Extensión de la representación de un yo para una arquitectura de sistema autónomo

Gordillo Dagallier, Lorena (2016). Extensión de la representación de un yo para una arquitectura de sistema autónomo. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Extensión de la representación de un yo para una arquitectura de sistema autónomo
Autor/es:
  • Gordillo Dagallier, Lorena
Director/es:
  • Sanz Bravo, Ricardo
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Julio 2016
Materias:
Palabras Clave Informales: Autonomía, autoconsciencia de máquinas, yo artificial, arquitectura cognitiva, RCS.
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Automática, Ingeniería Eléctrica y Electrónica e Informática Industrial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (3MB) | Vista Previa

Resumen

En este Trabajo Fin de Grado (TFG), encuadrado en el proyecto a largo plazo ASys del Laboratorio de Sistemas Autónomos de la UPM, se inicia la primera etapa de la construcción de un yo artificial en un robot. Se tienen dos objetivos principales: la identificación de los requisitos necesarios para la implementación de un yo en un sistema inteligente y la formulación de un modelo de referencia en base a dichos requisitos para una arquitectura cognitiva. No existe un consenso en la definición del concepto del yo. En general, las definiciones dadas entienden el yo como un proceso multifacético, es decir, compuesto de numerosos aspectos, que está en relación con el modelado del propio sistema y la autoconsciencia. Además, la ambigüedad con la que se utiliza el término yo no ayuda a la clarificación del concepto. Se tiene, por un lado, el concepto en sí, entendido como un contenido mental y un sentimiento de ser uno mismo, y, por otro, un conjunto de mecanismos que permiten generar dicho concepto y utilizarlo en la generación de comportamiento. Se lleva a cabo la distinción, por lo tanto, entre los denominados yo sentido y yo operacional, respectivamente. La necesidad de la incorporación de un yo a un sistema artificial se hace patente en cualquier situación en la que resulte de utilidad que el sistema posea un conocimiento sobre su estado interno y su propio funcionamiento. Estas situaciones van desde sistemas complejos de software que tienen que explicar a un humano las decisiones que han tomado, la comunicación y coordinación entre agentes y la interacción humano-robot en los robots sociales, hasta máquinas capaces de autoconfigurarse y de percibir comportamientos anómalos en sí mismas, de forma que puedan autodiagnosticarse e, incluso, autorrepararse. Si se dispone de procesos que permitan observar el proceso de razonamiento y reflexionar sobre el propio conocimiento, es decir, si se tiene un nivel metacognitivo, se podrá mejorar la calidad de las decisiones tomadas al conocer las fuerzas y debilidades del propio sistema. Existen implementaciones explícitas de un yo en la actualidad, siguiendo una definición concreta, tanto en modelos particulares como en arquitecturas cognitivas de amplia utilización, como LIDA. Adicionalmente, se consideran algunos modelos que no hacen referencia al término yo en su estructura de control, pero que implementan algunas de las características propias del yo. Tras el estudio del estado del arte, se entiende que el yo es un conjunto de procesos que subyace al concepto y se identifican los siguientes aspectos principales, que pasarán a ser los requisitos necesarios para la implementación del yo en una arquitectura de control: • Identidad • Propiocepción • Autoconsciencia • Memoria autobiográfica Para la elaboración de un modelo del yo concreto, se ha elegido entre concebir una arquitectura propia o seleccionar una arquitectura cognitiva existente desde la que partir. Se ha optado por esta última opción, debido a la ventaja de trabajar con arquitecturas ampliamente utilizadas de cara a la obtención de mejoras en aplicaciones prácticas en el mundo real y a los numerosos años de trabajo que supondría diseñar una arquitectura desde cero. Así, se han analizado numerosas arquitecturas cognitivas y se ha llevado a cabo una comparación en mayor profundidad entre ACT-R, SOAR, RCS y LIDA. Finalmente, se ha optado por la arquitectura de referencia RCS, dado que está diseñada para controlar sistemas complejos en tiempo real y cumple con los requisitos de paralelismo, distribución y respuesta temporal de un sistema técnico, mientras que ACT-R, SOAR y LIDA tratan de modelar mecanismos propios de la mente humana y son menos adecuadas desde un punto de vista de ingeniería. RCS es ampliamente utilizada en aplicaciones que van desde la robótica espacial (NASREM) hasta las células de fabricación (ISAM), pasando por los vehículos no tripulados (4D/RCS). Sin embargo, no hay constancia de ningún intento de implementación de un yo en RCS y se cree que las mejoras que se pueden obtener con dicha implementación en el control de sistemas complejos son notables. A grandes rasgos, RCS se organiza en una jerarquía de unidades fundamentales de control, denominadas nodos, que se distribuyen en diferentes niveles de resolución, de modo que al subir en la jerarquía aumentan el rango espacio-temporal y el nivel de abstracción. El número de niveles y nodos es fijo, pero las conexiones entre ellos se modifican en cada misión. Cada nodo se compone de una base de conocimiento (KD) y de módulos de procesamiento de la información sensorial (SP), modelado del mundo (WM), generación de comportamiento (BG) y juicio de valor (VJ) que cierran un bucle de control reactivo con el entorno, conocido como bucle elemental de funcionamiento (ELF). Así, cada nodo interactúa con un entorno virtual, compuesto por nodos de niveles inferiores que se relacionan con el entorno, formando un ELF virtual. Es precisamente esta recursividad en los bucles virtuales la que justifica la aparición de un único sentimiento de identidad en un sistema. La comunicación entre los diferentes procesos permite la agrupación de múltiples bucles en un ELF unificado que interacciona con el entorno. El patrón de información de este bucle único es el que se detecta y el que permite la distinción del yo con respecto al entorno. La interrupción de la comunicación podría provocar que los bucles no se agruparan en un único ELF, generando una identidad diferente por cada bucle independiente. Esta arquitectura utiliza las predicciones generadas por el modelo del mundo y las diferencias entre la información sensorial observada y la predicha para dirigir su atención, gracias a la memoria a corto plazo, a las regiones del mundo que son más relevantes para la tarea a ejecutar. Cada módulo BG recibe un objetivo de alto nivel que descompone en tareas asignadas a los nodos subordinados. El planificador de tareas de RCS funciona de forma asíncrona y a una frecuencia inferior a la del ciclo de control reactivo gracias al empleo de buffers en los que almacena el mejor plan del que dispone en cada instante. Cuando se genera un nuevo plan, éste es almacenado en el buffer y ejecutado, produciendo un comportamiento deliberativo; mientras tanto, el comportamiento es reactivo. Los errores que no encuentran solución suben a través de la jerarquía hasta alcanzar los niveles más altos, pudiendo llegar a cambiar la estrategia global del sistema. Según la hipótesis realizada acerca de la identidad, cualquier sistema artificial que se observe a sí mismo y que interaccione con el mundo presenta una configuración de los flujos de información interiores que se distingue de la información desordenada del mundo exterior, por lo que lo único que necesita RCS para implementar la identidad es disponer de mecanismos que permitan el reconocimiento de patrones de información, además de la propiocepción. Para ello, se propone una metodología similar a la generación de comportamiento, con el empleo de buffers. Se tiene un patrón característico del propio sistema con el que se comparan los patrones informacionales observados que superen un umbral de persistencia. Si el error entre ambos es pequeño, se reconoce el patrón como propio y la información contenida en el mismo se utiliza en la construcción de la memoria autobiográfica. Si este error se prolonga en el tiempo, se actualiza el patrón de referencia, permitiendo que el sistema se adapte continuamente a los cambios que sufre en su estructura. Si el error es grande, no se produce la distinción del propio sistema frente al entorno. Para que el sistema se observe a sí mismo, debe incluir sensores internos y virtuales. Éstos últimos deben observar las relaciones entre módulos dentro de un mismo nodo, entre nodos y entre niveles, así como la relación de cada uno de ellos con el entorno. Se puede hacer de forma centralizada o distribuida. Como en el modelo planteado toda la información se maneja de la misma forma, con independencia de su procedencia, se propone la aplicación de la teoría de categorías, de forma que tanto entidades como relaciones sean tratadas como categorías. El análisis de los morfismos entre ellas permite que RCS determine dinámicamente la estructura de arquitectura, pudiendo llegar a construir y destruir nodos a alto nivel. RCS cumple los requisitos establecidos por la teoría de representación de alto nivel (HOT) para que un sistema sea consciente, puesto que se organiza en diferentes niveles de representación. En consecuencia, bastaría con utilizar diferentes niveles de representación de la información interna para conseguir que ésta sea consciente y, por consiguiente, que RCS sea autoconsciente. Para que RCS sea, además, autoconsciente según la teoría GWT, necesita que los contenidos del modelo de sí misma formen parte de la competición para acceder a la memoria a corto plazo, de forma que los aspectos relacionados con el propio sistema pudieran dirigir el foco de atención. Finalmente, para la construcción de la memoria autobiográfica debe almacenarse en KD toda la información de interés acerca del funcionamiento de la propia arquitectura y de su relación con el entorno y aplicarse una segunda jerarquía SP, llevando a cabo un proceso de abstracción, agrupación en objetos individuales y asignación de valor de la información autobiográfica. La memoria autobiográfica permite ajustar los algoritmos y parámetros de la unidad VJ, influyendo en la toma de decisiones para que éstas tengan en cuenta las fuerzas y debilidades del propio sistema. Aunque se ha propuesto un modelo de referencia para la incorporación de un yo a la arquitectura cognitiva RCS, este modelo puede extenderse a cualquier arquitectura de un sistema autónomo, utilizando los mecanismos propios de cada una para el cumplimiento de los requisitos del yo identificados. Este trabajo ha sido el primer paso de una línea de investigación que busca trasladar las enormes capacidades que aporta el yo a los seres vivos a sistemas técnicos. Detrás vendrán numerosos pasos más, entre los que se encuentran la implementación real del modelo propuesto, la elaboración de un modelo propio de consciencia o la incorporación de emociones al modelo; hasta la construcción completa de un yo artificial.

Más información

ID de Registro: 43482
Identificador DC: http://oa.upm.es/43482/
Identificador OAI: oai:oa.upm.es:43482
Depositado por: Biblioteca ETSI Industriales
Depositado el: 06 Oct 2016 05:34
Ultima Modificación: 06 Oct 2016 05:34
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM