a caratteristiche di delimitazione spaziale,

temporale o funzionale e che possiede un certo

grado di autonomia

• Un agente deve possedere qualche tipo di identità

chiaramente identificabile nell'ambiente del quale fa

parte e da cui deve differenziarsi

Lezione 4 5

Classificazione degli Agenti

Lezione 4 6

Agente Autonomo

• Paradigma Gerarchico (agente Knowledge-based)

–utilizza il punto di vista classico dell’Intelligenza Artificiale

• Paradigma Reattivo (agente Behavior-based)

–Interazione con l’ambiente (situatedness)

–Intelligenza come proprieta’ emergente

–Comprensione dell’ambiente mediante embodiment

Lezione 4 7

Agenti Intelligenti

• Si basano sul paradigma cognitivista

• La mente e’ al centro delle attivita’ dell’agente

• Compiti della mente (Phil Johnson-Laird)

– percezione del mondo

– apprendere, ricordare e controllare le azioni

– pensare e creare nuove idee

– controllare la comunicazione con altri agenti

– creare l'esperienza delle emozioni, delle intenzioni e della

autoconsapevolezza

Lezione 4 8

Test di Intelligenza

• Test di Turing

• Stanza Cinese di John Searle

• Prove di tipo linguistico

Lezione 4 9

Metafora dell'Information Processing - I

• Il cervello è la sede dell'intelligenza dove il ciclo

input-processing-output degli elaboratori si

trasforma nel ciclo sensing-thinking-act degli

agenti intelligenti

Lezione 4 10

Metafora dell'Information Processing - II

• Il cervello umano è paragonabile ad un grosso

elaboratore che

• riceve le informazioni dal mondo esterno attraverso

l'apparato sensoriale,

• il cui effetto è quello di mappare lo stimolo ricevuto nella

rappresentazione interna (modello del mondo),

• per cui, a seconda dello stato interno, tale percezione

genera l'intenzione o il piano (fase di elaborazione),

• che, finalmente, produce l'azione da eseguire

(attuazione).

Lezione 4 11

Agente Knowledge-based – I

• il modello di riferimento è un programma per l'elaboratore

• sintesi basata sull'obiettivo (goal-based design)

• agenti razionali

• se un agente razionale ha un obiettivo e sa che una particolare azione lo avvicinerà maggiormente all'obiettivo, allora l'agente sceglierà proprio quell'azione per eseguirla

Lezione 4 12

Agente Knowledge-based – II

• modularità

• ciclo sense-think-act

• architettura centralizzata per l'elaborazione delle informazioni

• sintesi top-down (design top-down)

Lezione 4 13

Funzionalismo

• Il punto di vista secondo il quale l'intelligenza è

riconducibile a pura computazione, dove la

computazione è un meccanismo che opera sulle

rappresentazioni, è noto come paradigma

cognitivista, o funzionalismo

Lezione 4 14

Macchina di Turing

• L'idea di computazione è stata formalizzata da Alan

Turing (1936)

• Alonzo Church ha sviluppato idee simili approssima-

tivamente negli stessi anni.

• La macchina di Turing è un modello teorico astratto

di elaboratore la cui realizzazione fisica è del tutto

irrilevante rispetto al meccanismo concettuale di

esecuzione ad ogni singolo passo della

computazione

Lezione 4 15

Tesi di Church-Turing - I

• Le macchine di Turing sono universali perchè

modellano o simulano qualunque altra macchina

astratta per la computazione

• Si puo’ supporre, con Turing, che tali macchine siano

in grado di simulare l'intelligenza umana (ipotesi nota

come tesi di Church-Turing)

• Esistono in letteratura molte versioni (alcune più

deboli, altre più forti) di questa tesi.

Lezione 4 16

Tesi di Church-Turing - II

• Dapprima si mostra che se un problema non è risolubile per mezzo di qualche mezzo teoretico di calcolo, ad esempio, la macchina di Turing, allora non può essere risolto neanche dall'uomo.

• Successivamente, si argomenta che se l'uomo è in grado di risolvere un problema o comunque ha a che fare con un'attività intelligente, allora è possibile in qualche modo costruire una macchina che faccia la stessa cosa.

Lezione 4 17

Funzionalismo secondo Putman

• Il pensare e le altre funzioni dell'intelligenza non necessitano un hardware specifico, ossia, lo stesso tipo di funzioni può essere eseguito su dispositivi hardware (machinary) diversi.

• L'intelligenza o la cognizione possono essere studiati al livello degli algoritmi o dei processi computazionali senza dover considerare la struttura sottostante dei dispositivi su cui gli algoritmi sono eseguiti.

• Occorre distinguere fra hardware e software e quest'ultimo è il vero oggetto delle indagini

Lezione 4 18

Ipotesi del Sistema Simbolico - I

• Un sistema di simboli fisici è condizione necessaria e sufficiente per un'azione intelligente in generale

• Il termine fisico si riferisce all'idea che il sistema simbolico deve essere realizzato con l'impiego di qualche mezzo fisico (carta, elaboratore, cervello) ma la sua effettiva realizzazione è irrilevante.

Lezione 4 19

Ipotesi del Sistema Simbolico – II

• necessario significa che qualunque sistema che non ha questa proprietà non può essere intelligente

• sufficiente implica che se un sistema gode di questa proprietà allora ha tutte le potenzialità per eseguire azioni intelligenti.

• I linguaggi di programmazione sono sistemi di simboli fisici, dunque

• gli elaboratori possono essere resi potenzialmente intelligenti

Lezione 4 20

Legge della Rappresentazione

• I processi computazionali operano su rappresentazioni, quelle che si dicono le strutture simboliche che, nel senso di Newell e Simon devono essere intesa come qualcosa che si riferisce ad una situazione del mondo esterno e che obbedisce alla legge della rappresentazione, ossia

decode[encode(T)(encode(X))] = T(X)

• dove X è la situazione esterna originale mentre T è la trasformazione esterna.

Lezione 4 21

Problemi della Rappresentazione

• Frame Problem, deriva dal modellare il cambiamento

– prediction problem: cosa si deve fare per determinare ciò che è rilevante al ragionamento corrente e quindi necessita di essere aggiornato in seguito al cambiamento che si è verificato

– qualification problem: quali sono tutte le precondizioni che devono essere verificate per poter applicare un'azione

• Symbol Grounding Problem

• Embodiment Problem

• Situatedness Problem