Modelo de ciclo de vida para el aprendizaje basado en compartición de conocimientos en sistemas autónomos de robots

Abstract

Un rasgo comúnmente asociado con la inteligencia es la capacidad de adquirir nuevos conocimientos [Fritz, 1984; 1992]. Esto se manifiesta en los procesos de aprendizaje, que aceptan ser descritos en términos de asimilación e incorporación de información extraída del contexto. Una forma de adquirir conocimiento nuevo es el llamado "método del ensayo-error"; esta técnica permite descubrir leyes simples cuya verdad se deduce a partir de la experiencia. Los Sistemas Inteligentes Autónomos (SIA), representados en este trabajo por Sistemas Autónomos de Robots (SAR) deben ser capaces de generar teorías de cómo sus ambientes reaccionan a sus acciones, y cómo las acciones afectan al ambiente. Usualmente estas teorías de aprendizaje pueden ser parciales, incompletas e incluso incorrectas, pero pueden ser usadas para predecir el comportamiento del SAR en el ambiente. En este contexto, la adquisición de conocimiento está centrada alrededor de la asimilación de experiencias, siendo las leyes empíricas las unidades de experiencia. De esta forma, un sistema inteligente autónomo (SIA) puede definirse [García Martínez & Borrajo, 1997, 2000], como aquél capaz de descubrir y registrar si una acción efectuada sobre una situación dada fue beneficiosa para lograr su objetivo.