La inteligencia artificial es una tecnología crítica en el futuro. Ya se trate de robots inteligentes, automóviles autónomos o ciudades inteligentes, ¡todos utilizarán diferentes aspectos de la Inteligencia Artificial! Pero para crear cualquier proyecto de IA de este tipo, la planificación es muy importante. Tanto es así que la Planificación es una parte crítica de la Inteligencia Artificial que se ocupa de las acciones y dominios de un problema en particular. La planificación se considera como el lado razonado de la actuación.
Todo lo que hacemos los humanos es con un cierto objetivo en mente y todas nuestras acciones están orientadas a lograr nuestro objetivo. De manera similar, la planificación también se realiza para la Inteligencia Artificial. Por ejemplo, llegar a un destino en particular requiere planificación. Encontrar la mejor ruta no es el único requisito en la planificación, sino que también es muy importante las acciones a realizar en un momento determinado y por qué se realizan. Es por eso que la planificación se considera como el lado razonado de la actuación. En otras palabras, la planificación se trata de decidir las acciones que realizará el sistema de Inteligencia Artificial y el funcionamiento del sistema por sí mismo en situaciones independientes del dominio.
¿Qué es un Plan?
Para cualquier sistema de planificación, necesitamos la descripción del dominio, la especificación de la acción y la descripción del objetivo . Se supone que un plan es una secuencia de acciones y cada acción tiene su propio conjunto de condiciones previas que deben cumplirse antes de realizar la acción y también algunos efectos que pueden ser positivos o negativos.
Por lo tanto, tenemos Planificación espacial de estado hacia adelante (FSSP) y Planificación espacial de estado hacia atrás (BSSP) en el nivel básico.
1. Planificación de espacio de estado directo (FSSP)
FSSP se comporta de manera similar a la búsqueda de espacio de estado directo. Dice que dado un estado inicial S en cualquier dominio, realizamos ciertas acciones requeridas y adquirimos un nuevo estado S’ (que también incluye algunas condiciones nuevas) que se llama progreso y esto continúa hasta que alcanzamos el estado objetivo. Las acciones tienen que ser aplicables en este caso.
- Desventaja: gran factor de ramificación
- Ventaja: el algoritmo es sonido
2. Planificación de espacio de estado hacia atrás (BSSP)
BSSP se comporta de manera similar a la búsqueda de espacio de estado hacia atrás. En esto, nos movemos desde el estado objetivo g hacia el subobjetivo g’ que es encontrar la acción previa a realizar para lograr ese objetivo respectivo. Este proceso se denomina regresión (volver al objetivo o subobjetivo anterior). También se debe verificar la consistencia de estos subobjetivos. Las acciones tienen que ser relevantes en este caso.
- Desventaja: no es un algoritmo sólido (a veces se pueden encontrar inconsistencias)
- Ventaja: factor de ramificación pequeño (muy pequeño en comparación con FSSP)
Por lo tanto, para un sistema de planificación eficiente, debemos combinar las características de FSSP y BSSP, lo que da lugar a la planificación Goal Stack, que se analizará en el próximo artículo.
Publicación traducida automáticamente
Artículo escrito por cheekuy1999 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA