<p>Den situerade ansatsen inom artificiell intelligens har i tidigare experiment visat på stora möjligheter vid utvecklingen av enkla beteenden. Ansatsens framgångar är dock inte lika tydliga när det kommer till utvecklingen av mer komplexa beteenden som i högre grad påminner om de experiment som gjorts inom traditionell artificiell intelligens. I studien utvecklas en agent med ett ”Extended Sequential Cascaded Network” som kontrollarkitektur för att lösa en uppgift som kräver ett ”räkneliknande beteende”. Utvecklingen av nätverket grundas på en situerad syn på kognition, däribland att designern i så liten grad som möjligt skall styra utvecklingen. Experimentets resultat visar på en agent som inte ens löser den enklaste versionen av uppgiften. I diskussionen härleds misslyckandet till svårigheterna med en designeroberoende utveckling.</p>

Den klassiska approachen till navigering innefattar att agenten håller en intern representativ modell av omgivningen. Denna approach har emellertid många nackdelar, speciellt för dynamiska miljöer. En modernare approach är att förlita sig på den faktiska omgivningen istället för en modell av denna. Detta arbete presenterar en undersökning av navigeringsproblemet och hur väl det löses av agenter vars kontrollmekanismer utgörs artificiella neurala nätverk. Tillförlitligheten hos de två neurala arkitekturerna Extended sequential cascaded network och Self-organized recurrent network bestäms genom experiment. Det visas i experimenten att Extended sequential cascaded network är den mest tillförlitliga arkitekturen av de två när navigeringsproblemet skall angripas. Det visas även att Extended sequential cascaded network tränar fram ett helt reaktivt beteende i samtliga experiment. Slutsatsen som kan dras av detta är att svåra problem inte alltid kräver avancerade arkitekturer för att lösastillfredsställande.

Den situerade ansatsen inom artificiell intelligens har i tidigare experiment visat på stora möjligheter vid utvecklingen av enkla beteenden. Ansatsens framgångar är dock inte lika tydliga när det kommer till utvecklingen av mer komplexa beteenden som i högre grad påminner om de experiment som gjorts inom traditionell artificiell intelligens. I studien utvecklas en agent med ett ”Extended Sequential Cascaded Network” som kontrollarkitektur för att lösa en uppgift som kräver ett ”räkneliknande beteende”. Utvecklingen av nätverket grundas på en situerad syn på kognition, däribland att designern i så liten grad som möjligt skall styra utvecklingen. Experimentets resultat visar på en agent som inte ens löser den enklaste versionen av uppgiften. I diskussionen härleds misslyckandet till svårigheterna med en designeroberoende utveckling.