Modelo para embasamento simbólico fundamentado em teoria de Agentes BDI e Redes Neurais

Abstract

A incapacidade dos computadores de relacionar os símbolos com os seus referentes no mundo real caracteriza o Problema do Embasamento Simbólico, definido por Harnad, em 1990. Desde a sua definição, diversas tentativas de soluções foram propostas para o problema, sendo que as mesmas podem ser classificadas em abordagens representacionalistas, semi-representacionalistas e não-representacionalistas. Inspirado nas abordagens representacionalistas, este trabalho propõe um modelo para o embasamento simbólico fundamentado em teoria de agentes BDI e modelos conexionistas para reconhecimento de objetos. Para tal, é analisado o estado da arte em modelos para embasamento simbólico, detecção de objetos e agentes BDI. Um modelo que integra partes do conhecimento do agente a uma respectiva representação conexionista é proposto. Um protótipo deste modelo é apresentado e um experimento é definido para a avaliação do mesmo. Por fim, é realizada a análise dos resultados do experimento e são apresentadas as conclusões. Apesar de contribuir para a tarefa de embasamento de símbolos do agente BDI, conectando-os aos referentes no mundo real, através da disponibilização de uma biblioteca com três modelos para embasamento de crenças de um agente BDI que possui uma arquitetura de fácil utilização e extensão, este trabalho não resolve o problema do embasamento simbólico, visto que a rede neural de detecção de objetos precisa ser treinada com dados que são fornecidos de forma extrínseca. Portanto, o Problema do Embasamento Simbólico segue em aberto para a exploração de trabalhos futuros, sendo que há a possibilidade de evolução do modelo proposto neste trabalho.

The inability of computers to relate symbols to their referents in the real world characterizes the Symbol Grounding Problem, defined by Harnad, in 1990. Since its definition, several solutions attempts have been proposed for the problem, and they can be classified into representationalist, semi-representationalist and non-representationalist approaches. Inspired by representationalist approaches, this work proposes a model for the symbol grounding based on the theory of BDI agents and connectionist models for object detection. To this end, the state of the art in models for symbol grounding, object detection and BDI agents is analyzed. A model that integrates parts of the agent's knowledge with a respective connectionist representation is proposed. A prototype of the model is presented and an experiment is defined for its evaluation. Finally, the results of the experiment are analyzed and the conclusions are presented. Despite contributing to the task of grounding symbols of the BDI agent, connecting them to referents in the real world, through the provision of a library with three models for grounding beliefs of a BDI agent that has an architecture that is easy to use and extend, this work does not solve the Symbol Grounding Problem, since the neural network of object detection needs to be trained with data that are provided extrinsically. Therefore, the Symbol Grounding Problem remains open for the exploration of future works, with the possibility of evolution of the model proposed in this work.