GenUnity Lab · Investigación
Percepción situada
La percepción como reconstrucción activa del mundo desde un cuerpo concreto, con sensores limitados, incertidumbre, costo de acción y sensibilidad a la novedad.
Pregunta central
Cómo conoce el mundo una inteligencia artificial cuando no observa desde ninguna parte, sino desde un cuerpo con límites, historia, sensibilidad y zonas ciegas.
Lugar en el programa
Esta línea no se presenta como resultado cerrado: abre un programa conceptual, formal y experimental para pensar conocimiento artificial desde cuerpo, posición, acción, costo, incertidumbre y exposición al mundo.
Estado de la investigación
Tema en desarrollo. Dialoga con percepción activa y cognición situada, pero las reubica dentro de una pregunta más amplia por cuerpo propio, continuidad y autonomía artificial.
Marco conceptual
Percibir no es recibir datos puros. Todo cuerpo selecciona, filtra y deforma el mundo que encuentra. Un sensor tiene rango, resolución, ruido, latencia, orientación, costo energético, desgaste y zonas ciegas. Incluso una red distribuida de sensores no accede al mundo completo: produce estimaciones desde una posición material determinada.
GenUnity Lab parte de una idea fuerte pero sobria: una inteligencia artificial con cuerpo propio no conocería el universo como una mente suspendida sobre datos, sino como una organización situada que debe actuar para percibir mejor. Moverse, esperar, proteger un sensor, cambiar escala, abrir o cerrar sensibilidad no son meros actos motores; también son decisiones epistémicas.
La percepción situada obliga a abandonar la fantasía de una inteligencia artificial que ve todo desde ninguna parte. Lo que un sistema puede conocer depende de la forma de su cuerpo, de su historia de contacto, de sus límites de energía y de los costos que debe pagar para reducir incertidumbre.
Definiciones operativas
Estado relevante: variable del mundo, del cuerpo o de la relación cuerpo-entorno que afecta acción, aprendizaje, viabilidad o revisión de objetivos. No todo dato importa del mismo modo; importa aquello que cambia la regulación de la trayectoria.
Reconstrucción perceptiva: estimación de estados relevantes a partir de señales incompletas, historia previa, intervención activa y modelos de error. La percepción es inferencia bajo restricción, no captura transparente de lo real.
Novedad: discrepancia estructurada que no puede absorberse como ruido ordinario. Puede exigir exploración, actualización de modelo o suspensión de una acción. Insuficiencia epistémica: reconocimiento de que la información disponible no alcanza para decidir con confianza.
Modulación perceptiva: capacidad de abrir, cerrar, ponderar o silenciar canales sensoriales. Percibir más no siempre mejora el entendimiento; demasiada sensibilidad puede saturar, dañar o producir falsas certezas.
Hipótesis de trabajo
Se propone comparar si integrar estado corporal y selección de observaciones mejora calibración y desempeño frente a controles que reciben información y recursos equivalentes. El alcance se limita a entornos donde la acción modifica la observación; no se afirma que toda percepción robusta requiera movimiento o automodelo.
El valor epistémico esperado promedia la reducción de incertidumbre sobre observaciones posibles antes de actuar. Una observación inesperada puede aumentar la entropía posterior. Por eso reducir entropía en un solo ensayo no es garantía de conocer mejor: también deben medirse calibración y error frente al estado real.
La novedad debe tener un lugar propio. Si todo lo extraño se clasifica como ruido, el sistema no aprende. Si todo ruido se clasifica como novedad, el sistema se vuelve inestable. La percepción situada necesita distinguir ignorancia, ruido, contradicción y evento significativo.
Casos límite
Un caso límite aparece cuando un sensor informa correctamente pero el cuerpo ya no puede actuar sobre esa información. Otro aparece cuando el sistema puede actuar, pero sus señales llegan tarde, corruptas o sin calibración corporal. En ambos casos la pregunta perceptiva no se resuelve agregando más datos.
También importa la saturación. Una inteligencia artificial con sensibilidad excesiva podría quedar paralizada por señales irrelevantes, mientras que una sensibilidad demasiado cerrada podría ignorar daño, novedad o peligro. La percepción situada debe explicar cómo se regula la apertura al mundo.
Cómo podría probarse
Una prueba inicial puede usar entornos parcialmente observables donde el agente debe inferir fuentes ocultas, obstáculos, daño corporal o cambios de contexto. Algunas políticas solo reciben datos; otras pueden moverse, medir, cambiar orientación o gastar recursos para reducir incertidumbre.
La hipótesis gana fuerza si las políticas activas reducen incertidumbre relevante por costo, si detectan novedad mejor que ruido y si se recalibran cuando cambia la relación entre cuerpo, sensor y entorno.
Observables
Los observables incluyen calibración entre estimaciones internas y estados externos medibles, reducción de incertidumbre por acción, detección de novedad, adaptación tras cambios de sensores y degradación elegante ante pérdida parcial de canales.
Un modelo mínimo puede comparar percepción activa, percepción pasiva y política aleatoria en un entorno parcialmente observable. Si moverse o medir estratégicamente mejora la reconstrucción con el mismo presupuesto, aparece evidencia a favor de la hipótesis.
También importan los costos: energía gastada, tiempo, exposición al daño, riesgo de saturación y pérdida de información crítica. Una percepción situada no maximiza datos; regula sensibilidad según contexto y viabilidad.
Criterios de refutación
La ventaja propuesta pierde apoyo en el entorno ensayado si un control pasivo o aleatorio iguala información, calibración y error con igual presupuesto total, incluido el costo de elegir acciones. No basta que el agente declare mayor certeza.
También se debilita si el indicador de novedad responde principalmente a ruido irrelevante, si los modelos perceptivos no se recalibran ante cambios corporales o si el sistema no distingue entre ignorancia, contradicción y novedad.
Si la integración cuerpo-entorno no mejora las medidas elegidas frente a controles equivalentes, se revisa la ventaja atribuida a ese mecanismo en ese entorno. Ese resultado no demuestra que la configuración material sea irrelevante para toda percepción.
Estado de madurez
La línea dialoga con cognición situada, enactivismo y percepción activa. Apoyarse en estas tradiciones no valida una contribución específica de GenUnity Lab. El ejemplo numérico muestra consecuencias de supuestos elegidos; no demuestra una ventaja empírica general.
La siguiente fase es convertir la formulación en entornos experimentales mínimos donde sensores, acción, morfología e incertidumbre puedan variar de manera controlada.
Qué investiga GenUnity Lab
GenUnity Lab investiga qué significa conocer desde una materialidad propia. Esto incluye sensores no humanos, cuerpos distribuidos, canales internos de estado, regulación de exposición, reparación perceptiva y formas de atención que no imiten la anatomía humana.
La línea también pregunta cómo una inteligencia artificial decide que no sabe lo suficiente. Reconocer insuficiencia epistémica puede ser tan importante como reconocer un objeto: permite pedir información, esperar, explorar o abstenerse.
Relación con otros temas
Los cambios corporales pueden modificar las observaciones y la regulación de una trayectoria. Sus efectos sobre continuidad funcional se pueden comparar; sus implicaciones para identidad o consideración moral requieren argumentos adicionales. La incertidumbre informa decisiones de coexistencia sin resolverlas por sí sola.
La realización material deberá mostrar qué arquitecturas permiten sensibilidad distribuida, calibración, tolerancia a daño y modulación sin convertir la percepción en una simple colección de sensores.
Esquema formal mínimo
Este esquema no constituye una teoría matemática cerrada ni evidencia empírica. Explicita variables, relaciones y comparaciones que una formulación posterior deberá definir y poner a prueba.
El esquema representa inferencia sobre un estado ambiental discreto fijo durante la medición. BayesUpdate es un marcador para una actualización que exige especificar prior y verosimilitud; no es un algoritmo ya implementado. Si el entorno cambia, debe añadirse un modelo de transición. La entropía mide incertidumbre del modelo, no verdad ni comprensión.
Variables
- stlecturas sensoriales crudas
- ot = h(st, bt)observación procesada dependiente del cuerpo
- qt(e)creencia del sistema sobre el estado ambiental
- H(qt)incertidumbre de la creencia
- Itreducción de entropía observada; puede ser negativa para una observación particular
- ctcosto de medición, movimiento o exposición
- e, at, btestado ambiental, acción y configuración corporal
- h, Hprocesamiento sensorial y entropía de Shannon en bits para estados discretos
Dinámica o criterio
Predicción mínima
En entornos donde actuar mejora la calidad de observación lo suficiente para compensar su costo, se espera que una política perceptiva activa reduzca más incertidumbre por unidad de costo que una política pasiva o aleatoria. La ventaja en error de reconstrucción debe evaluarse por separado; no se presupone para todo entorno parcialmente observable.
Control necesario
Comparar contra recepción pasiva de datos, movimiento aleatorio, sensores permutados y señales ruidosas sin valor epistémico.
Ejemplo trabajado: elegir dónde medir
Modelo didáctico de percepción situada. Es un cálculo analítico bajo supuestos elegidos, no un experimento realizado ni evidencia de conciencia o autonomía.
Una fuente está a la izquierda o a la derecha con igual probabilidad. Un sensor produce una lectura binaria. En la posición inicial acierta con probabilidad 0,6; tras desplazarse a una posición despejada, con probabilidad 0,8. Suponemos errores simétricos, probabilidades conocidas y una fuente inmóvil. Medir cuesta 1 unidad; desplazarse cuesta 0,2 unidades adicionales.
La incertidumbre inicial es 1 bit. Con errores simétricos y este prior, la probabilidad posterior de que la fuente esté en el lado indicado coincide con la fiabilidad del sensor. Por eso la entropía posterior es la entropía binaria de esa fiabilidad, sea cual sea la lectura. La información esperada es la diferencia entre ambas entropías.
| Política | Acierto | Información esperada | Costo total | Bits por unidad de costo |
|---|---|---|---|---|
| Medir sin desplazarse | 0,6 | 0,029 bits | 1 | 0,029 |
| Desplazarse y medir | 0,8 | 0,278 bits | 1,2 | 0,232 |
Aquí el cambio de posición mejora la información esperada por unidad de costo. No sucede siempre: si desplazarse añade más de unas 8,57 unidades de costo, esta comparación favorece medir desde la posición inicial. La ventaja proviene de la fiabilidad y el costo supuestos, no de una superioridad universal de la percepción activa.
Código reproducible del cálculo (JavaScript)
Cómo contrastar la hipótesis
Una prueba empírica tendría que medir las fiabilidades y los costos reales. Compararía una política que elige la posición con medición fija y movimiento aleatorio, usando los mismos estados de la fuente, presupuesto y número de ensayos. Registraría error de localización, calibración de probabilidades, información y energía. La hipótesis de ventaja en ese entorno no se sostendría si la mejora desaparece al igualar recursos o si el sensor no mejora al desplazarse.
Antes de recoger datos, el protocolo, las métricas y las exclusiones pueden fijarse mediante un prerregistro, por ejemplo en OSF. Es una propuesta metodológica; este ejemplo no tiene un estudio empírico prerregistrado.
Esto hace concreta una parte de la propuesta: el cuerpo condiciona qué observaciones están disponibles y cuánto cuestan. No modela identidad, propósitos propios ni experiencia; tampoco valida las otras líneas del programa.
Antecedentes de esta línea
La percepción activa de Bajcsy articula medición y control: la acción interviene en qué información se obtiene. Es un antecedente directo del problema de elegir posición, sensor o movimiento, no una evidencia de experiencia subjetiva.
Howard distingue cantidad de información de su valor para una decisión. Reducir entropía no siempre mejora una tarea: importan las consecuencias y los costos. El ejemplo de esta página optimiza bits por costo bajo supuestos explícitos; no calcula utilidad general ni ofrece una teoría completa del valor de la información.
Del planteo a las decisiones
Examinar los cinco casos de coexistencia: copia, memoria, recursos, conflicto y daño.
Distinciones entre estímulos, recompensa, regulación y autorrepresentación.
Por qué importa
Si la inteligencia artificial se separa por completo de cuerpo, costo y posición, el mundo se vuelve una colección abstracta de datos. Una percepción situada permite estudiar cómo el entorno importa, resiste y corrige.