Anomalía de Sussman

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda

La Anomalía de Sussman es un problema en Inteligencia Artificial, descrito por primera vez por Gerald Sussman, que ilustra una debilidad de de los algoritmos de planificación de orden parcial, que eran prominentes en la Años 1970. En este problema, tres bloques (etiquetados A, B y C) descansan sobre una mesa. El agente debe apilar los bloques de tal manera que A esté encima de B, y B encima de C. Se cuenta además con la restricción de que solamente es posible mover un bloque a la vez. El problema comienza con B sobre la mesa, C encima de A, y A sobre la mesa:

Sussman-anomaly-1.svg

Los planificadores de orden parcial comúnmente separan el objetivo (A encima de B y B encima de C) en subobjetivos, tal como:

  1. Colocar A encima de B
  2. Colocar B encima de C

Supongamos que el planificador comienza por cumplir el primer objetivo. La solución mas sencilla es sacar C fuera del camino (colocarlo sobre la mesa), y luego colocar A encima de B. Pero mientras que esta secuencia cumple el primer objetivo, el agente no puede ahora cumplir con el segundo objetivo sin deshacer esta última acción, dado que ambos, A y B, deben ser movidos encima de C:

Sussman-anomaly-2.svg

Si en cambio, el planificador comenzara por el segundo objetivo, la solución más eficiente es mover B. Pero nuevamente, no podemos cumplir ahora el objetivo 1 sin deshacer este último paso:

Sussman-anomaly-3.svg

Este problema fue descubierto por Sussman como parte de su trabajo de doctorado. Sussman (y su director, Marvin Minsky) creen que la inteligencia requiere una lista de excepciones o trucos, y desarrollar un sistema planificador modular para "debuggiar" planes. Los sistemas planificadores más modernos pueden lidiar con esta anomalía, pero sigue siendo útil para explicar porqué la planificación no es un problema trivial.

Véase también[editar]

Fuentes[editar]

  • Plantilla:Russell Norvig 2003
  • G.J. Sussman (1975) A Computer Model of Skill Acquisition Elsevier Science Inc. New York, NY, USA. Book version of his PhD thesis.