E se um robô não puder prever exatamente qual percepção vai receber? A percepção chegaria sem aviso. O termo usado é observabilidade parcial. Os algoritmos de busca que vimos até agora foram projetados para explorar sistemas com espaços de busca. Quando o objetivo é realizado, o caminho até o objetivo também constitui uma solução para o problema. Mas e quando o caminho até o objetivo for irrelevante?
Se o caminho até o objetivo não importar, uma nova classe de algoritmos deve substituir a anterior. O agente vai começar a fazer buscas locais! Só importa agora um único estado atual. Um único caminho se movendo normalmente para a direção de um vizinho. E só é preciso guardar esse único caminho na memória! Cria-se, portanto, a Topologia de Espaço de Estados.
Essa topologia tem posição e elevação. A posição depende do estado e a elevação do valor de uma função de custo. Se a elevação corresponder ao custo o objetivo será encontrar o vale mais baixo. Se a elevação corresponder ao objetivo, o pico mais alto é a solução. E o agente sobe o Monte Everest.
O método tem o seguinte nome: SUBIDA DE ENCOSTA. Ele se move de forma continua no sentido do valor crescente encontrado. Observe que o objetivo agora é chegar ao topo, o caminho não importa. E para que as escolhas dos passos sejam cada vez melhores, nosso agente desenvolve a SUBIDA DE ENCOSTA ESTOCÁSTICA. Ela gera pontos sucessores ao acaso até encontrar um sucessor melhor do que o estado atual. E começa tudo de novo.
O cérebro de um robô saberia que as respostas para suas perguntas estariam em um nível superior. Ele progride um passo por vez em direção a um plano mais elevado. Seria uma espécie transcendência rumo a iluminação do espirito artificial...
Nenhum comentário:
Postar um comentário