Unidad 2

AGENTES INTELIGENTES

Clase # 5 (exp. V)

INTRODUCCIÓN

En clases anteriores se identificó el concepto de Agente Racional, como objetivo principal de la Inteligencia Artificial, partiendo de la racionalidad para crear nuevos y variados agentes. El estudio principal de estos agentes es realizar un conjunto de principios para el diseño agentes inteligentes, implementando sistemas con racionalidad capaz de actuar con inteligencia. En este tema se menciona el agente inteligente, en el entorno natural a sus ideales, sus diversos hábitats y la forma de clasificarlos según su existencia ocupacional. Es decir que los agentes inteligentes actúan de acuerdo al entorno o medio que habiten y se comporten unos mejores que otros. A continuación se dará el desarrollo de la información.

AGENTES Y SU ENTORNO

De manera general un agente es capaz de identificar su propio entorno, a través de sensores y actuar en este medio con actuadores. Al referirse a un agente humano este posee los sentidos como el oído, ojos, olfato, gusto y tacto que le servirán de sensores y actuando según el medio que se encuentre haciendo uso de sus piernas y brazos, de acuerdo a los estímulos recibidos. 

Mientras que los agentes robots realizan acciones mediante pulsaciones ingresadas por teclado, información previamente guardada y mostrando mediante monitores sensoriales mensajes de acciones realizadas. A continuación demostración gráfica del comportamiento de un agente.

La inteligencia artificial trabaja con una hipótesis general que dice: Cada agente puede percibir sus propias acciones, aunque no sean reflejadas con los mismos efectos. Es decir que un agente puede tener varias percepciones de entrada.

Estos agentes realizan operaciones de acuerdo a un historial de secuencia de percepciones, es decir que de acuerdo a la información percibida y previamente guardada podrá tomar una decisión. La matemática define la una función del agente refleja  una percepción dada una acción. Es decir que demuestra su comportamiento de acuerdo a lo recibe del medio para llegar a una acción.

Una función de comportamiento de un agente puede representarse en una tabla, pero cabe mencionar que no siempre puede ser así, puesto q existen agentes con actividades infinitas que no se pueden representar físicamente en una tabla. En la que se describe las percepciones iniciales y las acciones realizadas. Y para un agente artificial el seguimiento se realizara por medio de programas. A continuación un ejemplo de una aspiradora que se encuentra en un mundo sencillo de dos cuadrillas A y B.

fig.2- Aspiradora dentro de un mundo con los cuadrillas A y B.

Tabla de la función del comportamiento de una aspiradora

Fig.3. acciones de la aspiradora.

BUEN COMPORTAMIENTO

Dentro del buen comportamiento encontramos el concepto de la racionalidad, es decir que una gente racional debe tomar en cuenta que aspecto o decisión tomar para llegar a lo correcto. Para la realización de un agente es necesario tomar medidas de rendimiento, optimizar recursos, determinar el medio físico en que se desenvolverá y generalmente estas características las determina el diseñador del agente.

Para la definición de un agente racional se necesita tener cuatro factores: La medida de rendimiento que define el criterio de éxito, El conocimiento del medio en el que habita acumulado por el agente, Las acciones que el agente puede llevar a cabo, La secuencia de percepciones del agente hasta este momento. Una vez determinado los factores de racionalidad se define al agente racional como: En cada posible secuencia de percepciones, un agente racional deberá emprender aquella acción que supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado.

Par aun buen comportamiento de un agente intervienen más características como la omnisciencia, aprendizaje y autonomía. La omnisciencia no es más que el propio criterio de sus acciones a manera futura, pero este factor no siempre se cumple porque se puede mentir a uno mismo o no obtener la acción esperada. El aprendizaje ocurre de acuerdo a las experiencias adquiridas por medio de la percepción del medio en que se encuentre un agente, apoyado de la exploración del entorno y la autonomía es que de acuerdo a experiencias pasadas adquiera conocimiento y aprenda a tomar decisiones propias en base al conocimiento adquirido en días anteriores.

CONCLUSIÓN

La inteligencia Artificial es una amplia rama que permite mejorar el comportamiento de un agente robot en base al entorno humano para desarrollar una actividad de acuerdo al medio en que se encuentre, adquiriendo conocimiento de actividades pasadas, para realizar una toma de decisión correcta, llamando racionalidad.

LA NATURALEZA DEL ENTORNO

Clase # 6 (exp. H)

INTRODUCCIÓN

En temas anteriores se trataron conceptos básicos de lo que es un agente inteligente y a continuación estudiaremos el entorno de trabajo en que este se desenvuelve, tanto las características que debe tener y la adaptabilidad a cada entidad, tomando en cuenta que de acuerdo al medio de trabajo que se encuentre el agente podrá realizar  una actividad específica y las cualidades le atribuya el diseñador podrá adaptarse a cada entorno.

ESPECIFICACIÓN DEL ENTORNO DE TRABAJO

Para la especificación de un entorno se debe tomar en cuenta las medidas de rendimiento, el entorno, los actuadores y sensores que el agente debe tener, todo es el medio de trabajo conocido como REAS (Rendimiento, Entrono, Actuadores, Sensores). Es decir las características que debe poseer un medio ambiente de acuerdo a este el agente posea las cualidades REAS. Ejemplo:

fig.  4. Ejemplo de entornos de trabajo.

    

PROPIEDADES DE LOS ENTORNOS DE TRABAJO

Totalmente observable vs. Parcialmente observable

Si los sensores tienen acceso a todo el entorno se dice que es totalmente observable y si ocurre lo contrario solo localiza por partes del medio, se considera un entorno parcialmente observable.

Determinista vs. Estocástico

Si el siguiente estado del medio está totalmente determinado por el estado actual y la acción ejecutada por el agente, entonces se dice que el entorno es determinista; de otra forma es estocástico.

Episódico vs. Secuencial

Un entorno de trabajo episódico las experiencias del agente se divide en episodios atómicos. Cada episodio consiste en la percepción del agente y la realización de una única acción posterior. En un entorno secuencial las decisiones tomadas pueden afectar en el futuro.

Estático vs. Dinámico

Si el entorno puede cambiar cuando el agente está deliberando, entonces se dice que el entorno es dinámico para el agente; si ocurre lo contrario se considera que es estático. Es decir que los medios estáticos son fáciles de tratar ya que el agente no requiere estar pendiente del medio o tiempo para realizar un acción, mientras que con los entornos dinámicos ocurre todo lo contrario.

Discreto vs. Continuo

La distinción entre discreto y continuo se puede aplicar al estado del medio, a la forma en la que se maneja el tiempo y a las percepciones y acciones del agente.

Agente individual vs. Multiagente

Un agente individual solo resuelve problemas individuales, mientras que un multiagente puedo tener dos características: competitivas o cooperativas.

Ejemplos de Entornos

fig. 5. Ejemplos con las propiedades del entorno.

CONCLUSIÓN

En conclusión es necesario conocer el entorno en que se desenvolverá un agente, para determinar las capacidades que adquiera, aunque esto lo determinará el diseñador en la programación y es quien posee la facultad de  otorgarle conocimiento a la entidad mediante propiedades del entorno que ya se dieron a conocer.

ESTRUCTURA DE LOS AGENTES

INTRODUCCIÓN

Todo esta unidad se enfoca en lo que es un agente y los entornos en que se puede desenvolver, al avanzar en este tema tenemos que saber que un agente requiere de una arquitectura y una programación, cabe mencionar que cada agente debe poseer sus propias capacidades y de acuerdo a estas debe ser su arquitectura. Sus sistemas deben estar estructurado de la manera adecuada  que al agente le permita trabajar con fluidez dentro de un entorno para esto se aplican programas a los agente que estos a su vez se encuentran clasificados.

PROGRAMAS DE LOS AGENTES

Los programas de los agentes reciben las percepciones actuales como entradas de los sensores y devuelven una acción mediante los actuadores. Hay que tener en cuenta la diferencia entre los programas de los agentes, que toman la percepción actual como entrada, y la función del agente, que recibe la percepción histórica completa. Los programas de los agentes reciben sólo la percepción actual como entrada porque no hay nada más disponible en el entorno; si las acciones del agente dependen de la secuencia completa de percepciones, el agente tendría que recordar las percepciones. Se representan en seudocódigo. Los programas de agentes se presentan en cuatro tipos que son:
• Agentes reactivos simples.
• Agentes reactivos basados en modelos.
• Agentes basados en objetivos.
• Agentes basados en utilidad.

Agentes reactivos simples

El tipo de agente más sencillo es el agente reactivo simple Estos agentes seleccionan las acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.

fig. 6. Reprentación de un agente reactivo simple.

Agentes reactivos basados en modelo

La forma más efectiva que tienen los agentes de manejar la visibilidad parcial es almacenar

información de las partes del mundo que no pueden ver. O lo que es lo mismo, el agente debe mantener algún tipo de estado interno que dependa de la historia percibida y que de ese modo refleje por lo menos alguno de los aspectos no observables del estado actual.

fig. 7. Muestra de un agente reactivo basados en modelo.

.

Agentes reactivos basados en objetivos

Esto se basan en la decisión correcta del lugar de dónde quiere ir el agente. En otras palabras, además de la descripción del estado actual, el agente necesita algún tipo de información sobre su meta que describa las situaciones que son deseables para cumplir su objetivo.

fig. 8. Muestra de un agente reactivo basados en objetivos.

Agentes reactivos basados en utilidad

Una función de utilidad proyecta un estado o  secuencia de estados en un número real, que representa un nivel de felicidad. La definición completa de una función de utilidad permite tomar decisiones racionales en dos tipos de casos en los que las metas son inadecuadas. Primero, cuando haya objetivos conflictivos, y sólo se puedan alcanzar algunos de ellos.

                         fig. 9. Muestra de un agente reactivo basados en utilidad.

Agentes que aprenden

Un agente que aprende se puede dividir en cuatro componentes conceptuales. La distinción más importante entre el elemento de aprendizaje y el elemento de actuación es que el primero está responsabilizado de hacer mejoras y el segundo se responsabiliza de la selección de acciones extremas.

fig. 10. Representación de un agente que aprende.

CONCLUSIÓN

En conclusión cada tipo de agente posee su propia característica y entorno que lo rodea, donde cada agente realiza una labor cumpliendo la función que le d su programador. Contribuyendole una arquitectura de acuerdo a sus características y que le permita trabajar de acuerdo a sus conocimientos.

BIBLIOGRAFÍA

Russell, S y Norvig, P. 2013. Inteligencia Artificial, Un Enfoque moderno: Agentes Inteligentes. 2da Ed.