Notícies Notícies

Torna a la pàgina principal
Vés enrere

Una investigació realitzada per investigadors de la UPF sobre Intel·ligència Artificial escollida com una de les millors del 2021

Una investigació realitzada per investigadors de la UPF sobre Intel·ligència Artificial escollida com una de les millors del 2021

Els resultats són el primer pas per poder crear automàticament solucions en forma de programes a problemes cada cop més grans que fins ara estaven fora de l'abast del camp de la planificació generalitzada.

13.07.2022

Imatge inicial

Cada cop més les màquines van reemplaçant processos o labors realitzades per humans i cada cop més veiem aquest reemplaçament tant en activitats industrials (logística i distribució) com en activitats més comunes de la nostra vida diària, per exemple, els xatbots utilitzats en les aplicacions d'atenció al client, o els anomenats agents conversacionals com Alexa o Siri.

En Intel·ligència Artificial s'anomena planificació (planning, PL per abreujar) a l'àrea que busca una seqüència d'accions que permeten assolir un determinat objectiu, per exemple, com distribuir els paquets d'un magatzem a les destinacions corresponents. Alhora, la planificació generalitzada (generalized planning, GP) seria ja no una seqüència sinó un algorisme o programa que permet resoldre tota una classe de problemes.

"Una analogia que es pot fer servir per explicar això és la cuina", explica Javier Segovia-Aguas, investigador del grup d'Artificial Intelligence and Machine Learning (AI & ML) del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF. “La planificació és com una recepta: per fer-la he de saber tot el que hi ha disponible i tot el que puc fer a la meva cuina, és a dir, totes les accions que puc fer en aquesta habitació. Mentre que la planificació generalitzada seria com un càtering, a més d'aprendre les receptes també cal resoldre els diferents problemes que es presenten amb els clients. Per exemple, què fer quan arriba una taula d'al·lèrgics als làctics, què fer si un plat resulta reeixit i he de dirigir recursos per suplir aquest plat en especial, o que algú demani un ingredient molt estrany,... Tota aquesta casuística es pot representar amb un programa com els que executem als nostres ordinadors i mòbils, de manera que el problema original s'acaba convertint a trobar automàticament el programa que resol tots els casos”.

“La planificació és com una recepta: per fer-la he de saber tot el que hi ha disponible i tot el que puc fer a la meva cuina, és a dir, totes les accions que puc fer en aquesta habitació. Mentre que la planificació generalitzada seria com un càtering, a més d'aprendre les receptes també cal resoldre els diferents problemes que es presenten amb els clients"

Doncs el que ha fet Segovia-Aguas, conjuntament amb Anders Jonsson, cap del grup AI & ML, i Sergio Jiménez, de l'Institut valencià de Recerca en intel·ligència Artificial (VRAIN), va ser intentar trobar solucions a una gran quantitat de possibles problemes amb GP, ja que a mesura que els problemes escalen, sol ser més difícil trobar respostes.

“Volíem saber si era possible trobar solucions a aquests problemes cada vegada més grans, amb una mida que podria arribar a ser infinita”, continua Segovia-Aguas. “Al nostre estudi demostrem que sí que es poden solucionar, i encara que tinguem problemes molt grans podem trobar les seves solucions”.

L'estudi, publicat a les actes de la 31 International Conference on Automated Planning and Scheduling (ICAPS 2021), presenta diversos resultats molt importants per a l'àrea de la planificació automàtica. “Primer desenvolupem una nova representació de les solucions de GP que és independent de la mida dels problemes”, explica l’investigador. “En segon lloc, definim unes funcions heurístiques i d'avaluació, les quals ens ajuden a prioritzar unes solucions en comptes d'altres i informen com sóc lluny del meu objectiu. Això és clar quan només tinc un objectiu, però no quan en tenim diversos i aquestes accepcions són les que estudiem. Finalment, definim un algorisme de GP, anomenat Best-First Generalized Planning (BFGP), que implementa una cerca a l'espai de solucions guiada per les nostres funcions d'avaluació/heurístiques”.

“L'heurística significa una estimació de com de lluny estic del meu objectiu. Això és clar quan només tinc un objectiu, però no quan en tenim diversos i aquestes accepcions són les que estudiem”, explica l’investigador.

El que han fet és un enfocament de cerca completament nou per a la planificació generalitzada, amb espai de cerca, funcions heurístiques i amb un algorisme de cerca, cosa que no s'havia fet abans. Tot i que és tot just el primer pas, és per aquests resultats que la publicació ha estat seleccionada com una de les millors en Intel·ligència Artificial de l'any 2021 i per això han estat convidats a la International Joint Conference on Artificial Intelligence (IJCAI), a la sessió de millors publicacions (Sister Conferences Best Papers de la IJCAI-ECAI 2022). “Representa una distinció molt important i diu molt del nivell de la investigació en IA que es fa a la UPF, trajectòria per la qual ja vam rebre el premi a la millor publicació d'IJCAI el 2016, i a la millor tesi en Intel·ligència Artificial europea el 2018”.

Multimèdia

Multimedia

Multimedia

Categories:

ODS - Objectius de desenvolupament sostenible:

ODS - Objetivos de desarrollo sostenible:

SDG - Sustainable Development Goals:

Els ODS a la UPF Los ODS en la UPF The ODS at UPF

Per a més informació

Para más información

For more information

Notícia publicada per:

Noticia publicada por:

News published by:

Unitat de Comunicació i Projecció Institucionals

Unidad de Comunicación y Proyección Institucionales

Institutional Communication and Promotion Unit