Los Agentes y su entorno

Universidad Nacional Jos Faustino Snchez Carrin

Facultad de Ingeniera Industrial, Sistemas e Informtica
Escuela Profesional de Ingeniera Informtica

Sistemas Inteligentes
Sesin 02
Ing. CIP Renzo I. Vergara Quiche
renzovergaraq@hotmail.com

Agente (Diccionario RAE):

Que obra o tiene virtud de obrar.
Persona que acta en representacin de otro (agente artstico, comercial,
inmobiliario, de seguros, de bolsa, etc).
Un agente es cualquier cosa capaz de percibir su medioambiente con la ayuda de
sensores y actuar en ese medio utilizando actuadores.
Un agente es un sistema conformado por hardware y/o software que basa su
comportamiento en las percepciones que tiene del medio ambiente mediante
sus sensores y en las reglas de comportamiento incorporadas en el software.
Agentes software (softbots): Aplicaciones informticas con capacidad para
decidir cmo deben actuar para alcanzar sus objetivos
Agentes inteligentes: Agentes software que pueden funcionar fiablemente en un
entorno rpidamente cambiante e impredecible
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

Tipificando a un agente

Agente
ENTRADAS
Sensor del ambiente

Ve
Oye
Toca
Gusta
Huele

Procesos INTERNOS
Conoce

Comprensin/
intencionalidad

Razona

Comportamiento
SALIDAS

Agente segn Wooldridge - 1995

Un agente es un sistema de computacin capaz de actuar de
forma autnoma y
por flexible que sea:

flexible

en un entorno, entendiendo

Reactivo
Si se garantiza que el ambiente de un programa es fijo, este
no necesita preocuparse por su propio xito o fracaso el
programa simplemente se ejecuta ciegamente.
Ejemplo ambiente fijo: Un compilador

Reactivo: El agente es capaz de responder a cambios en el entorno

en que se encuentra situado.

El mundo real no es fijo: las cosas cambian y la informacin

es incompleta. La mayora de los ambientes interesantes
son dinmicos.

Pro-activo: El agente debe ser capaz de intentar cumplir sus

propios planes u objetivos.

El software para dominios dinmicos es difcil de construir:

los programas deben tener en cuenta la posibilidad de
falla preguntarse a s mismos si vale la pena realizar una
accin.

Social: Debe poder comunicarse con otros agentes mediante algn

tipo de lenguaje de comunicacin de agentes.

Un sistema reactivo es aquel que mantiene una interaccin

constante con su ambiente, y responde a los cambios que
ocurren en este (en un tiempo es que la respuesta es til)

Pro-Activo
Reaccionar ante un ambiente es fcil (por ejemplo:
reglas estmulo-respuesta)
Pero, generalmente queremos agentes que hagan
cosas por nosotros.
Esto requiere: comportamientos orientados a metas
Pro-actividad = generar y tratar de alcanzar metas; no
guiarse solamente por los eventos; tomar la iniciativa
Reconocer oportunidades.

Otras Propiedades de Agentes - Franklin

Habilidad Social
El mundo real es un ambiente multi-agente: no podemos ir
por ah tratando de alcanzar metas sin tomar en cuenta a
los otros.
Algunas metas slo pueden ser alcanzadas con la
cooperacin de otros.
Lo mismo ocurre con muchos ambientes computacionales,
ejemplo: Internet.
La habilidad social en agentes es la habilidad de
interactuar con otros agentes (y posiblemente con
humanos) por medio de algn tipo de lenguaje de
comunicacin de agentes, y quizs cooperar con otros.

Otras Propiedades de Agentes Navaja

suiza de Parunak

Continuidad Temporal: se considera un agente un proceso sin fin, ejecutndose

continuamente y desarrollando su funcin.
Autonoma: un agente es completamente autnomo si es capaz de actuar
basndose en su experiencia, es capaz de adaptarse aunque el entorno cambie
severamente. Una definicin menos estricta de autonoma sera cuando el agente
percibe el entorno.
Sociabilidad: permite a un agente comunicar con otros agentes o incluso con otras
entidades.

Racionalidad: el agente siempre realiza lo correcto a partir de los datos que

percibe del entorno.
Reactividad: un agente acta como resultado de cambios en su entorno. En este
caso, un agente percibe el entorno y esos cambios dirigen el comportamiento del
agente.
Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios
objetivos a pesar de cambios en el entorno.
Adaptatividad: est relacionado con el aprendizaje que un agente es capaz de
realizar y si puede cambiar su comportamiento basndose en ese aprendizaje.
Movilidad: capacidad de un agente de trasladarse a travs de una red telemtica.
Veracidad: asuncin de que un agente no comunica informacin falsa a propsito.
Benevolencia: asuncin de que un agente est dispuesto a ayudar a otros agentes
si esto no entra en conflicto con sus propios objetivos.

Otras propiedades de Agentes - Nwana

Buen comportamiento:
Qu es un agente racional?
En cada posible secuencia de percepciones, un agente racional deber
emprender aquella accin que supuestamente maximice su medida de
rendimiento, basndose en las evidencias aportadas por la secuencia de
percepciones y en el conocimiento que el agente mantiene almacenado
Considerar:
Ser Racional (maximiza el rendimiento
omnisciente(maximiza el resultado real)

esperado)

no

significa

ser

Ser Racional no es ser clarividente

Ser Racional ideal entra en conflicto con el PRR (Principio de Racionalidad
Restringida).

Un agente es algo que razona, un agente informtico debe tener otros atributos
que los distingan de los programas convencionales (dotados de controles
autnomos, perciban su entorno, que persistan durante un periodo de tiempo
prolongado, que se adapten a los cambios, y que sean capaces de alcanzar objetivos
diferentes.
Un Agente Racional es aquel que acta con la intencin de alcanzar el
mejor resultado o, cuando hay incertidumbre, el mejor resultado esperado

De qu depende la Racionalidad

La naturaleza del entorno de trabajo

Ejemplo: REAS de un agente taxista automtico
Rendimiento: Seguro, rpido, legal, viaje confortable, maximizacin del beneficio
Entorno: Carreteras, otro trfico, peatones, clientes
Actuadores: Direccin, acelerador, freno, seal, bocina, visualizador
Sensores: Cmaras, sonar, velocmetro, GPS, tacmetro, visualizador de la
aceleracin, sensores del motor, teclado

Ejemplo: PAMA de un agente taxista automtico

La medida de rendimiento que define el criterio de xito
Cunto conoce el agente del ambiente en que opera

Percepciones: Video, acelermetro, instrumental del tablero, sensores del motor,

teclado
Acciones: gestin del volante, acelerar y frenar, bocina, hablar/graficar

Las acciones que el agente est en condiciones de realizar

Metas: seguridad, llegar a destino, maximizar ganancias, obedecer las leyes,

satisfaccin del cliente

La secuencia de percepciones - todo lo que el agente ha percibido hasta

ahora (gestin de la memoria).

Ambiente: calles urbanas, avenidas, trfico, peatones, clima, tipo de cliente

Otros ejemplos de REAS

Propiedades de los entornos de trabajo

Accesible
(totalmente
(parcialmente observable)

observable)

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 (secuencial)

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.

Propiedades de los entornos de trabajo

Ejemplos 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).

Tipos de Agentes

Estructura de los Agentes

No Bien informados de lo que pasa

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 reactivo simple
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 reactivo simple con memoria
con un estado interno usado para seguirle la pista a los estados
pasados del mundo.
Agentes meta-intensivos
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

Agente reactivo simple

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.

Agente reactivo simple con estado interno

sensores
Cmo es el mundo
en este momento ?

sensores
Cmo es el mundo
en este momento ?

Estado
Cmo evoluciona el mundo ?

Qu producen mis acciones ?

Reglas de condicin-accin

Qu accin debo
emprender en este
momento ?

Reglas de condicin-accin

efectores

efectores

Agentes basado en metas

Agentes basado en utilidad

sensores

sensores
Estado

Cmo es el mundo
en este momento ?

Estado

Qu sucedera si
emprendo la accin A ?

Qu producen mis acciones ?

Utilidad

Metas

Cmo es el mundo
en este momento ?

Cmo evoluciona el mundo ?

Cmo evoluciona el mundo ?

Qu producen mis acciones ?

Qu accin debo
emprender en este
momento ?

Qu accin debo
emprender en este
momento ?

efectores

Qu sucedera si
emprendo la accin A ?

Qu tan a gusto me
encontrar en tal
estado ?
Qu accin debo
emprender ahora ?

efectores

Resumen

Agentes que aprenden

Un agente percibe y acta en un cierto ambiente, posee una dada arquitectura

y est implementado a travs de un programa de agente.

Nivel de actuacin

Sensor

Critica

cambios
conocimiento

Elemento
de actuacin

Objetivos a
aprender
Generador de
problema

Un agente autnomo usa su experiencia propia en lugar de usar conocimiento

incorporado por su diseador referente al ambiente.

Medio Ambiente

Retroalimentacin
Elemento de
aprendizaje

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 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.

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.

Actuadores

Los ambientes cambian y se presentan como dramticamente ms difciles para

unos agentes que para otros. Los ms difciles son los ambientes inaccesibles, nodeterminsticos, no-episdicos, dinmicos y continuos. Un ambiente fcil es el
representado por un robot encargado de hacer tostadas.