IA - Tema 2A - Agentes Inteligentes v1.2
of 54
-
Upload
lorenzo-lopez-cerros -
Category
Documents
-
view
41 -
download
0
Transcript of IA - Tema 2A - Agentes Inteligentes v1.2
-
Universidad de Castilla-La Mancha Inteligencia Artificial e Ingeniera del Conocimiento
Tema2: Introduccin a los Agentes Inteligentes
Profesores:
Luis Jimnez Linares.
Luis Enrique Snchez Crespo.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
2 de 52
Datos de la Asignatura Temaro
Introduccin a la IA. (Cap. 1)
Introduccin a los Agentes Inteligentes (Cap. 2)
Mtodos de bsqueda de soluciones (Cap. 3-7) Espacio de estados.
Bsqueda no informada.
Bsqueda informada y heurstica.
Sistemas basados en el conocimiento (Cap. 8-12) Mediante lgica de predicados.
Mediante Sistemas de produccin.
Tratamiento de la incertidumbre (Cap. 13-15) Redes Bayesianas.
Razonamiento aproximado (lgica difusa).
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
3 de 52
Introd. a los Agentes Inteligentes
Agentes y su entorno.
Buen comportamiento: el concepto de
racionalidad.
La naturaleza del entorno.
Estructura de los agentes.
Resumen.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
4 de 52
Introd. a los Agentes Inteligentes
Agentes y su entorno
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
5 de 52
Introd. a los Agentes Inteligentes
Un agente Un agente es cualquier cosa capaz de
percibir su medioambiente con la ayuda de sensores y
actuar en ese medio utilizando actuadores.
Ejemplos:
Labores diarias realizadas en internet.
Comprar por internet (la tienda en casa).
Sistema de diagnstico mdico
Anlisis de imgenes satelitales
Robot ensamblador de partes
Controlador de una refinera
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
6 de 52
Introd. a los Agentes Inteligentes
Comprensin/
intencionalidad
Comportamiento
Ve
Oye
Toca
Gusta
Huele
ENTRADAS Procesos INTERNOS
SALIDAS
Sensor del ambiente
Razona
Conoce
Un agente inteligente
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
7 de 52
Introd. a los Agentes Inteligentes
Tipificando a un agente inteligente
AMBIENTE
AGENTE
?
EFECTORES
SENSORES
PERCEPCIONES
ACCIONES
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
8 de 52
Introd. a los Agentes Inteligentes
Un agente es un sistema de computacin capaz de actuar de
forma autnoma y flexible en un entorno, entendiendo por
flexible que sea:
Reactivo: El agente es capaz de responder a cambios en el entorno
en que se encuentra situado.
Pro-activo: El agente debe ser capaz de intentar cumplir sus
propios planes u objetivos.
Social: Debe poder comunicarse con otros agentes mediante algn
tipo de lenguaje de comunicacin de agentes.
Wooldridge 1995
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
9 de 52
Introd. a los Agentes Inteligentes
Buen comportamiento:
El concepto de racionalidad
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
10 de 52
Introd. a los Agentes Inteligentes Qu es un agente inteligente?
Un agente inteligente es cualquier cosa que pueda
percibir un mundo perceptual en que est anidado (ambiente) mediante
SENSORES y
actuar sobre ese mundo mediante EFECTORES (o actuadores)
sinnimo de ambiente es espacio de problema
sinnimo de agente inteligente es operador que transforma un input
en output dentro del espacio de problema
META de la IA Disear un agente inteligente/racional que opere o
acte adecuadamente en sus ambientes.
Discusin sobre adecuadamente
Fijar alguna medida del buen xito
Tener en cuenta el PRR Principio de Racionalidad Restringida de
Herbert Simon
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
11 de 52
Introd. a los Agentes Inteligentes Qu es un agente racional?
Pensante racionalmente
Captura de un proceso racional correcto
Proceso Irrefutable
Metodologa
Desarrollar un modelo formal - LGICA FORMAL - que siempre conduzca a la respuesta correcta
Implementar ese modelo
Cmo sabemos si lo hicimos bien
cuando podemos probar que el razonamiento programado fue correcto
la lgica de primer orden fue completa
Actuante racionalmente
Actuar de forma de lograr las metas deseadas
Imagine usted mismo como se hacen las decisiones correctas
a veces pensando racionalmente (enfoque europeo)
otras teniendo reflejos racionales (enfoque truqus)
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
12 de 52
Introd. a los Agentes Inteligentes Qu es un agente racional?
El que acta maximizando el valor esperado de la medida de buen
xito (funcin de utilidad) en el logro de su meta
esta no es la definicin habitual de racionalidad ideal basada en la
lgica terica
Racional no es omnisciente
Racional no es clarividente
Racional ideal en conflicto con el PRR (Principio de Racionalidad
Restringida).
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
13 de 52
Introd. a los Agentes Inteligentes Racionalidad
Satisfaccin de restricciones
Depende de
LA SECUENCIA DE PERCEPCIONES - TODO LO QUE EL
AGENTE HA PERCIBIDO HASTA AHORA (GESTIN DE LA
MEMORIA).
No se puede criticar a un agente por no saber lo que nunca
supo
LA MEDIDA DE BUEN XITO ELEGIDA
funcin de utilidad
CUNTO CONOCE EL AGENTE DEL AMBIENTE EN QUE
OPERA
Lista de hiptesis de cmo es el mundo
LAS ACCIONES QUE EL AGENTE EST EN CONDICIONES
DE REALIZAR
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
14 de 52
Introd. a los Agentes Inteligentes Agente Inteligente Ideal
El agente inteligente ideal es el que, para cualquier
secuencia arbitraria de percepciones, logre con su ACCION
maximizar la medida de su buen xito.
Para ello usa
su conocimiento internalizado
su secuencia de percepciones
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
15 de 52
Introd. a los Agentes Inteligentes
Mapeo ideal
percepciones acciones El diseo o mapeo ideal especifica qu acciones debe encarar el
agente ideal en respuesta a cualquier secuencia arbitraria de
percepciones
Se concreta con una tabla real o virtual
Ejercicio de la racionalidad
Sandwich
Percepciones Razonamiento Acciones
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
16 de 52
Introd. a los Agentes Inteligentes Programa con tabla y ejemplo
Table (Percept Sequence,Action)
Action := Function(Percept Sequence)
If (Percept Sequence) then do Action
Ejemplo - Glbulos vivos finitos predictores - de Dewdney -
ingresar iterativamente 010011010011010011
Contrajemplo : ingresar 011000010110
Cita bibliogr. - Inv y Ciencia, ene 1986, p94
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
17 de 52
Introd. a los Agentes Inteligentes
Programa con tabla y ejemplo
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
18 de 52
Introd. a los Agentes Inteligentes
PRR (Herbert Simon)
El Principio de la Racionalidad Restringida alega que la racionalidad
ptima ideal NO es el buen xito perfecto.
Ningun ser humano apela a una mayor racionalidad que la justo
necesaria para sus fines prcticos.
Las limitaciones de un agente
con los SENSORES que tiene
con los EFECTORES que tiene y
con la POTENCIA COMPUTACIONAL
disponible y
(en algunos casos) ptima econmica
conducen a que la racionalidad ideal sea
imposible e
imprctica.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
19 de 52
Introd. a los Agentes Inteligentes Algo ms (Herbert Simon)
La razn es solamente un instrumento porque no nos
puede predecir hacia donde ir - no nos propone
metas a lo sumo nos ayuda a decidirnos cmo
llegar a una meta
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
20 de 52
Introd. a los Agentes Inteligentes Algo ms (Randall Beer)
Los navegantes europeos aplican la planificacin a su derrotero
lo trazan en el mapa y se sujetan a l, corrigiendo los
desvos.
Los navegantes truqueses aplican toda su atencin a todos los
detalles de las olas, los vientos, las aves y las corrientes de
cada momento y llegan a su destino de una manera prctica.
A la hora de explicar por qu hicimos lo que hicimos, no
seremos truqueses disfrazados de europeos?
Los agentes racionales suelen mostrar inteligencia acadmica,
pero hay otra inteligencia mucho ms adaptiva, mostrada por los
agentes autnomos, que los ayuda en la meta de sobrevivir.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
21 de 52
Introd. a los Agentes Inteligentes Agentes Autonomos
La parbola de los navegantes Europeos y los Truqueses
Unos aplican su inteligencia a planear por adelantado toda su
conducta futura y corregir cualquier defecto en el rumbo planeado
En el otro caso, aplican su inteligencia a PERCIBIR atentamente
todo lo que est pasando y aplicarla a tender hacia la meta
adaptndola a las contingencias cuidadosamente correlacionadas.
De nuevo seremos truqueses que nos disfrazamos de europeos a
la hora de dar explicaciones de nuestra conducta?
Son agentes autnomos los que no se guan por reglamento externo
impuesto alguno.
Dos tipos
Conducta determinada por su propia experiencia.
Conducta autoorganizada a partir de su red neural.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
22 de 52
Introd. a los Agentes Inteligentes Teora de la completitud NP
La completitud NP se refiere a algoritmos polinmicos no
determinsticos.
Algunos problemas, como quizs el clsico del viajante de comercio, es
probable que sean imposibles de resolver en cualquier computadora
arbitraria
De ello se deduce que
ya sea la inteligencia natural
o la inteligencia artificial
NO son ilimitadas en sus capacidades.
De ello se vuelve a deducir que la racionalidad prctica resulta estar
restringida.
Nadie debe esmerarse por aplicar la racionalidad ms all de sus
necesidades prcticas. PRR
Caso lmite el termstato con sus dos reglas - Alto nivel de
conocimiento.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
23 de 52
Introd. a los Agentes Inteligentes
Grado de Racionalidad - Nivel
de Conocimiento - Newell
Grado de racionalidad grado con el cual el agente pensante y
actuante maximiza la medida de buen xito para lograr su meta,
sujeta a su disponibilidad de
sensores, efectores, potencia de cmputo y conocimiento
internalizado.
Allen Newell define el nivel de conocimiento por el nmero de
reglas usadas respecto de su disponibilidad total de reglas. Ningn
SoftBots es responsable por no usar reglas que no conoce.
a un termostato le han dado dos reglas y las usa
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
24 de 52
Introd. a los Agentes Inteligentes
La naturaleza del entorno
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
25 de 52
Introd. a los Agentes Inteligentes Cometido de la IA
El cometido de la IA es el diseo de un Programa de Agente: una funcin que permita implantar el
mapeo del agente para pasar por el sandwich de percepciones a acciones. Este programa se
ejecutar en algn tipo de dispositivo de cmputo, al que se denominar arquitectura (puede ser una
computadora sencilla o hardware especial). En algunos mbitos se utilizan agentes de software (o
robots de software o softbots).
Agente = arquitectura + programa
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
26 de 52
Introd. a los Agentes Inteligentes Funciones y programas de agentes El agente queda completamente especificado con la funcin del agente que mapea lo que describe la ecuacin
a = f (P,M,A)
sobre todo el componente principal a = f (P)
en principio uno puede suministrar cualquier secuencia perceptual posible para ver qu sucede - una tabla que resuma esa informacin podra ser inmensa
donde la funcin del agente es f
El programa de agente trata de implementar la funcin de agente en forma concisa
Un programa de agente toma una percepcin singular como input y mantiene el estado interno
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
27 de 52
Introd. a los Agentes Inteligentes REAS
Para definir el entorno de trabajo de un agente se utiliza el acronimo REAS = Rendimiento, Entorno, Actuadores, Sensores.
En el diseo de un agente inteligente la primera tarea es ubicarnos en el panorama a = f(datos)
a = f(P,M,A)
Ejemplo Descripcin REAS del entorno de trabajo de un taxista automtico.
Medidas de Rendimiento ??
Entorno ??
Actuadores ??
Sensores ??
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
28 de 52
Introd. a los Agentes Inteligentes REAS - Ejemplos
Ejemplo Descripcin REAS del entorno de trabajo de un
taxista automtico.
Medidas de Rendimiento
Entorno
Actuadores
Sensores
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
29 de 52
Introd. a los Agentes Inteligentes
Tachero new agepiloto automtico Percepciones
video
acelermetro, instrumental del tablero
sensores del motor
teclado
Acciones
gestin del volante
acelerar y frenar
bocina
hablar/graficar
Metas
seguridad, llegar a destino, maximizar ganancias, obedecer las leyes,
satisfaccin del cliente
Ambiente
calles urbanas, avenidas, trfico, peatones, clima, tipo de cliente
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
30 de 52
Introd. a los Agentes Inteligentes REAS Otros Ejemplos
Para identificar a un agente debemos analizar su REAS:
Ejemplos de
descripciones
REAS de un dado
agente tpico
P-percepcin
a-accin
M-meta
A-ambiente
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
31 de 52
Introd. a los Agentes Inteligentes Anlisis REAS
El anlisis REAS es un ejemplo de la estrategia general de la ingeniera de dividir para conquistar
R+E+A+S cada sumando es ms fcil que la suma ponderada.
la aplicacin del ANLISIS DE REQUISITOS, que resuelve un problema analizando qu es obtenible como input y qu es deseado como output.
Otro Ejemplo: al analizar un sistema de imgenes satelitales, percepciones: pixels de intensidad y longitud de onda variables
acciones: mover la cmara, cambiar el filtro, imprimir letreros como tanque82"
metas: identificacin cercana a la realidad de todos los objetos de la imagen
ambiente: imgenes distorsionadas provenientes de una cmara satelital
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
32 de 52
Introd. a los Agentes Inteligentes Propiedades de los entornos de trabajo
Accesible/Inaccesible Si los sensores proporcionan todo lo que hay que saber sobre el estado
completo del ambiente - necesario para elegir una accin - entonces el ambiente es accesible al agente. Esos ambiente resultan convenientes, ya que liberan al agente de la tarea de mantener actualizado su inventario del mundo.
Determinstico/No-determinstico (estocstico) Si el estado siguiente del ambiente est determinado plenamente por el estado
presente del mismo, y por la accin del agente - se trata de un ambiente determinstico. As el agente escapa de la incertidumbre.
Episdico/No-episdico Un ambiente episdico implica que los episodios siguientes no dependen de las
acciones que ocurran en episodios previos (como en las clsicas cadenas de Markov). Esto le autoriza al agente que no se deba preocupar por la planificacin de lo que puede ocurrir.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
33 de 52
Introd. a los Agentes Inteligentes Propiedades de los entornos de trabajo
Esttico/Dinmico
Ser esttico todo ambiente que no cambie mientras el agente est pensando. No
tiene importancia el tiempo que se usa en pensar y no necesita monitorear el
mundo mientras piensa. El tiempo carece de valor mientras se computa una buena
estrategia. En el otro caso ser dinmico.
Discreto/Continuo
Discreto - con escaso nmero de percepciones y acciones en el ambiente.
Continuo - el otro caso.
Sin adversario/con adversarios racionales
Sin adversario - ausencia de otros agentes racionales adversarios: la consecuencia
es que el agente se libera de la preocupacin de la estrategia de dichos adversarios
en el mismo juego.
Los ambientes ingenieriles suelen ser sin adversario.
Los ambientes sociales y econmicos aumentan en su complejidad por la presencia
de interacciones entre uno o ms adversarios (por ejemplo en la Bolsa).
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
34 de 52
Introd. a los Agentes Inteligentes Ejemplos de los entornos de trabajo
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
35 de 52
Introd. a los Agentes Inteligentes Ejemplos de los entornos en Internet
e_mail
Grupos de noticias
WWW
FTP
Juegos en lnea
Foros
Buscadores con diversos agentes
Ambiente apto para minera de datos
Bibliotecas virtuales (p.ej., de IA)
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
36 de 52
Introd. a los Agentes Inteligentes
Estructura de los Agentes
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
37 de 52
Introd. a los Agentes Inteligentes Programa bsico para el entorno
procedure Run-Environment(state, Update-Fn, agents, termination)
input: state, the initial state of the environment
Update-Fn, function to modify the environment
agents, a set of agents
termination, a predicate to test when we are done
repeat
for each agent in agents do
Percept[agent] Get-Percept(agent, state)
end
for each agent in agents do
Action[agent] Program[agent](Percept[agent])
end
state Update-Fn(actions, agents, state)
until termination(state)
Programa bsico simulador ambiental
proporciona las percepciones a los agentes anidados en ese ambiente
absorbe una accin de cada agente en la unidad de tiempo
actualiza el ambiente para cada unidad de tiempo
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
38 de 52
Introd. a los Agentes Inteligentes Simulacin de entorno
function Run-Eval-Environment(state, Update-Fn, agents,
termination, Performance-Fn) returns scores
local : scores, a vector the same size as agents, initially all 0
repeat
for each agent in agents do
Percept[agent] Get-Percept(agent, state)
end
for each agent in agents do
Action[agent] Program[agent](Percept[agent])
end
state Update-Fn(actions, agents, state)
scores Performance-Fn(scores, agents, state)
until termination(state)
return scores
Casi siempre, los agentes se han diseado para satisfacer una cierta clase de ambiente
medicin de buen xito en ese ambiente, definido por un estado inicial singular y una funcin de actualizacin particular.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
39 de 52
Introd. a los Agentes Inteligentes Estructura de un agente inteligente Como todos los agentes tienen una estructura bsica o mnima o
esqueltica igual, se puede investigar cul es ella.
Resulta as un AGENTE ESQUELTICO:
Desde un punto de vista estricto, no es necesario que el agente
guarde en su memoria las percepciones entrantes depende del
dominio. Un dominio es un fragmento del mundo acerca del que
deseamos adquirir conocimiento.
El agente esqueltico no incorpora la medida de buen xito en su
meta se entiende que ella est siendo aplicada externamente.
function Skeleton-Agent(percept) returns action
static: memory, the agent's memory of the world
memory Update-Memory(memory, percept)
action Choose-Best-Action(memory)
memory Update-Memory(memory, action)
return action
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
40 de 52
Introd. a los Agentes Inteligentes Ideal: Disponer de una tabla
Lo bsico de un agente tabla-intensivo:
Por qu fracasa el ideal de disponer de una tabla de consulta?
Esta arquitectura adolece de
tamao excesivo (no factible)
falta de adaptacin.
Qu tamao tendra que tener la tabla? (Caso lmite, el termstato)
El agente podra aprender de sus errores?
De dnde podra provenir dicha tabla en primera instancia?
function Table-Driven-Agent(percept) returns action
static: percepts, a sequence, initially empty
table, a table indexed by percept sequences, initially fully specified
append percept to the end of percepts
action LookUp(percepts, table)
return action
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
41 de 52
Introd. a los Agentes Inteligentes Tipos de Agentes
Tabla-intensivos
para encontrar la accin siguiente usar una tabla en memoria del tipo secuencia
de percepciones/accin. Se trata de una tabla bastante voluminosa para repetir la
accin ya experimentada antes.
Agentes reflejos con un nico estado (simples)
se basan en reglas condicin/accin y se implementan con un sistema de
PRODUCCIN. Carecen de memoria referente a estados pasados del mundo.
Bien informados de lo que pasa
Agentes con memoria
con un estado interno usado para seguirle la pista a los estados pasados del mundo.
Agentes meta-intensivos
adems de disponer de informacin sobre el estado, tienen una clase de informacin
sobre la meta que describe situaciones deseables. Agentes de este tipo tienen bajo
consideracin eventos del futuro.
Utilidad-intensivos
basan su decisin en la teora axiomtica clsica de la utilidad para actuar
racionalmente.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
42 de 52
Introd. a los Agentes Inteligentes Agente reactivo simple
function Simple-Reflex-Agent(percept) returns action
static: rules, a set of condition-action rules
state Interpret-Input(percept)
rule Rule-Match(state, rules)
action Rule-Action[rule]
return action
Las reglas condicin-accin
permiten establecer la
conexin entre percepcin y
accin.
A la derecha del agente se
indica el estado interno, nico
en un momento dado del
proceso decisional.
A la derecha est la base de
conocimiento en forma de
reglas de produccin.
El sencillo programa del
agente aparece ms abajo
Interpret-input genera una
descripcin abstracta del
estado mostrado por la
percepcin
Rule-match produce una regla
del conjunto que satisface la
percepcin
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
43 de 52
Introd. a los Agentes Inteligentes Agentes reactivos basados en modelos
function Reflex-Agent-With-State(percept) returns action
static: rules, a set of condition-action rules
state, a description of the current world
state Update-State(state, percept)
rule Rule-Match(state, rules)
action Rule-Action[rule]
state Update-State(state, action)
return action
La actualizacin del estado
interno requiere dos tipos de
conocimiento codificado
conocimiento acerca de la
forma como el mundo cambia
- independiente de las
acciones del agente.
conocimiento acerca de la
forma en que el mundo cambia
con motivo de la accin del
agente
Pero el conocimiento del estado
interno no siempre es suficiente
para elegir entre rutas
decisionales alternativas(en
una interseccin doblar o no
doblar el volante del coche?)
pues se requiere conocer la
meta a lograr
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
44 de 52
Introd. a los Agentes Inteligentes Agentes basados en objetivos
Razonando acerca de acciones
un agente reflejo solo acta basado en conocimientos precomputados (reglas)
la bsqueda y la planificacin ayudan a razonar acerca de cul accin logra la
meta
el agente es menos eficiente pero ms adaptativo y flexible
Qu argumentar acerca de acciones alternativas que llegan a la meta
hay que maximizar la utilidad de las acciones, esto es, elegir aqulla que logra la
meta mejor que otras.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
45 de 52
Introd. a los Agentes Inteligentes Agentes basados en objetivos (Arquitectura)
Los agentes simples no tienen acceso a su medida de buen xito
En ese caso el diseador elige la meta y la incorpora por diseo a su agente
Similarmente, los agentes tontos no pueden formular su propio problema
en cuyo caso dicha formulacin tambin se debe incorporar al diseo
El bucle while (mientras) - ver arriba - es la fase de ejecucin de la conducta
de este tipo de agentes
Ntese que en esta arquitectura se sobreentiende que para la fase de ejecucin no
importa monitorear el ambiente.
Input percept
state Update-State(state, percept)
goal Formulate-Goal(state, perf-measure)
search-space Formulate-Problem (state, goal)
plan Search(search-space , goal)
while (plan not empty) do
action Recommendation(plan, state)
plan Remainder(plan, state)
output action
end
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
46 de 52
Introd. a los Agentes Inteligentes Agentes basados en utilidad
Funcin Utilidad
es un mapeo de estados bajo la forma de nmeros reales
lleva a decisiones racionales en dos tipos de situaciones
evaluacin de trueques entre metas en conflicto
evaluacin de metas en conflicto
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
47 de 52
Introd. a los Agentes Inteligentes
Agentes basados en utilidad Las metas no bastan para generar una conducta de alta calidad.
Las metas permiten establecer una distincin entre estados felices
e infelices.
Si se prefiere un estado en lugar de otro, se dice que ese estado
ofrece mayor utilidad al agente.
Utilidad
Funcin que caracteriza el grado de satisfaccin.
En temas venideros se mencionar frecuentemente el PRINCIPIO
DE MAXIMA UTILIDAD ESPERADA
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
48 de 52
Introd. a los Agentes Inteligentes Agentes que aprenden
Med
io A
mb
ien
te
Elemento de
aprendizaje
Elemento
de actuacin
cambios
conocimiento
Nivel de actuacin
Critica
Retroali-
mentacin
Actuadores
Sensor
Generador de
problema
Objetivos a
aprender
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
49 de 52
Introd. a los Agentes Inteligentes
Agentes que aprenden En la grfica previa se estudia un modelo general de agente aprendiz, modelo novedoso
con respecto a lo ya estudiado.
Comparado con los tres diagramas del captulo 2 de r&n (Agentes inteligentes), este
cuarto diagrama tiene diferencias.
Aparece una entrada adicional (en rojo) ajeno al agente, que es el estndar de
desempeo que est marcado aparte por el diseador si se trata de un agente aprendiz
autnomo o no supervisado, o bien corresponde a un maestro en el aprendizaje
supevisado. El error debe irse corrigiendo.
La zona de conexin directa entre sensores y efectores est regulada por un elemento de
procesamiento del desempeo en el futuro inmediato, influible por maquinaria auxiliar
de aprendizaje, maquinaria corregida por el error detectado.
Las metas del aprendiz pueden tener distintos significados.
Estudiaremos algunos de estos mdulos en detalle.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
50 de 52
Introd. a los Agentes Inteligentes
Resumen
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
51 de 52
Introd. a los Agentes Inteligentes Resumen
Las principales preocupaciones de este capitulo:
Un agente percibe y acta en un cierto ambiente, posee una dada arquitectura y
est implementado a travs de un programa de agente.
Un agente ideal (omnisciente) siempre elige aquella accin mediante la cual se
maximiza su logro esperado, sujeta a la secuencia de percepciones recibida
hasta ese momento.
Un agente autnomo usa su experiencia propia en lugar de usar conocimiento
incorporado por su diseador referente al ambiente.
Un programa de agente mapea la ruta entre percepcin y accin y actualiza el
estado interno de dicho agente.
Un agente reflejo (o reactivo) responde de inmediato a las percepciones.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
52 de 52
Introd. a los Agentes Inteligentes Resumen
Otras preocupaciones:
Un agente meta-intensivo (o basado en metas) acta de tal manera de obtener
el logro de su meta internalizada.
Un agente utilidad intensivo (o basado en utilidad) maximiza su propia
funcin de utilidad.
Poder representar el conocimiento (y a veces lograr que ese conocimiento
pueda ser legible por el humano) es importante para que el diseo tenga xito.
Los ambientes cambian y se presentan como dramaticamente ms difciles
para unos agentes que para otros. Los ms difciles son los ambientes
inaccesibles, no-determinsticos, no-episdicos, dinmicos y continuos. Un
ambiente fcil es el representado por un robot encargado de hacer tostadas.
-
Luis Enrique
Snchez Crespo
UCLM-ESI Inte
lig
en
cia
Art
ific
ial
e In
gen
ieri
a d
el C
on
ocim
ien
to
53 de 52
Introd. a los Agentes Inteligentes Conclusiones
La inteligencia artificial se ha presentado como la tecnologa de la construccin de agentes inteligentes, con lo cual se unifican temas que no tenan relacin con otros enfoques (caso de la robtica y la visin).
Qued evidente que el hilo conductor es el de ir complicando gradualmente los programas de agente, las funciones de agente y los programas de ambiente.
El futuro estar en los agentes que se comunican, que abarcan numerosos ejemplos de los siete presentados en la serie de diapositivas.
Obviamente la nocin de agente aglutina en una meta clara a toda la inteligencia artificial, la cual, sin embargo, al estar enlazada con los ambientes, pierde toda posibilidad de ser una disciplina auto-contenida, pasando a tener condicin de multi-disciplinaria.
-
Universidad de Castilla-La Mancha
Luis Jimnez Linares
Luis Enrique Snchez Crespo
