Agentes Inteligentes

Agentes Inteligentes

1. Estructura de los agentes

   • El trabajo de la IA es diseñar el programa del agente que implemente la función del agente que proyecta las percepciones en las acciones.
     • Arquitectura
       • Se asume que este programa se ejecutará en algún tipo de computador con sensores físicos y actuadores, lo cual se conoce como arquitectura
   • Agentes que aprenden
     • Un agente que aprende se puede dividir en cuatro componentes conceptuales
       • Crítica
       • Elementos de aprendizaje
       • Elemento de actuación
       • Generador de problemas
     • 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 externas.
     • El elemento de aprendizaje se realimenta con las críticas sobre la actuación del agente y determina cómo se debe modificar el elemento de actuación para proporcionar mejores resultados en el futuro.
     • La crítica indica al elemento de aprendizaje qué tal lo está haciendo el agente con respecto a un nivel de actuación fijo.
     • El último componente del agente con capacidad de aprendizaje es el generador de problemas. Es responsable de sugerir acciones que lo guiarán hacia experiencias nuevas e informativas.
     • En muchas áreas de IA, éste es ahora el método más adecuado para crear sistemas novedosos.
     • El método que propone es construir máquinas que aprendan y después enseñarlas.
     • Se han descrito programas para agentes que poseen varios métodos para seleccionar acciones.
     • Agentes basados en utilidad
       • Una función de utilidad proyecta un estado (o una secuencia de estados) en un número real, que representa un nivel de felicidad.
       • Como el término «felicidad» no suena muy científico, la terminología tradicional utilizada en estos casos para indicar que se prefiere un estado del mundo a otro es que un estado tiene más utilidad que otro para el agente.
       • Las metas por sí solas no son realmente suficientes para generar comportamiento de gran calidad en la mayoría de los entornos.
     • Agentes basados en objetivos
       • Además de la descripción del estado actual, el agente necesita algún tipo de información sobre su meta que describa las situaciones que son deseables, por ejemplo, llegar al destino propuesto por el pasajero.
       • El conocimiento sobre el estado actual del mundo no es siempre suficiente para decidir qué hacer.
     • Agentes reactivos basados en modelos
       • 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.
       • 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.
       • Este conocimiento acerca de «cómo funciona el mundo», tanto si está implementado con un circuito booleano simple o con teorías científicas completas, se denomina modelo del mundo. Un agente que utilice este modelo es un agente basado en modelos.
     • Agentes reactivos simples
       • Imagínese que es el conductor del taxi automático. Si el coche que circula delante frena, y las luces de freno se encienden, entonces lo advertirá y comenzaría a frenar. En otras palabras, se llevaría a cabo algún tipo de procesamiento sobre las señales visuales para establecer la condición que se llama «El coche que circula delante está frenando».
       • El tipo de agente más sencillo es el agente reactivo simple. Estos agentes seleccionan as acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.
         • Estos agentes seleccionan as acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.
       • Los agentes reactivos simples tienen la admirable propiedad de ser simples, pero poseen una inteligencia muy limitada.
     • Programas de los agentes
       • Reciben las percepciones actuales como entradas de los sensores
       • Devuelven una acción a 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

2. Buen comportamiento: el concepto de racionalidad

   • Medidas de rendimiento
     • Incluyen los criterios que determinan el éxito en el comportamiento del agente.
     • Cuando se sitúa un agente en un medio, éste genera una secuencia de acciones de acuerdo con las percepciones que recibe. Esta secuencia de acciones hace que su hábitat pase por una secuencia de estados. Si la secuencia es la deseada, entonces el agente habrá actuado correctamente.
     • Regla general
       • Es mejor diseñar medidas de utilidad de acuerdo con lo que se quiere para el entorno, más que de acuerdo con cómo se cree que el agente debe comportarse.
   • Racionalidad
     • Depende de 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.
     • Agente racional
       • 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.
   • Agente racional
     • Es aquel que hace lo correcto.
     • Cada elemento de la tabla que define la función del agente se tendría que rellenar correctamente, es decir, permite al agente obtener un resultado mejor.
   • Omnisciencia, aprendizaje y autonomía
     • La definición propuesta de racionalidad no requiere omnisciencia, ya que la elección racional depende sólo de la secuencia de percepción hasta la fecha.
       • Es necesario asegurarse de no haber permitido, por descuido, que el agente se dedique decididamente a llevar a cabo acciones poco inteligentes.
     • La racionalidad maximiza el rendimiento esperado, mientras la perfección maximiza el resultado real.
     • Recopilación de información
       • Llevar a cabo acciones con la intención de modificar percepciones futuras.
       • Un ejemplo lo proporciona la exploración que debe llevar a cabo el agente aspiradora en un medio inicialmente desconocido.
     • Calcular la función del agente en tres períodos diferentes
       • Cuando se está diseñando el agente y están los diseñadores encargados de realizar algunos de estos cálculos
       • Cuando está pensando en la siguiente operación, el agente realiza más cálculos
       • Cuando está aprendiendo de la experiencia.
     • Un agente carece de autonomía
       • Cuando se apoya más en el conocimiento inicial que le proporciona su diseñador que en sus propias percepciones.

3. Agentes y su entorno

   • Agente
     • Es cualquier cosa capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores (Se usa este término para indicar el elemento que reacciona a un estímulo realizando una acción).
       • Un agente humano tiene ojos, oídos y otros órganos sensoriales además de manos, piernas, boca y otras partes del cuerpo para actuar.
   • Percepción
     • Se utiliza en este contexto para indicar que el agente puede recibir entradas en cualquier instante.
   • Función del agente
     • Proyecta una percepción dada en una acción
   • La tabla
     • Dado un agente, con el que se quiera experimentar, se puede, en principio, construir esta tabla teniendo en cuenta todas las secuencias de percepción y determinando qué acción lleva a cabo el agente en respuesta.
   • La función del agente para un agente artificial se implementará mediante el programa del agente.

4. La naturaleza del entorno

   • Especificación del entorno de trabajo
     • Son esencialmente los «problemas» para los que los agentes racionales son las «soluciones».
     • En la discusión de la racionalidad de un agente aspiradora simple, hubo que especificar las medidas de rendimiento, el entorno, y los actuadores y sensores del agente.
     • El mundo de la aspiradora fue un ejemplo simple; considérese ahora un problema más complejo: un taxista automático.
       • Para alcanzar sus objetivos en el entorno en el que circula, el taxi necesita saber dónde está, qué otros elementos están en la carretera, y a qué velocidad circula.
         • Sus sensores básicos deben, por tanto, incluir una o más cámaras de televisión dirigidas, un velocímetro y un tacómetro.
   • Propiedades de los entornos de trabajo
     • Se puede identificar un pequeño número de dimensiones en las que categorizar estos entornos.
     • Estas dimensiones determinan, hasta cierto punto, el diseño más adecuado para el agente y la utilización de cada una de las familias principales de técnicas en la implementación del agente.
   • Totalmente observable vs. parcialmente observable
     • Si los sensores del agente le proporcionan acceso al estado completo del medio en cada momento, entonces se dice que el entorno de trabajo es totalmente observable.
     • Un entorno puede ser parcialmente observable debido al ruido y a la existencia de sensores poco exactos o porque los sensores no reciben información de parte del sistema
   • 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.
     • Si el medio es determinista, excepto para las acciones de otros agentes, decimos que el medio es estratégico.
   • Episódico vs. secuencial
     • En un entorno de trabajo episódico, la experiencia del agente se divide en episodios atómicos.
     • En entornos secuenciales, por otro lado, la decisión presente puede afectar a decisiones futuras.
   • Estático vs. dinámico
     • Si el entorno puede cambiar cuando el agente está deliberando, entonces se dice que el entorno es dinámico para el agente; de otra forma se dice que es estático.
     • Si el entorno no cambia con el paso del tiempo, pero el rendimiento del agente cambia, entonces se dice que el medio es semidinámico .
   • 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 resolviendo un crucigrama por sí mismo está claramente en un entorno de agente individual. Mientras que un agente que juega al ajedrez está en un entorno condos agentes. el ajedrez es un entorno multiagente competitivo.