Simulación basada en agentes y simulación

basada en multi-agentes

¿Qué es un agente?

Un agente inteligente percibe su entorno por medio de sensores y actúa racionalmente sobre su entorno por medio de actuadores.

Un agente es incapaz de exhibirse alguna forma de inteligencia y actuar de manera independiente con el objeto beneficiar a su usuario.

Es un sistema que es capaz de realizar acciones autónomas de manera flexible en dominio dinámicos e impredecibles.

Un agente es cualquier cosa que pueda ver en su entorno a través de sensores y actuar en su entorno a través de efectores.

Un agente es un sistema computacional que está situado en algún ambiente, y que es capaz de actuar autónomamente en dicho ambiente con el fin de cumplir sus objetivos.

Ejemplos de Agentes

Sistemas de control

o Termostato

o Alarma

o Software deamons

Un agente es un sistema que esta:

Localizado: es decir, inmerso en algún entorno( físico, software, etc.) en el que puede:

Sentir (a través de sensores físicos, por medio de mensajes, detención de eventos)

Actuar( envió de mensaje o generalización de evento)

Reactivo: responde a mensajes, eventos y datos recibidos por medio de sensores, de forma que monitorea activamente el estado de su entorno.

Autónomo: opera sin intervención directa de humanos u otros agentes, con control independiente de sus acciones y de su estado interno.

Tareas Especializadas.Pueden jugar un papel importante en situaciones donde, por sus necesidades o alto riesgo, resultan imposibles o no aconsejables para humanos.

En aplicaciones donde los datos, control o recursos son distribuidos.El sistema puede estar conceptualizado como una colección de cooperantes.

Como herramientas para comprender las sociedades humanas.Proporcionan una nueva herramienta para simular sociedades, que pueden arrojar luz nueva sobre varios tipos de procesos sociales (donde los experimentos reales son inviables).Como herramientas para formalizar y experimentar con ciertas teorías cognitivas.Como paradigmas de ingeniería del software. Permiten incrementar la complejidad del software, destacando la importancia de la independencia entre componentes y la interacción entre ellos.

Agente Inteligente

Autonomía, movilidad, iniciativa, adaptabilidad, inteligencia.

En IA se persigue estudiar y obtener agentes que exhiban características de la inteligencia humana.

Construimos agentes inteligentes cuando:

Describimos su comportamiento y el ambiente mediante “conocimiento”.

Dispone de iniciativa de explorar el ambiente.

Incrementa su conocimiento basándose en la experiencia.

Evalúa la consecución de las metas que se le planteen.

Un agente inteligente es un agente capaz de ejecutar flexiblemente acciones autónomas con el fin de cumplir sus objetivos”, donde flexibilidad significa:

Reactividad: capacidad de percibir su ambiente, y responder sin demoras a cambios que ocurren en él.

Pro-actividad: capacidad de exhibir un comportamiento dirigido a objetivos, tomando la iniciativa.

Habilidad social: capacidad de interactuar con otros agentes (y posiblemente humanos) a través de un lenguaje de comunicación.

Ejemplo

Características Termostato

Autonomía Si

Reactividad Si

Pro-actividad No

Habilidad social No

Agente Racional

La racionalidad le permite al agente hacer en cada momento “lo correcto”.

“Lo correcto” son las acciones que conducen al mejor desempeño de su misión, descrita en términos de:

Meta.

Utilidad.

Para ser racional necesita ser capaz de

Medir el desempeño de su misión.

Tener algún criterio de medida.

Incorporar los resultados como conocimiento nuevo.

Racionalidad ≠ Omnisciencia.

Arquitectura de Agentes

Con respecto a la forma de abordar la construcción del agente, puede ser:

Arquitectura reactiva

Agentes reactivos.

Agente con representación del mundo.

Arquitectura deliberativa

Agentes basados en metas.

Agentes basados en la utilidad.

Arquitectura Reactiva y Deliberativa

Un razonamiento explícito sobre los efectos producidos por acciones de bajo nivel es demasiado costoso para producir una conducta en tiempo real.

El comportamiento inteligente se generará sin tener que usar modelos simbólicos, y emergerá en ciertos sistemas complejos.

Estas arquitecturas manejan jerarquías de tareas en función de niveles de abstracción.

Expresa el comportamiento y el ambiente en términos de conocimiento representado simbólicamente. Las decisiones se toman empleando mecanismos deductivos:

En estos términos, las componentes del agente se deben representar en términos lógicos. Un ejemplo exitoso: BDI (Belief, Desire, Intention)

Creencias: modelo del mundo y del resto de agentes.

Deseos: metas.

Intenciones: plan de acción.

Arquitectura Híbrida

Combinan agentes de tipo reactivo y deliberativo.

Reactivo: reacciona a los eventos del entorno sin invertir razonamiento.

Deliberativo: planifica (distribuye las metas más simples) y realiza tareas de nivel de abstracción superior. Este tipo de tareas se agrupan típicamente en dos niveles:

de manipulación de la información a nivel abstracto, con una representación simbólica del ambiente,

de comportamiento social y planificación de alto nivel.

Se organizan:

Horizontalmente: las capas tienen acceso a sensores y actuadores.

Verticalmente: una capa actúa de interfaz con sensores y actuadores.

Descentralización de los agentes

Un agente puede ser un ente pro-activo, con iniciativa propia que monitoriza el ambiente ejerce cambios en el ambiente y se comunica con otros agentes.

Es útil en sistemas donde aparecen procesos autónomos. Los sistemas descentralizados permiten mayores tasas de fiabilidad y

robustez que los sistemas centralizados. Los sistemas basados en agentes animan a la reutilización:

es posible modificar sistemas basados en agentes sobre la marcha pieza a pieza.

ciertos tipos de descentralización desacoplan las dependencias de los agentes.

¿Que es sistema multi-agente?

Sistema Multi-agente (MAS): conjunto de agentes autónomos, generalmente heterogéneos y potencialmente independientes, que trabajan en común resolviendo un problema.

Características de estos agentes, vinculado con la noción de agente Inteligente:

capaces de tomar la iniciativa

capaces de compartir conocimiento

capaces de cooperar y negociar,

capaces de comprometerse con metas comunes.

El estudio de MAS se encuadra dentro de la Inteligencia Artificial Distribuida (DAI).

Inteligencia Artificial Distribuida

Rama de la IA que estudia la solución de problemas mediante procesamiento descentralizado.

Resolución distribuida de problemas (DPS): Se descompone el problema en procesos cooperantes que comparten conocimiento para un problema concreto.

Inteligencia Artificial Paralela (PAI): Desarrollo de algoritmos y aplicaciones paralelas, con énfasis en prestaciones.

Sistemas Multiagente

Un sistema multiagente es un sistema compuesto de múltiples agentes inteligentes, capaces de cumplir objetivos que son difíciles de alcanzar por un sistema individual.

EJEMPLOS

No controladores

No organizadores

Auto-organización

Reglas simples

Mantener distancia

Ser sociables

Comportamiento complejo

EJEMPLO

Información privada

Confianza

Competitividad

Reputación

Ejemplos

La sociedad humana es un modelo útil para obtener Sistemas Multi-agente. La mayoría de las actividades humanas relacionadas con el

comportamiento inteligente son de carácter social, al menos en origen. El ser humano necesita la sociedad para vivir mejor. Está en continua interacción con el resto. La mayor parte del conocimiento es colectivo.

Los modelos teórico/prácticos de MAS permiten estudiar fenómenos sociales reales.

La auto-organización, auto-adaptación, robustez, propiedades emergentes, etc. En segundo lugar, la capacidad de las hormigas para resolver problemas complejos de una manera eficiente es fascinante, sobre todo teniendo en cuenta sus características individuales limitadas. El ejemplo más conocido y mejor modelado por el momento es el uso que hacen de la feromona para encontrar caminos mínimos entre los nidos y las fuentes de comida.