1.4 Modelos de Agente Inteligente
1.4 Modelos de Agente Inteligente
1.4 Modelos de Agente Inteligente
TECNOLGICO
DEL
ISTMO
ESPECIALIDAD:
Ing. En sistemas Computacionales
ASIGNATURA:
Inteligencia Artificial
TEMA:
Modelos de Agente Inteligente
CATEDRATICO:
Ing. Flavio Aquiles Ruiz Celaya
INTEGRANTES DEL EQUIPO:
Carolina Betanzos Lpez
Mara Guadalupe Gijn Gonzlez
Itzel Toledo Lpez
Cinthia Venegas Memije
Areli Mora Olivera
Juan Carlos Matus Ruiz
Julio Garca Prez
GRUPO: X
9 SEMESTRE
Un agente humano tiene ojos, odos y otros rganos sensoriales adems de manos, piernas, boca
y otras partes del cuerpo para actuar. Un agente robot recibe pulsaciones del teclado, archivos de
informacin y paquetes va red a modo de entradas sensoriales y acta sobre el medio con
mensajes en el monitor, escribiendo ficheros y enviando paquetes por la red. Se trabajara con la
hiptesis general de que cada agente puede percibir sus propias acciones (pero no siempre sus
efectos).
El termino percepcin se utiliza en este contexto para indicar que el agente puede recibir entradas
en cualquier instante. La secuencia de percepciones de un agente refleja el historial completo de
lo que el agente ha recibido. En general, un agente tomara una decisin en un momento dado
dependiendo de la secuencia completa de percepciones hasta ese instante. Si se puede especificar
que decisin tomara un agente para cada una de las posibles secuencias de percepciones, entonces
se habr explicado ms o menos todo lo que se puede decir de un agente. En trminos
matemticos se puede decir que el comportamiento del agente viene dado por la funcin del
agente que proyecta una percepcin dada en una accin.
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.
En lo que resta de esta seccin se presentan los cuatro tipos bsicos de programas para agentes
que encarnan los principios que subyacen en casi todos los sistemas inteligentes.
Agentes reactivos simples.
Agentes reactivos basados en modelos.
Agentes basados en objetivos.
Agentes basados en utilidad.
Despus se explica, en trminos generales, como convertir todos ellos en agentes que aprendan.
Agentes reactivos simples
El tipo de agente ms sencillo es el agente reactivo simple. Estos agentes seleccionan las
acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones
histricas. La Figura 2.8 muestra el programa para este agente.
Hay que tener en cuenta que el programa para el agente aspiradora es muy pequeo comparado
con su tabla correspondiente. La reduccin ms clara se obtiene al ignorar la historia de
percepcin, que reduce el nmero de posibilidades de 4r asolo 4. Otra reduccin se basa en el
hecho de que cuando la cuadricula actual est sucia, la accin no depende de la localizacin.
Imagnese que es el conductor del taxi automtico. Si el coche que circula delante frena, y las
luces de freno se encienden, entonces lo advertira y comenzara a frenar. En otras palabras, se
llevara a cabo algn tipo de procesamiento sobre las seales visuales para establecer la condicin
que se llama (El coche que circula delante est frenando). Esto dispara algunas conexiones
establecidas en el programa del agente para que se ejecute la accin (iniciar frenado). Esta
conexin se denomina regla de condicion-accion y se representa por
si el-coche-que-circula-delante-esta-frenando entonces iniciar-frenada.
La Figura 2.9 presenta la estructura de este programa general de forma esquemtica, mostrando
como las reglas de condicion-accion permiten al agente generar la conexin desde las
percepciones a las acciones.
El programa del agente, que es tambin muy simple, se muestra en la Figura 2.10. La funcin
Interpretar-Entrada genera una descripcin abstracta del estado actual a partir de la percepcin, y
la funcin Regla-Coincidencia devuelve la primera regla del conjunto de reglas que coincide con
la descripcin del estado dada.
La Figura 2.11 proporciona la estructura de un agente reactivo simple con estado interno, muestra
como la percepcin actual se combina con el estado interno antiguo para generar la descripcin
actualizada del estado actual.
Agentes basados en objetivos
El conocimiento sobre el estado actual del mundo no es siempre suficiente para decidir qu hacer.
Por ejemplo, en un cruce de carreteras, el taxista puede girar a la izquierda, girar a la derecha o
seguir hacia adelante. La decisin correcta depende de dnde quiere ir el taxi. En otras palabras,
adems de la descripcin del estado actual, el agente necesita sita algn tipo de informacin sobre
su meta que describa las situaciones que son deseables, por ejemplo, llegar al destino propuesto
por el pasajero. El programa del agente se puede combinar con informacin sobre los resultados
de las acciones posibles (la misma informacin que se utiliz para actualizar el estado interno en
el caso del agente reflexivo) para elegir las acciones que permitan alcanzar el objetivo. La Figura
2.13 muestra la estructura del agente basado en objetivos.
En algunas ocasiones, la seleccin de acciones basadas en objetivos es directa, cuando alcanzar
los objetivos es el resultado inmediato de una accin individual. En otras ocasiones, puede ser
ms complicado, cuando el agente tiene que considerar secuencias complejas para encontrar el
camino que le permita alcanzar el objetivo.
Aunque el agente basado en objetivos pueda parecer menos eficiente, es ms flexible ya que el
conocimiento que soporta su decisin est representado explcitamente y puede modificarse. Si
comienza a llover, el agente puede actualizar su conocimiento sobre cmo se comportan los
frenos; lo cual implicara que todas las formas de actuar relevantes se alteren automticamente
para adaptarse a las nuevas circunstancias. Para el agente reactivo, por otro lado, se tendrn que
rescribir muchas reglas de condicion-accion. El comportamiento del agente basado en objetivos
puede cambiarse fcilmente para que se dirija a una localizacin diferente. Las reglas de los
agentes reactivos relacionadas con cuando girar y cuando seguir recto son vlidas solo para un
destino concreto y tienen que modificarse cada vez que el agente se dirija a cualquier otro lugar
distinto.
Agentes basados en utilidad
Una funcin de utilidad proyecta un estado (o una secuencia de estados) en un numero de
utilidad permite tomar decisiones racionales en dos tipos de casos en los que las metas son
inadecuadas. Primero, cuando haya objetivos conflictivos, y solo se puedan alcanzar algunos de
ellos (por ejemplo, velocidad y seguridad), la funcin de utilidad determina el equilibrio
adecuado. Segundo, cuando haya varios objetivos por los que se pueda guiar el agente, y ninguno
de ellos se pueda alcanzar con certeza, la utilidad proporciona un mecanismo para ponderar la
probabilidad de xito en funcin de la importancia de los objetivos.
La crtica indica al elemento de aprendizaje que tal lo est haciendo el agente con respecto a un
nivel de actuacin fijo. La crtica es necesaria porque las percepciones por si mismas no prevn
una indicacin del xito del agente.
Bibliografa
Stuart R., Peter N., (2004), Inteligencia Artificial un Enfoque Moderno, Pearson
Educacin, S.A., Madrid, Editorial Prentice Hall.
Antonio B., (2007), Inteligencia Artificial Clsica, Madrid, Editorial Escolar y
Mayo.