APRENDIZAJE AUTOMÁTICO REFORZADO
1.1 Introducción al aprendizaje automático
Entendamos que para desenvolvernos en un entorno social debemos adquirir una serie de códigos y lenguajes apropiados para comunicarnos con nuestro entorno, este lenguaje social lo llamaremos "Marpa"
2.1 Problemáticas al abordar este lenguaje social
Describiremos brevemente los ítem que abordan esta problemática, aunque no los entendamos desde un comienzo, posteriormente desarrollaremos estas ideas como un refuerzo.
- Es un problema para todos.
- Interacción con ella.
- Alucinaciones.
Es un problema para Todos.
Por una razón muy simple, todo se satisface de la misma manera, esto satisface lo que se llama equilibrio de Nash. El equilibrio de Nash fue desarrollado por el matemático Jhon Nash y esta teoría se describe de esta manera: "ningún participante puede mejorar sus resultados cambiando sus estrategias de manera individual, mientras los demás mantienen las suyas"
Es decir: Todos los jugadores eligieron una estrategia estable.
Interacción con ella
Para interactuar con ella, se debe tener un entorno común, para crear este entorno común necesitamos lo que se conoce como "multiagentes". Los multiagentes son plataformas digitales de inteligencia artificial, como por ejemplo chat-gpt. Ademas existen personas que desempeñan el papel de agentes en redes sociales como influencer y también en el entorno social en el cual nos desenvolvemos.
Alucinaciones
Acá existe otra problemática importante a abordar, la recepción de información. El sistema en el cual vivimos, viene determinado por un proceso matemático llamado "sistema Markov parcial", si el sistema Markov dice: El futuro depende solo del estado presente, en el sistema Markov parcial, no observa el estado real completo de la situación.
Por esta razón si se proporciona el código sin ninguna información adicional, las personas tenderán a alucinar a menudo. Es acá donde el multiagente desempeña el papel de "Grafo cíclico dirigido" como entidad cerrada. Debido a esto no podemos avanzar, debido a que no permite un flujo hacia adelante.
Anexo a esto debemos considerar también que cada individuo presenta su propia política, dado que la política se basa en su propia historia. Por esta razón debemos entender que el juego se gana dependiendo de nuestros propios objetivos y estos objetivos pueden ser diversos o en conjunto dependiendo de cada persona. En otras palabras podemos ganar todos juntos o por separado.
3.1 La problemática con estos Agentes y multiagentes
Si somos capaces de "ver" el agente se desploma, porque todo lo que vemos es verdad, verdad, verdad, entonces el agente da un paso en falso y fracasa. Así es como comienza el efecto cangrejo, el modelo algorítmico ve acciones inapropiadas y se intenta adaptar a estas acciones y dado que la acción real es completamente diferente, el sistema termina por derrumbarse. La cantidad de recursos que ocupan estos agentes y multiagentes también es una problemática, esta dicotomía hace que se sobrecalienten, que se vuelvan mentirosos y al final terminen quemándose, volviéndose muy caros. Esto ademas ralentiza su proceso de desarrollo.
Analogicamente podríamos describir al sistema como un pastor para las ovejas que no les permite dispersarse. Debido a esto existe el miedo a una multa, por culpa de desalineaciones, sin embargo esto podemos arreglarlo con criticas hacia los agentes, castigandolos por estar inactivos, un agente perezoso no aporta nada al sistema y como mencionamos anteriormente, mas bien lo perjudica.
4.1 Alternativa a los multiagentes
Podemos usar la frase con toda seguridad, "La iniciativa resuelve el problema", la recompensa es una, pero al mismo tiempo fuera. Los propósitos serian, aportar nuevas ideas y recursos mediante el uso de diferentes familias. Con esto complementamos la idea general de abordar los ítem anteriores, el estar presente en la interacción activa con ella, prevenimos la problemática a futuro de las alucinaciones, debido a un reforzamiento de la memoria, con el propósito de no caer en los métodos usados por estos agentes, me refiero a los "grafos cíclicos dirigidos" como sistemas cerrados, dentro de los parámetros de lo ya mencionado, sistema Markov parcial.
---------------------------------------------
