Aprendizaje Sin Conocimiento Previo

REDcientca - Aprendizaje sin conocimiento previo
http://www.redcientica.com/imprimir/doc199905...
COPIA PARA IMPRIMIR

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc199905310002.html
Aprendizaje sin conocimiento previo

Bsqueda de un comportamiento emergente a partir
de la interaccin de multiples entidades mediante
vida artificial
Manuel de la Herrn Gascn
http://www.manuherran.com
Copyright 1995-2003 Manuel de la Herrn Gascn.
Copyright 1995-2003 REDcientfica.
Todos los derechos reservados.
Partiendo de la hiptesis de Newell y Simon sobre los sistemas de smbolos

fsicos, y de la postura reduccionista subyacente en los sistemas que emplean
una arquitectura de niveles independientes como base para construir
cognicin artificial, se analiza cmo obtener la descripcin de las
caractersticas que debe poseer un sistema cognitivo artificial para permitir el
aprendizaje sin conocimiento previo (partiendo de un conocimiento cero), o
si esto no fuera posible, al menos con el mnimo conocimiento posible.
Resumen
Este trabajo persigue la definicin terica de un sistema dinmico capaz de adquirir

cualquier tipo de conocimiento que pueda ser interesante en cualquier entorno de
problema, si no se tienen en cuenta requisitos en cuanto a tiempo de proceso y
espacio de almacenamiento. En esta lnea se sugiere la hiptesis segn la cual la
interaccin de mltiples entidades con autonoma propia que imiten las caractersticas
propias de los seres vivos, dentro de un sistema cognitivo nico, puede producir un
comportamiento emergente que origine los procesos cognitivos superiores, tal como
el aprendizaje.
1 de 19
04/04/15 08:27
IA y Aprendizaje
En la Inteligencia Artificial (IA) se pueden observar, a grandes rasgos, dos enfoques

diferentes:
La concepcin de IA como el intento de desarrollar una tecnologa capaz de
suministrar al ordenador capacidades de razonamiento o discernimiento
similares, o aparentemente similares a las de la inteligencia humana.
La concepcin de IA como investigacin relativa a los mecanismos de
inteligencia humana (por extensin, investigacin relativa a la vida y al
universo), que emplea el ordenador como herramienta de simulacin para la
validacin de teoras.
El primer enfoque es por lo general el ms prctico, se centra en los resultados
obtenidos, en la utilidad, y no tanto en el mtodo. En este enfoque se encuadran, por
ejemplo, los Sistemas Expertos. Son temas claves en esta direccin la
representacin y la gestin del conocimiento. Algunos autores representativos de este
enfoque podran ser McCarthy y Minsky, del MIT.
El segundo enfoque est orientado a la creacin de un sistema artificial que sea
capaz de realizar los procesos cognitivos humanos. Desde este punto de vista no es
tan importante la utilidad del sistema creado (qu hace), como lo es mtodo empleado
(cmo lo hace). Como aspectos fundamentales de este enfoque se pueden sealar el
aprendizaje y la adaptabilidad. Ambos presentan gran dificultad para ser incluidos en
un sistema cognitivo artificial. Esta orientacin es propia de Newell y Simon, de la
Carnegie Mellon University.
Es obligado indicar que frecuentemente ambas posturas no se pueden distinguir, ni
siquiera en muchos trabajos de los autores mencionados como significativos en cada
una de ellas.
En los dos planteamientos, pero especialmente en el segundo enfoque, uno de los
mayores deseos es el poder contar con una arquitectura que soporte todo tipo de
proceso inteligente.
En la ciencia cognitiva, el concepto "Arquitectura" se refiere a la estructura no flexible
subyacente al dominio flexible del proceso cognitivo, es decir, a la estructura que
soporta los procesos cognitivos superiores.
Las arquitecturas propuestas como bases de la cognicin humana se denominan
Arquitecturas Cognitivas, mientras que las correspondientes para la cognicin artificial
son llamadas Arquitecturas para Sistemas Inteligentes Integrados, o Arquitecturas
para Agentes Inteligentes, o Arquitecturas Generales de Inteligencia [Ros93].
Los intentos de construccin de sistemas cognitivos artificiales se basan en la
hiptesis de Newell y Simon segn la cual "un sistema fsico de smbolos constituye
el medio necesario y suficiente para una accin inteligente general" [New72].
Si se pudieran explicar los procesos cognitivos superiores de una manera intrnseca,
es decir, si se pudiera demostrar que los procesos mentales inteligentes que realiza el
2 de 19
04/04/15 08:27
hombre se producen a un nivel superior (o intermedio) con independencia de las capas

subyacentes que existen hasta la constitucin fsica del ente inteligente, se
demostrara que es posible crear -mediante un sistema de smbolos fsicos-, una
estructura artificial que imite perfectamente la mente humana mediante una
arquitectura de niveles, ya que se podra construir dicho nivel superior mediante la
combinacin de elementos que no necesariamente han de ser los que forman el nivel
inferior en los humanos (que por ejemplo, podemos suponer que son las neuronas).
En cambio, si slo se pudieran explicar los procesos cognitivos superiores mediante
una descripcin al ms bajo nivel (comportamiento neuronal), slo se podra imitar la
inteligencia humana mediante la construccin de neuronas artificiales. Para ser
exactos, esta afirmacin est condicionada por la certeza de la suposicin (bastante
comn) segun la cual el neuronal es el ms bajo de los niveles relevantes para la
formacin de los los procesos cognitivos. Arbitrariamente, se podra haber elegido
otro nivel an mas bajo (molculas, tomos). Llevado al extremo, se podra reescribir
la afirmacin, sustituyendo "neuronas" por "la ms pequea partcula de nuestro
universo", si este fuera discreto (no infinitamente divisible).
Las denominaciones "nivel superior" y "nivel inferior" son arbitrarias en cuanto a que
parece que se puede encontrar con facilidad un nivel que est an ms bajo que el
que hemos llamado "nivel inferior" -el nivel atmico es inferior al neuronal- y lo
simtrico respecto al nivel superior -la conciencia colectiva es superior a la individual-.
La existencia de una conciencia colectiva capaz de comunicarse a un nivel superior al
del individuo parece evidente en los estudios sobre el comportamiento de algunos
insectos, siempre que hagamos el esfuerzo de no interpretar el trmino "conciencia
colectiva" desde nuestro punto de vista subjetivo como individuos. Cmo conseguir
esto? No es dificil, si se usa una analoga bajando un nivel. Imaginemos dos clulas
(concretamente, dos neuronas) de nuestro cuerpo charlando amistosamente acerca
de la posibilidad de que el conjunto de clulas forme una "conciencia colectiva". Las
neuronas podran hablar sobre esta "conciencia colectiva", ponerla en duda o intentar
argumentar su existencia, pero difcilmente podran llegar a comprenderla, no puede
ser un concepto familiar para ellas. E.O. Wilson, en "The insect societies" define la
comunicacin masiva como la transmisin de informacin, dentro de grupos, que un
individuo particular no podra transmitir a otros.
El hecho de suponer que el comportamiento inteligente en el hombre se produce a un
nivel superior con independencia de los niveles inferiores est ntimamente
relacionado con el debate entre holismo o creencia en que "el todo es ms que la
suma de sus partes" y el reduccinismo, o creencia en que "un todo puede ser
comprenddo completamente si se entienden sus partes, y la naturaleza de su suma."
[Hof87].
Los esfuerzos desarrollados en Arquitecturas Generales de Inteligencia son
puramente reduccionistas. Por el contrario, el holismo subyacente en los modelos
conexionistas como las Redes Neuronales Artificiales, sugiere el aspecto de la
interdependencia entre algunos niveles, o lo que es lo mismo, la imposibilidad de
sustituir un nivel (las conexiones neuronales, como sistema sub-simblico) por otro
que realice sus mismas funciones (sistema simblico). Sin embargo, tambin las
Redes Neuronales Artificiales pueden ser consideradas reduccionistas si tenemos en
cuenta otros niveles an ms bajos.
3 de 19
04/04/15 08:27
Estado del arte de las teoras de aprendizaje en cuanto al conocimiento

mnimo
Drescher analiza con gran acierto el problema del aprendizaje sin conocimiento previo
[Dre91]. La primera cuestin es decidir si existe o no conocimiento previo, innato o a
priori. La respuesta a esta pregunta surge en el debate entre las posturas
constructivista y nativista.
La postura constructivista o empirista, cuyo autor ms significativo es Piaget,
propone que el conocimiento no es innato, sino que se obtiene a partir de la
abstraccin de la interaccin con el mundo. Llevado a su extremo, indica que
la experiencia es la nica fuente de todo el conocimiento. Las teoras
empiristas fueron adoptadas por la psicologa asociacionista.
La postura nativista, caracterstica de Noam Chomsky y Hering, se centra en
defender la existencia del conocimiento innato o congnito.
Es importante sealar que esta discusin se produce exclusivamente en el dominio
del aprendizaje del lenguaje natural. La gran mayora de las teoras cognitivas son
bsicamente constructivistas. Sin embargo, muchos autores sealan adems la
necesidad de la existencia de un conocimiento innato, reconciliando ambas posturas.
Entre ellos, Drescher afirma: "si existe conocimiento no innato, debe existir un
conocimiento innato que ser el conocimiento sobre cmo adquirir conocimiento". Es
decir, Drescher defiende la postura constructivista (no todo el conocimiento es a
priori), pero indica la necesidad de la existencia de un conocimiento congnito.
Cuando el "conocimiento innato" al que se refiere al postura nativista, es un
meta-conocimiento (conocimiento sobre cmo adquirir conocimiento), ambas posturas
se equiparan.
Por otra parte, muchos autores coinciden en distinguir dos tipos de aprendizaje:
El responsable de extraer conocimiento del entorno y llevarlo a la mente del
agente.
El aprendizaje producido mediante la combinacin y utilizacin del
conocimiento que ya se ha adquirido, que incrementa la efectividad de dicho
conocimiento.
En psicologa se suele definir aprendizaje como un nombre colectivo que designa
"diversos procesos complejos que conducen al cambio de la conducta a travs de la
experiencia". En el caso que nos ocupa se har referencia a "aprender" como el hecho
de adquirir conocimientos que anteriormente no se posean. Esta idea de aprendizaje
se considera vulgar y errnea en psicologa debido a que se olvida del proceso global
que supone el cambio de conducta. Sin embargo, ser ms til y sencillo en un
principio, centrar el tema desde este punto de vista, para incluir despus los dems
aspectos.
Despus de estos planteamientos ya se puede clarificar en cierta medida el
significado de "aprendizaje sin conocimiento previo".
La primera conclusin a la que se llega siguiendo las reflexiones de Drescher es que
4 de 19
04/04/15 08:27
no puede existir "aprendizaje sin conocimiento previo puro", ya que siempre es

necesario un conocimiento previo para que se pueda dar aprendizaje, que ser el
conocimiento sobre cmo adquirir conocimiento.
Esta explicacin es aceptable desde un punto de vista reduccionista, pero tal vez no
lo sera desde la visin conexionista o holista, en la que tal vez resultara ms
adecuado afirmar que existe de forma congnita una estructura neurofisiolgica global
que permite adquirir conocimiento, pero no un conocimiento explcito sobre cmo
adquirir conocimiento, ubicado en un nivel estanco.
Desde el punto de vista reduccionista, en un primer acercamiento el objetivo del
estudio del aprendizaje sin conocimiento previo consistir en definir el conocimiento
mnimo que debe poseer a priori un sistema para que se pueda producir aprendizaje.
Existe otro aspecto evidente, y consiste en el hecho de que una vez que han
adquirido ciertos conocimientos, se deber intentar emplear estos para resolver
problemas, ya sean:
problemas del entorno en el que est inmerso el sujeto, es decir, el problema
de obtener nuevo conocimiento a partir del que ya se posee con la intencin de
llegar al conocimiento necesario para tomar una decisin correcta.
el problema de cmo optimizar los mtodos de adquisicin de conocimiento, o
cmo crear otros nuevos.
Por otra parte, adems de orientar la especificacin de este conocimiento mnimo a la
definicin de un sistema adaptativo que teoricamente fuera capaz de resolver
cualquier tipo de problema, ignorando restricciones en cuanto a tiempo de proceso y
capacidad de almacenamiento, sera deseable tener en cuenta desde el punto de
vista prctico la creacin de un sistema de gran flexibilidad, capaz de resolver
problemas radicalmente distintos entre s.
Desde este punto de vista, el inters se centrara en buscar el conocimiento mnimo
que debe poseer a priori un sistema cognitivo para poder realizar a partir de l,
procesos que obtengan el mximo aprendizaje con el mnimo de recursos (tiempo y
espacio de almacenamiento). Adicionalmente, se pretendera que fuera suficiente
para producir, en el menor tiempo posible, los procesos cognitivos superiores que
conforman la inteligencia.
Las teoras Psicolgicas
Gran cantidad de estudios sobre aprendizaje se basan en los resultados de las

investigaciones sobre cmo se realizan los procesos cognitivos en los seres vivos.
En esta lnea de investigacin han trabajado numerosos autores entre los que cabe
destacar Pavlov, Piaget, Rescorla y Wagner, Schlimmer y Granger, y Dickinson y
Shanks.
Se proponen diferentes modelos de establecimiento de relacin causal entre dos
eventos -asumiendo que toda relacin causal tiene lugar en presencia de mltiples
causas potenciales-, en funcin de la fuerza asociativa asignada a cada evento.
5 de 19
04/04/15 08:27
Muchos autores destacan la influencia de la motivacin en el aprendizaje, indicando

que el aprendizaje se produce con mayor intensidad cuando los hechos afectan a la
consecucin de los propios objetivos, que cuando no lo hacen.
As, el "modelo de reglas de Rescorla" es ampliado por las teoras asociativas de
Pearce, Schlimmer y Granger, Gluck y Bower, y por el "modelo asociativo de
Rescorla y Wagner". Las teoras asociativas critican las propuestas clsicas de
representacin basadas en reglas, por limitar su accin a conceptos bien definidos, y
proponen una estructura gradual de conceptos, implementada normalmente mediante
un mecanismo de asignacin de pesos [Mat93]. Los modelos asociativos evitan las
reglas causa-efecto como tales, y comulgan mayormente con los modelos
conexionistas proponiendo una multiasociacin gradual. La experimentacin del
enfoque de las teoras asociativas en humanos est aumentando considerablemente
en los ltimos aos.
En cuanto formacin de conceptos, existen variadas opiniones; desde los modelos de
prototipos de categoras basados en el almacenamiento de un caso ideal
representativo de la tendencia central de los ejemplos de la categora, hasta los
modelos de ejemplares, que niegan la abstraccin y defienden la teora de que no
existen conceptos, sino nicamente instancias individuales.
Existen muchos otros aspectos investigados en la psicologa del aprendizaje. Por
ejemplo, Neisser y Ween comprobaron que se aprenden antes las reglas de
afirmacin y negacin, resultando ms difciles de aprender la condicional y
bicondicional [Mat93].
Otro tema discutido es el de la existencia de condicionamiento hacia atrs. En el
ejemplo clsico de intentar obtener una Respuesta Condicionada RC (salivacin) ante
un Estmulo Condicionado EC (sonido), asociado a un Estmulo Incondicionado
(alimento), el condicionamiento hacia adelante supondra la presentacin de los
estmulos en el siguiente orden: primero EC (sonido), y a continuacin EI (alimento),
para producir posteriormente y despus de un cierto nmero de ensayos, RC
(salivacin) nicamente ante EC (sonido). En un condicionamiento hacia atrs se
tratara de observar RC (salivacin) ante EC (sonido) cuando en el entrenamiento el
EI (alimento) comienza y termina antes de presentar el EC (sonido).
Estado del arte en los modelos computacionales de aprendizaje
La mayora de los sistemas basados en el conocimiento son objetivistas en cuanto a

que contienen informacin pre-categorizada por el diseador del sistema (propiedades,
objetos, reglas, meta-conocimiento, etc.).
En oposicin al objetivismo existe el subjetivismo de otros autores que pretenden que
el propio agente inteligente sea capaz de crear sus propias categorizaciones en
funcin de las seales recibidas por sus sensores. El paradigma objetivista centra su
atencin en los niveles altos de la cognicin, mientras que el subjetivista
correspondera a niveles bajos [Rod94].
Un sistema de aprendizaje sin conocimiento previo, adems de ser subjetivista, debe
6 de 19
04/04/15 08:27
ser capaz de aprender en situaciones totalmente nuevas. El mecanismo para la

adquisicin inductiva de conocimientos (a partir de la experiencia) estar basado en la
observacin pasiva del entorno y en la realimentacin (percepcin) de los efectos de
las acciones realizadas, bien porque se desconocen a priori esos efectos, bien porque
aunque se pueden prever con cierta probabilidad, no se tiene la total certeza de que
los acontecimientos se desarrollen de determinada forma. Se trata del aprendizaje por
ensayo y error (trial and error learning).
Algunos autores sealan el aprendizaje a partir de ejemplos como otra forma de
aprendizaje inductivo [Kod88]. Podramos distinguir tres tipos en funcin de la fuente
que proporciona los ejemplos, en definitiva, el origen de la aparicin de nuevo
conocimiento:
Un "profesor" (la mquina A "juega" contra el hombre y aprende de l)
El entorno (la mquina A juega contra otra mquina B o entorno)
El propio sistema que aprende (la mquina A juega contra otra mquina B
construida por la propia mquina A)
Para este trabajo, el primero de los tipos se descarta por suponer una cierta
pre-categorizacin del conocimiento, que se ha de evitar en lo posible en la bsqueda
de aprendizaje sin conocimiento previo.
En cuanto al segundo tipo, supone un caso particular de prediccin, que es
precisamente de lo que se est tratando. En este caso, se tiene en cuenta que el
entorno no slo proporciona una serie de situaciones o escenarios que se han de
analizar, y con los cuales se establecern relaciones causa-efecto, sino que el
entorno mismo aporta de alguna forma las reglas causa-efecto que lo definen, al
menos en parte, como lo hara un libro de texto o un sistema experto. En este caso,
se trata de establecer relaciones entre las diversas reglas causa-efecto, para predecir
otras reglas a partir de estas.
El tercero se puede asimilar a una forma de representacin del conocimiento.
Consiste en que el sistema, a partir de los casos analizados, a partir de las reglas
que posee, cree otras reglas, de forma similar al caso anterior.
Los sistemas de adquisicin inductiva de conocimientos trabajan con un conjunto
jerrquico de conceptos, acciones y reglas (a las que se aaden pesos en un modelo
asociativo), orientados a la consecucin de una meta (Goal-Oriented Behavior). Los
conceptos son creados de forma ascendente o Bottom Up a partir de la
experimentacin.
Esta experimentacin se produce en un primer momento totalmente al azar. Despus
de una accin se observan sus consecuencias y se produce una asociacin mental
causa-efecto que se almacena en una memoria, indicndose de alguna forma si su
ejecucin ha favorecido o dificultado la consecucin de la meta, y en que grado. Las
posteriores acciones estarn condicionadas por el conocimiento almacenado en la
memoria, evitndose en lo posible recurrir al azar.
Evidentemente, las metas u objetivos del ente inteligente han de ser definidas a priori,
y aunque posteriormente pueden evolucionar por s mismas, esta evolucin se dar
ms en la forma (submetas) que en el fondo (meta o metas ltimas), siempre que no
exista una modificacin externa, que lo transformara en otro ente diferente. La
definicin de las metas puede ser complicada, en funcin del comportamiento que se
7 de 19
04/04/15 08:27
desee producir.
En este caso, la analoga con el ser humano es origen de debate sobre el
determinismo a alto nivel (el hombre est definido por un objetivo que debe
cumplir?), al igual que holismo versus reduccionismo es anlogo a la discusin acerca
de la existencia (fsica?) del alma (se puede construir un ser idntico al hombre?).
Cmo aprender
Drescher describe un mecanismo de aprendizaje sin conocimiento previo orientado a

la computacin, llamado schema mechanism [Dre91]. El procedimiento consiste en
identificar cada posible estado, situacin o contexto en el que se puede encontrar el
ente inteligente mediante un conjunto de valores de unos items o variables que
definen esa situacin.
Existe una serie de acciones, primitivas u operadores cuya ejecucin o aplicacin
hace evolucionar al sistema de un estado a otro.
Si se realiza una accin y se pasa a un estado desconocido, se almacena
informacin que represente ese nuevo estado y se crea una regla (schema) que
represente las condiciones necesarias para pasar a ese nuevo estado.
El problema consiste cmo identificar qu accin ha sido la responsable de una

transicin. Se recuerda que las acciones y los estados se organizan en una
estructura jerrquica. Es evidente que si se analizan con la misma intensidad
(dedicando el mismo tiempo) todas las posibles conexiones accin-transicin en todos
los niveles de la jerarqua, el tiempo de proceso tendera rpidamente hacia infinito.
Aqu entran en juego las teoras psicolgicas comentadas anteriormente.
Schlimmer y Granger desarrollaron un algoritmo llamado STAGGER que
implementaba las teoras asociativas mediante la asignacin de pesos. STAGGER
es capaz de detectar ruido o informacin imperfecta, realizando un procesamiento
provisional de los datos, siempre que el ruido que se produzca sea de tipo sistemtico
-slo en los ejemplos, o slo en los contraejemplos-. IKASLE es un algoritmo que
opera de manera similar a STAGGER, siendo capaz de aprender en casos de ruido
aleatorio [Alb92].
El proyecto SOAR es uno de las ms destacados esfuerzos en la definicin y
creacin de Arquitecturas para la Inteligencia General, ya que incluye muchas de las
caractersticas de otros sistemas que se han construido con anterioridad a l.
Las Arquitecturas Generales de Inteligencia basan su funcionamiento en un conjunto
8 de 19
04/04/15 08:27
jerrquico de submetas. Las submetas son creadas como efecto del intento de llegar
a otra meta de forma descendente o Top Down. Sin embargo el sistema, a priori, no
puede descomponer una meta en una submeta, ya que no posee el conocimiento
necesario para realizar dicha descomposicin. Por esta razn, las arquitecturas
basadas en la creacin de submetas, no proporcionan un mecanismo suficientemente
potente para producir aprendizaje sin conocimiento previo.
Despus de haber revisado las diferentes teoras y propuestas aplicables a la
creacin de un sistema cognitivo artificial capaz de realizar aprendizaje sin
conocimiento previo, se observa que por una parte existe diversidad de opiniones en
cuanto a la existencia o no de diferentes aspectos en el aprendizaje (caso de los
modelos de ejemplares que niegan la existencia de conceptos; caso del
condicionamiento hacia atrs).
Por otra parte sucede que por lo general existe ms de un procedimiento para llevar a
la prctica una misma teora; por ejemplo, una ley que defina el efecto de la
motivacin para la asignacin de pesos en la creacin de relaciones causales poseer
constantes que habr que parametrizar de alguna forma.
Otro ejemplo que puede ser muy ilustrativo -ya que se trata de uno de los ms
sencillos-, es el del difundido supuesto de la existencia de diversas memorias (de
recepcin sensorial, a corto plazo, y a largo plazo) para la retencin inmediata, a corto
y largo plazo, como partes del proceso de aprendizaje.
Parece evidente que la capacidad de memoria es innata y necesaria para el
aprendizaje. Si se desea incluir estos aspectos de la memoria en un sistema de
aprendizaje no a priori, surgen multitud de interrogantes: Se especifican dos o tres
tipos de memoria? O an mejor se posibilita la existencia de un nmero variable de
tipos? En ese caso, Variable en funcin de qu? Est permitida la eliminacin de
zonas de memoria? Bajo qu condiciones se permite el borrado de un dato? Cmo
se divide la capacidad total entre las diferentes memorias?
Vida artificial y sistemas emergentes
El comportamiento emergente consiste en el fenmeno de producirse un

comportamiento complejo a partir de una serie de reglas simples.
Un ejemplo ilustrativo del comportamiento emergente es el caso del experimento
desarrollado por Cristopher Langton en la Universidad de Michigan. Langton simul un
entorno artificial de una colonia de hormigas en una rejilla compuesta por celdillas
blancas, azules y amarillas. Las reglas asignadas a las hormigas fueron: si una
hormiga penetra en una celdilla blanca, contina desplazndose hacia adelante. Si se
introduce en una celdilla azul, sta adopta el color amarillo, y la hormiga girar a la
izquierda; y si penetra en una celdilla amarilla, sta se tornar azul, y la hormiga
girar a la derecha.
En un primer momento, las hormigas erraron sin rumbo definido, pero en poco tiempo
las hormigas se encontraron unas a otras formando una fila. El aspecto interesante
de este experimento es que no se haba programado explcitamente que las hormigas
9 de 19
04/04/15 08:27
adoptaran un comportamiento social de este tipo, sino que se produjo

espontneamente. Este tipo de comportamiento es habitual en experimentos de vida
artificial.
Nota: este experimento se ha intentado repetir al menos por tres personas que
conozco sin lograr ningn xito. Todas las referencias al experimento original de que
dispongo son indirectas. Todo parece indicar que el experimento tal como se ha
descrito est incompleto o mal planteado. Algunas de las dudas que surgen son:
Si una hormiga debe situarse en una casilla en la que se encuentra otra
hormiga, qu debe hacer? situarse sobre sta? esperar a la siguiente
iteracin? cambiar de rumbo aleatoriamente? El estado de todas las
hormigas debe cambiar "a la vez", en ciclos, en funcin de los estados
anteriores de todas las celdas, o podemos ejecutar las hormigas una por una
en secuencia?
Es suficiente con esas reglas para que surja el tal "comportamiento
emergente", o es necesaria alguna otra?
De qu dimensiones ha de ser la rejilla?
Cuntas hormigas es necesario poner?
Qu direccin inicial debe llevar cada hormiga? Aleatoria? Cuantas
direcciones posibles tienen las hormigas? 4? 8?
Qu porcentaje de celdas deben ser blancas, azules y amarillas?
Se deben situar las casillas azules y amarillas de forma aleatoria, o formando
algn patrn especial?
Si una hormiga llega al lmite de la rejilla siguiendo su direccin, qu de debe
hacer? Pueden o deben existir celdillas prohibidas que no sean ni azules ni
amarillas ni blancas?
Muchos autores coinciden en sealar que el aprendizaje de los organismos tiene
lugar, adems de en el organismo individual, a nivel de especie. El aprendizaje de las
especies se manifiesta en la evolucin, estar formado por caractersticas presentes
en todos los individuos de la especie, y puede originar comportamientos emergentes
como el mencionado. Puede imaginarse tambin un aprendizaje a nivel de
ecosistema, en el que intervengan varias especies. La evolucin biolgica se basa en
la seleccin y la variacin gentica. Los genes mejor dotados sern los
predominantes. El proceso no experimenta estancamiento porque pasado cierto
tiempo se producen mutaciones, y aparecen nuevos genes y nuevas combinacines
de genes mediante reproduccin sexual.
Thomas Ray dise en la Universidad de Delaware un sorprendente sistema llamado
TIERRA capaz de imitar en gran medida los procesos evolutivos. En l, cada
organismo es un programa con capacidad de autorreproducirse, encontrndose todos
ellos en un recinto de memoria limitada. Cuando un programa encuentra una zona de
memoria libre, copia su propio cdigo. Se permitieron modificaciones al azar a la hora
de replicar un programa; se incluy un programa que eliminaba a los programas ms
viejos o aquellos cuyo cdigo era errneo, se estableci que la ejecucin de ciertas
instruccines poda retrasar la muerte, etc. En un principio se introdujo un nico
programa de 80 instruccines. Al cabo de un tiempo surgi un programa de slo 22
instruccines capaz de autorreproducirse a una velocidad mucho mayor que la de la
criatura original; aparecieron parsitos incapaces de reproducirse, que robaban cdigo
de los programas adyacentes. Estos parsitos fueron superados por unos programas
inmunes a ellos, hasta que aparecieron otros mejor dotados, incapaces de
reproducirse aisladamente pero capaces de hacerlo en comunidad.
10 de 19
04/04/15 08:27
A continuacin se va a desarrollar la hiptesis de que los procesos cognitivos en una

sola entidad inteligente, como puede serlo una persona, pueden estar formados por el
resultado de la interaccin de mltiples entidades sencillas dotadas cada una de ellas
de las caractersticas propias de los seres vivos, observandose desde el exterior que
emerge un resultado coherente fruto de una situacin interior compleja.
Independientemente de la validez de esta hiptesis, un mecanismo de este tipo
servira de base para la implementacin de las teoras asociativas ofreciendo un
mecanismo mucho ms complejo y potente que la simple asignacin de pesos y
servira a su vez como laboratorio para la experimentacin de la validez de las
diversas teoras psicolgicas.
El planteamiento de Drescher en el debate entre las posturas constructivista y
nativista ante el problema de la existencia de conocimiento innato se puede aplicar
sobre s mismo tantas veces como se desee en una variante de la paradoja de
Russell sobre la auto-observacin, similar a la hiptesis de Rucker sobre la mente
humana como un sistema infinitamente introspectivo, y en la lnea de muchas de las
reflexiones de Hofstadter sobre el teorema de Gdel [Mor91] [Hof87].
Llamemos "A" al conocimiento sobre cmo adquirir conocimiento. El conocimiento
sobre cmo adquirir conocimiento (conocimiento "A") podra no ser innato, siempre
que existiera, de forma congnita, un conocimiento "B" sobre cmo adquirir
conocimiento "A", es decir, un conocimiento sobre cmo adquirir conocimiento sobre
cmo adquirir conocimiento. El conocimiento "C" sera el conocimiento sobre cmo
adquirir conocimiento "B" y as sucesivamente.
Un sistema con conocimiento "A" y "B" ser ms potente y ms general que uno que
slo posea conocimiento "A", y un sistema con conocimiento "A", "B" y "C" sera ms
general que uno con conocimiento "A" y "B".
Se van a describir con mayor detalle cada uno de estos niveles. Si se pretende
construir un sistema artificial que contenga niveles de este tipo, la caracterstica
principal que deben cumplir estos niveles es ser recursivos. La recursividad se
entiende en cuanto a que el mecanismo que proporcione su existencia debe ser nico.
Cada uno de los niveles consiste en un resolutor de problemas, ya que se puede
identificar la adquisicin de conocimiento como un problema a resolver. El primero de
ellos analiza un problema cuyos elementos pertenecen al mundo real, formado por el
ente inteligente y su entorno. El segundo analiza el comportamiento del primero, el
tercero el del segundo y as sucesivamente.
Definiendo instancia como representacin mental de un objeto o ocurrencia
especfica, y clase como representacin mental de un grupo de objetos, tenemos:
En el primer nivel el ente inteligente analiza el mundo exterior a l y realiza los
siguientes procesos:
Crear instancias de nivel 1 que representen situaciones o estados del mundo
exterior. Estas sern las nicas que tendrn su equivalente en el mundo
exterior. Cada instancia representa un posible estado del mundo exterior. Para
crear instancias se utilizarn mtodos de creacin de instancias, que
consistirn en la simple observacin del "mundo exterior".
11 de 19
04/04/15 08:27
Crear conceptos a partir de la generalizacin de instancias. Estos conceptos

slo tienen existencia en el mundo interior del pensamiento. Para crear
conceptos se utilizarn mtodos de creacin de conceptos basados en
comparar y fusionar instancias.
Resolver problemas del "mundo exterior" manejando conceptos e instancias.
Para resolver problemas se utilizarn mtodos de resolucin de problemas
basados en la realimentacin de los efectos de las acciones ejecutadas en el
"mundo exterior"
Existe una serie de parmetros que definen el funcionamiento de este primer nivel, de
manera que cada combinacin de esos parmetros configura un mtodo de resolucin
de problemas diferente.
En el segundo nivel, lo que se analiza no es el "mundo exterior" al pensamiento sino
el propio pensamiento. Se analiza el resolutor de problemas del nivel 1. los procesos
son:
Crear instancias de nivel 2 que representan situaciones o contextos del nivel
1, es decir, mtodos de resolucin de problemas utilizados por el nivel 1. Cada
instancia representa un estado del nivel 1. Los mtodos de creacin de
instancias, consistirn en la observacin del primer nivel.
Crear conceptos a partir de la operacin de generalizacin (comparar y
fusionar) aplicada a un conjunto de instancias que representan mtodos de
resolucin de problemas.
Resolver problemas del nivel 2 manejando conceptos e instancias. En este
caso, las "acciones" corresponden con la eleccin de los parmetros con los
que funciona el primer nivel. As se obtendrn nuevos mtodos de mtodos de
resolucin de problemas (meta-mtodos). Desde el punto de vista del
conocimiento, se adquirir meta-conocimiento.
El funcionamiento de este segundo nivel est tambin definido por una serie de
parmetros, que pueden ser manejados por el nivel 3, y as sucesivamente.
Se observa la simetra entre los procesos desarrollados en cada uno de los niveles,
que permitir su implementacin recursiva. Tambin se hace notar que el nivel ms
alto de la jerarqua no es controlado por ningn otro, ya que no existe un nivel superior
a l que lo observe, y su existencia define la limitacin de la flexibilidad del sistema.
Imaginemos ahora la existencia de un super-nivel que posee conocimiento acerca de
cuntos niveles de conocimiento son deseables, de manera que este nivel pueda
decidir el nmero de niveles desde "A" hasta "Z" que deben existir. Este super-nivel
podra juzgar incluso su propia razn de ser; podra decidir que su existencia no est
justificada ya que el nmero de niveles ptimo es, por ejemplo, tres; y decidir
eliminarse a s mismo.
Tanto en el hombre como en un sistema cognitivo artificial, es posible que exista
conocimiento del tipo "A", "B", "C", etc. No conozco estudios psicolgicos que
determinen si el hombre es un sistema inteligente con un nmero fijo de niveles de
este tipo o si posee un super-nivel que le permita poseer un nmero cualquiera de
ellos, aunque se puede intuir la existencia de al menos tres o cuatro niveles.
Un sistema artificial podr poseer tantos niveles de este tipo como seamos capaces
de proporcionarle. Llamar "Z" al ltimo nivel de estos "conocimientos". Aunque el
12 de 19
04/04/15 08:27
nmero de niveles no podr ser infinito, un Resolutor General de Problemas o GPS

(General Problem Solver), deber poseer la capacidad de disponer de cualquier
nmero de estos niveles de conocimiento, siempre que la existencia de dichos niveles
sea indispensable para resolver un problema.
Podemos suponer que nunca ser necesario utilizar ms de un cierto nmero de
niveles. En ese caso, la creacin de este sistema servira para intentar descubrir de
forma emprica cul es el nivel "Z" al que se debera llegar en la construccin de un
Resolutor General de Problemas. Por el contrario, si se comprobara que en algunos
casos es de gran utilidad la existencia de un gran nmero de niveles, y se pudieran
identificar los tipos de problemas que requieren una u otra estructura de niveles, se
dara un gran paso en la construccin de GPS.
En este planteamiento, el concepto de conocimiento se vuelve confuso. Es habitual
dividir el conocimiento en declarativo, procedimental y heurstico. Un hecho concreto
se representara de forma declarativa. El mecanismo para obtener nuevo
conocimiento sera un conocimiento procedimental. El conocimiento heurstico es un
conocimiento complejo que en el mejor de los casos podemos suponerlo como
combinacin de los dos anteriores (en el peor de los casos, se desconoce cmo se
representa este conocimiento).
Supongamos que es posible acceder a los smbolos fsicos que representan un
meta-conocimiento dado, es decir, un conocimiento de tipo "A", "B", etc. o superconocimiento, y modificar dicho conocimiento al azar, entendindose el azar como la
eleccin de una posible accin (modificacin) entre varias en funcin de una causa no
controlada o desconocida.
Esta modificacin al "azar" sera un mecanismo capaz de generar nuevo
meta-conocimiento. La utilidad de este nuevo conocimiento sera dudosa en un
principio, ya que la probabilidad de que el nuevo conocimiento generado funcione
como un mecanismo de aprendizaje vlido sera normalmente pequea.
Sin embargo, en el caso del aprendizaje sin conocimiento previo en el "mundo
exterior" (en el caso de la adquisicin de "conocimiento" a secas), el mecanismo se
basa inicialmente en la ejecucin de acciones al azar. Por analoga, el aprendizaje de
conocimientos superiores (tipo "A", "B", etc.) en el "mundo interior" podra producirse
de la misma forma.
Existe la hiptesis generalmente admitida de que la causa de la inteligencia que
poseen las diversas especies animales y el hombre es la seleccin producida sobre
combinaciones de elementos al azar: mutaciones genticas y mecanismos evolutivos
de seleccin de las especies.
Siguiendo esta hiptesis de una forma anloga, el conocimiento mnimo necesario
para la creacin de un sistema capaz de realizar los procesos cognitivos superiores
podra ser un conocimiento almacenado de forma procedimental que consiste
bsicamente en el azar en cada uno de los niveles y meta-niveles mencionados
anteriormente.
Se recuerda que este azar slo se produce en un estado inicial y que a partir de ese
momento se trata de un azar dirigido por las metas. El mecanismo de lucha por la
supervivencia se encargara de seleccionar en un primer lugar las entidades cuyos
procesos de azar les han llevado a la consecucin de los objetivos -se puede pensar
13 de 19
04/04/15 08:27
en las metas en trminos de la pirmide de necesidades de Maslow (en primer lugar

las necesidades bsicas fisiolgicas, etc.)-. Posteriormente, en un entorno adverso
de escasez, se seleccionaran las entidades capaces de representar, almacenar y
utilizar la experiencia adquirida en la consecucin de objetivos para la satisfaccin de
nuevas necesidades.
El soporte que permita la creacin automtica de estos procesos a partir de un
conocimiento mnimo en un sistema computador podra ser un sistema de Vida
Artificial, en el que, tanto las instancias como las clases, las reglas y los
mecanismos de aprendizaje y todos los elementos que lo compongan sean objetos de
entidad propia que incluyan cada uno de ellos las caractersticas propias de un ser
vivo: ejecucin paralela, objetivos, nacimiento, muerte (en el caso de no conseguir los
objetivos), reproduccin, mutaciones genticas (azar), etc.
Este soporte sera capaz de simular la existencia de varias entidades inteligentes,
incluir aspectos como la seleccin de las especies, la colaboracin entre individuos,
etc. Tambin sera el soporte idneo para incluir el resto de los aspectos que
conforman el aprendizaje y que en este desarrollo se han omitido: motivacin, miedo,
deseo, costumbre, percepcin, etc.
Conclusiones
Un sistema de aprendizaje es un sistema capaz de crear un nivel adicional de significado o

incrementar el conocimiento de este nivel superior ya existente mediante la combinacin de
elementos de un orden inferior. Un mtodo de aplicacin general para producir aprendizaje
en cualquier entorno podra ser un sistema que utiliza un generador aleatorio de smbolos
(conocimiento), y pone a prueba su utilidad convirtiendo smbolos en acciones
realimentndose con los efectos de esas acciones, convirtiendo en sentido opuesto,
hechos del mundo real en smbolos manejables por la funcin de realimentacin.
Mientras que el agente completo recibe, acta sobre y maneja hechos del mundo real, la
funcin de realimentacin contenida dentro del agente recibe, acta sobre y maneja
smbolos de un nivel superior, que pueden representar o no hechos del mundo real. La
funcin de realimentacin, aunque tambin est constituida por smbolos fsicos igual que
el entorno, produce la emergencia de un nivel de significado superior al de los smbolos
fsicos, pudiendo existir dentro de ella, otros niveles de abstracin an superiores.
14 de 19
04/04/15 08:27
Bibliografa
KLEIN, STEPHEN B.
[Kle94]
1994 APRENDIZAJE. PRINCIPIOS Y APLICACIONES
McGraw Hill
FISHER, D.
LANGLEY, P.
[Fis90]
1990 THE STRUCTURE AND FORMATION OF CATEGORIES
en THE PSYCHOLOGY OF LEARNING AND MOTIVATION
Bower, G. H. (Ed.)
Academic Press
PEARCE, J. M.
HALL, G.A.
[Pea80]
1980 A MODEL FOR PAVLOVIAN CONDITIONING
Psychological Review
RESCORLA, R. A.
WAGNER, A. R.
[Res72]
1972 A THEORY OF PAVLOVIAN CONDITIONING
en CLASSICAL CONDITIONING II
Black, A. H. (Ed.)
Appleton-Century-Crofs
SMITH, E.E.
[Smi89]
1989 FOUNDATIONS OF COGNITIVE SCIENCIE
MIT Press
MATUTE, HELENA
[Mat93]
1993 APRENDIZAJE Y REPRESENTACION DE CONCEPTOS
en APRENDIZAJE Y MEMORIA HUMANA: ASPECTOS
EVOLUTIVOS
J.I. Navarro (Ed)
15 de 19
BASICOS
04/04/15 08:27
McGraw Hill
ALBERDI, EUGENIO
MATUTE, HELENA
REMENTERIA, SANTIAGO
[Alb92]
1992 APRENDIZAJE A PARTIR DE EJEMPLOS Y ASIGNACION DE PESOS
en NUEVAS TENDENCIAS EN INTELIGENCIA ARTIFICIAL
Moral, A. y Llaguno, M. (Ed.)
Universidad de Deusto
ROSENBLOOM, PAUL S.
[Ros93]
1993 SOAR PAPERS: RESEARCH ON INTEGRATED INTELLIGENCE
Volmenes 1 y 2
LAIRD, JOHN
ROSENBLOOM, PAUL S.
NEWELL, ALLEN
[Lai86]
1986 UNIVERSAL SUBGOALING AND CHUNKING
Kluwer Academic Publishers
PIROLLI, PETER
[Pir93]
1993 TOWARDS A UNIFIED MODEL OF LEARNING TO PROGRAM
en COGNITIVE MODELS AND INTELLIGENT ENVIRONMENTS
LEARNING PROGRAMMING
Lemut, Enrica (Ed.)
NATO ASI Series. Series F, Computer and Systems Sciences
Vol. 111
FOR
NEWELL, A.
SIMON, HERBERT A.
[New72]
1972 HUMAN PROBLEM SOLVING
Prentice Hall
OHLSSON, STELLAN
[Ohl93]
1993 THE INTERACTION BETWEEN KNOWLEDGE AND PRACTICE IN THE
16 de 19
04/04/15 08:27
ACQUISITION OF COGNITIVE SKILLS

en FOUNDATIONS OF KNOWLEDGE ACQUISITION
Susan Chipman (Ed.)
Kluwer Academic Publishers
BEER, RANDALL D.
[Ran90]
1990 INTELLIGENCE AS ADAPTIVE BEHAVIOR
Academic Press
ANDERSON, JOHN R.
[And90]
1990 ADAPTIVE CHARACTER OF THOUGHT
Lawrence Erlbaum Associates
STADDON, J. E. R.
[Sta83]
1983 ADAPTIVE BEHAVIOR AND LEARNING
Cambridge University Press
KODRATOFF, YVES
[Kod88]
1988 INTRODUCTION TO MACHINE LEARNING
Morgan Kaufmann Publishers
HINTON, GEOFFEY E.
[Geo89]
1989 PARALLEL MODELS OF ASSOCIATIVE MEMORY
Lawrence Erlbaum Associates
KLAHR, DAVID (Ed.)

[Kla87]
1987 PRODUCTION SYSTEM MODELS OF LEARNING AND DEVELOPMENT
MIT Press
DRESCHER, GARY L.
[Dre91]
1991 MADE UP MINDS
17 de 19
04/04/15 08:27
MIT Press
HOFSTADTER, DOUGLAS R.
[Hof87]
1987 GDEL, ESCHER, BACH. UN ETERNO Y GRACIL BUCLE
Tusquets Editores & CONACYT
MORRIS, HAROLD C.
[Mor91]
1991 ON THE FEASIBILITY OF COMPUTATIONAL ARTIFICIAL LIFE
en FROM ANIMALS TO ANIMATS
Meyer, Jean-Arcady y Wilson, Stewart W. (Ed.)
MIT Press
LANGTON, CHRISTOPHER G. (Ed.)

[Lan89]
1989 ARTIFICIAL LIFE
The proceedings of an interdisciplinary workshop on the synthesis and simulation of
living systems
Addison-Wesley
[Lan90]
1990 ARTIFICIAL LIFE II
Proceedings of the workshop on artificial life
Addison-Wesley
RODRIGUEZ, MIGUEL
ERARD, PIERE-JEAN
MULLER, JEAN PIERRE (Ed.)
[Rod94]
1994 VIRTUAL ENVIRONMENTS FOR SIMULATING ARTIFICIAL AUTONOMY
en ARTIFICIAL LIFE AND VIRTUAL REALITY
Magnenat Thalmann, Nadia (Ed.)
John Wiley & Sons
Sobre el documento
Este documento es una adaptacin de una propuesta de
18 de 19
04/04/15 08:27
memoria de proyecto de tesis doctoral realizada en marzo

de 1995 por el autor.
Sobre el autor
Manuel de la Herrn naci en Bilbao en 1971. Es ingeniero

informtico y ha trabajado en varias empresas
desarrollando tecnologa en Internet y dirigiendo sus
departamentos tcnicos (Okt, Cocotero, EnLaPrensa).
Ha escrito un libro en forma de ensayo, as como
numerosos artculos sobre Evolucin, Computacin
Evolutiva, Algoritmos Genticos, Inteligencia Artificial,
Datamining y Datawarehouse, OLAP y Bases de Datos
Multidimensionales, Bases de datos Oracle y
Programacin en Internet. Ha sido profesor de la
Universidad de Deusto y ha participado en la creacin de
proyectos como IIEH, Gaia (finalista iBest 2000), y
REDcientfica (Premio Nacional Sociedad de la
Informacin).
REDcientfica no se hace responsable de las opiniones expresadas por sus colaboradores.

Queda prohibida la reproduccin total o parcial de los contenidos sin la autorizacin de sus autores o de
REDcientfica.
Gran Va 67, Of.425. 28013, Madrid (Espaa). Telfono: (+34) 915476145 / E-mail:
http://www.redcientifica.com/cgi-bin/buzon/buzon.pl?id=b1
19 de 19
04/04/15 08:27

Aprendizaje Sin Conocimiento Previo

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Aprendizaje Sin Conocimiento Previo

Încărcat de

Drepturi de autor:

Formate disponibile

REDcientca - Aprendizaje sin conocimiento previo

COPIA PARA IMPRIMIR