inteligencia artificial (ec5) · ejemplo1: la aspiradora se dispone de una aspiradora con acceso a...
TRANSCRIPT
23/04/2019
Facultad de Ciencias Exactas y Tecnología
Universidad Nacional de Tucumán
Ing. Franco D. Menendez
Ciclo Lectivo 2019
Inteligencia Artificial (EC5)
Introducción a los Agentes Inteligentes del Software. Definición. Agentes y su
entorno. Percepción del mundo real. Autonomía. Tipificación de los Agentes:
reactivos simples, reactivos basados en modelos, basados en objetivos, basados en
utilidad y racionales. Sistemas Multiagentes. Características Sociales en los
sistemas multiagentes. Comunicaciones entre Agentes. Planificación y acción en el
mundo real. Manejo de la incertidumbre. Toma de decisiones. Entorno de un agente.
Programas de Ambientes. Plataforma FIPA (THE FOUNDATION FOR
INTELLIGENT PHYSICAL AGENTS). Ontología. Gestión de Agentes. FIPA-SL
Lenguaje de Especificación de contenido. Protocolo de Interacción de Peticiones
UNIDAD No. 3: AGENTES INTELIGENTES
23/04/2019
TIPOLOGIA
En base a sus trabajos teóricos en los laboratorios de BT, propone tres
características básicas, y una clasificación inicial en base a ellas.
23/04/2019
«Los agentes constituyen el próximo avance más significativo en el desarrollo de
sistemas y pueden ser considerados como la nueva revolución en el software» (Dr.
Nicholas Jennings)
Un agente racional (agente racional ideal para Russel y Norvig) es aquel que hace
lo correcto, escogiendo acciones posibles a partir de una secuencia de
percepciones que tratan de optimizar su medida de rendimiento.
NOTA: Es aquel que se rige por el Principio de Racionalidad de Newell.
TIPOLOGIA: AGENTES RACIONALES
23/04/2019
De acuerdo a como se combinen las características de los agentes y en función del
caso de estudio cuales seas las que tengan mayor énfasis, los agentes se clasifican
en:
• Agentes de Reflejo Simple
• Agentes Bien Informado
• Agentes Basados en Metas
• Agentes Basado en Utilidad
• Agentes con Capacidad de Aprendizaje
TIPOLOGIA: AGENTES RACIONALES
23/04/2019
Todos los agentes son movidos por tendencias. Algunas de ellas pueden provenir
de su entorno mientras que otras son internas de los agentes En el primer caso
se habla de agentes reflejos simples (Simple-Reflex Agent: SRA).
Una salida elegante a esta explosión en tamaño es recurrir a reglas de
condiciónacción, tan utilizadas desde la década del 70 en la representación del
conocimiento en Sistemas Expertos, del tipo:
if <condición> then <acción>
TOPOLOGIA: AGENTE DE REFLEJO SIMPLE
23/04/2019
TIPOLOGIA: AGENTE DE REFLEJO SIMPLE
23/04/2019
TIPOLOGIA: AGENTE DE REFLEJO SIMPLE
23/04/2019
TIPOLOGIA: AGENTE DE REFLEJO SIMPLE
Ejemplo1: La Aspiradora
Se dispone de una aspiradora con acceso a dos habitaciones y con la
capacidad de aspirar la basura. La percepción de dicha maquina es la
localización y el contenido de dicha habitación. Ejemplo: (A, Sucio).
Las acciones que se pueden realizar son:: Izquierda, Derecha, Aspirar,
Hacer_nada.
23/04/2019
TIPOLOGIA: AGENTE DE REFLEJO SIMPLE
Function Agente_Aspiradora ([ubicacion, estado])
if estado=sucio then return aspirar
else if ubicación=A then return Derecha
else if ubicación=B the return Izquierda.
returns an action
Secuencias de Percepciones Acciones
[A, limpio]
[A, sucio]
[B, limpio]
[B, sucio]
[A, limpio][A, limpio]
[A, limpio][A, sucio]
…
Derecha
Aspirar
Izquierda
Aspirar
Derecha
Aspirar
…
23/04/2019
TIPOLOGIA: AGENTE DE REFLEJO SIMPLE
23/04/2019
TIPOLOGIA: AGENTE BIEN INFORMADO
La actualización del estado interno en función del tiempo lleva a incluir
dos tipos de conocimiento en el programa del agente:
Información relativa a como evoluciona el mundo independiente del
agente.
Información relativa a como afectan al mundo las acciones del agente.
Estos agentes reciben el nombre de agentes bien informados o
agentes reflejos con estado (Reflex-Agent-With-State RAWS).
23/04/2019
TIPOLOGIA: AGENTE BIEN INFORMADO
23/04/2019
TIPOLOGIA: AGENTE BASADOS EN METAS
Muchas veces no basta con el conocimiento del estado del entorno
para tomar decisiones. Con frecuencia se encuentran situaciones
donde es imprescindible tener en cuenta la meta, entonces se pide
que el agente concilie las características de un agente informado con
los resultados de posibles acciones a encarar, permitiéndole refinar
el método de alcanzar una meta.
23/04/2019
TIPOLOGIA: AGENTE BASADO EN METAS
23/04/2019
TIPOLOGIA: AGENTE BASADO EN METAS
Function REFLEX-AGENT-WITH-STATE(percepcion) returns accion
Estatico : estado, una descripción prevaleciente del estado del mundo
reglas: conjunto de reglas condicion-acción
Estado <- Actualizar Estado(estado, percepción)
Regla <-. Regla Coincidencia (estado, reglas)
Accion <- Regla-Acción (regla)
Estado <- Actualizar-Estado (estado, percepción)
Returns accion
23/04/2019
TIPOLOGIA: AGENTE BASADOS EN UTILIDAD
La utilidad de un agente es una función que cuantifica el grado de
satisfacción con un numero real, caracterizador del grado de satisfacción
del agente.
Una especificación de la función de utilidad permite que un agente resuelva
problemas encontrados en la solución obtenida, como ocurre en los
siguientes casos:
• Cuando la consecución de una meta implica conflictos entre parámetros
del sistema.
• Cuando existen simultáneamente varias metas que el agente deba
satisfacer.
23/04/2019
TIPOLOGIA: AGENTE BASADOS EN UTILIDAD
23/04/2019
TIPOLOGIA: AGENTE CON CAPACIDAD DE APRENDIZAJE
Hasta el momento se analizaron variantes que no poseían una
estructura con capacidad de aprender. Al plantearse esta
necesidad se propone un agente que difiere un tanto de la
propuesta de Russell-Norvig. En el siguiente esquema nótese la
existencia de dos módulos:
- Modulo Ejecutor (ME)
- Modulo Aconsejador (MA)
23/04/2019
TIPOLOGIA: AGENTE CON CAPACIDAD DE APRENDIZAJE
Modulo Ejecutor (ME) integra elementos típicos de los agentes en su
estructura interna teniendo especial cuidado con el efecto que sobre ellos
produce el Modulo Aconsejador mediante las líneas modificadas y
modificaciones alternativas.
La visión del mundo que percibe el agente a través de sus sensores puede
ser una vision parcial. Esta situación podría causar errores significativos,
debido a que las señales generadas por el ENTORNO no resulten una
muestra significativa del estado de dicho MEDIO.
23/04/2019
TIPOLOGIA: AGENTE CON CAPACIDAD DE APRENDIZAJE
23/04/2019
TIPOLOGIA: AGENTE CON CAPACIDAD DE APRENDIZAJE
Procedure learning (percepcion, ideal)
Parametros : metas
Divergencia funcion_critico(percepcion, ideal)
Modifica1 funcion_aprendizaje(divergencia, metas, comp_actual)
Modifica2 variante_modifica(metas)
case
modifica1
Comp_actual funcion comportamiento (modifica1, percepcion)
modifica2
comp_actual funcion comportamiento(modifica2, percepcion)
endcase
Return accion (comp_actual)
End learning
23/04/2019
https://catedras.facet.unt.edu.ar/intar/