Universidad

Azteca

ALUMNA: BEATRIZ CRUZ AYALA

MATERIA: INTELIGENCIA ARTIFICIAL
DOCENTE: ING. ENRIQUE BARCENAS
SALAS
CARRERA: LIC. INFORMTICA
ADMINISTRATIVA
CUATRIMESTRE: 8
GRUPO: SABATINO
TOLUCA, MX, ENERO DE 2016

1
Beatriz Cruz Ayala

Universidad
Azteca

AGENTES INTELIGENTES
Agente Racional. La idea es desarrollar un pequeo conjunto de
principios de diseo que sirvan para construir agentes tiles,
sistemas que se puedan llamar razonablemente inteligentes.

AGENTES Y SU ENTORNO:
Un agente es cualquier cosa capaz de percibir su medio ambiente
con la ayuda de sensores y actuar en ese medio utilizando
actuadores.
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 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.

BUEN COMPRTAMIENTO
El concepto de racionalidad:
Un agente racional es aquel que hace lo concreto, en trminos de
conceptuales, cada elemento de la tabla que define la funcin del
agente se tendr que rellenar correctamente. Obviamente hacer lo
correcto es mejor que hacer algo incorrecto, pero Qu significa
hacer lo correcto? Como primera aproximacin, se puede decir que lo
correcto es aquello que permite al agente obtener un resultado
mejor.

2
Beatriz Cruz Ayala

Universidad
Azteca
MEDIDAS DE RENDIMIENTO:
Las medidas de rendimiento incluyen los criterios que de terminan el
xito en el comportamiento del agente. Cuando se sitan un agente
en un medio este genera una secuencia de acciones de acuerdo con
las percepciones que recibe.
RACIONALIDAD:
La racionalidad es un momento determinado depende de cuatro
factores:

La medida de rendimiento que define el criterio del xito

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: Este 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.

OMNISCIENCIA, APRENDIZAJE Y AUTONOMA

Un agente omnisciente conoce el resultado de su accin y acta de
acuerdo con l; sin embargo, la omnisciencia no es posible.
La definicin de racionalidad, no requiere omnisciencia ya que la
accin racional depende solo de la secuencia de percepcin hasta la
flecha.
Los agentes con xito dividen las tareas dividen las tareas de
calcular la funcin del agente en tres periodos diferentes:
3
Beatriz Cruz Ayala

Universidad
Azteca
1. Cuando se est diseando al agente y estn los diseadores
encargados de realizar algunos de estos clculos.
2. Cuando est pensando en la siguiente informacin, el agente
realiza ms clculos.
3. Cuando est aprendiendo de la experiencia, el agente lleva a cabo
ms clculos, para decidir cmo modificar su forma de
comportarse.

LA NATURALEZA DEL ENTORNO:

Hay que centrarse en los entornos de trabajo que son esencialmente
los problemas para los que los agentes racionales son las soluciones.
ESPECIFICACION DEL ENTOR DE TRABAJO:
En la discusin de la racionalidad de un agente aspiradora simple,
hubo que especificar las medidas de rendimiento, el entorno y los
actuadores y sensores del agente. Todo ello forma lo que se llama
entorno del trabajo para cuya denominacin se utiliza el acrnimo
REAS (rendimiento, actuadores, sensores). En el diseo de un
agente, el primer paso debe ser siempre especificar el entorno de
trabajo de la forma ms completa posible.

4
Beatriz Cruz Ayala

Universidad
Azteca

PROPIEDADES DE LOS ENTORNOS DE TRABAJO:

El rango de los entornos de trabajo en los que se utilizan tcnicas de
IA es obviamente muy grande.
Totalmente observable vs parcialmente observable

Un entorno de trabajo es totalmente observable si los sensores

detectan todos los aspectos que son relevantes en la toma de
decisiones, la relevancia en cada momento, depende de las
medidas de rendimiento. Un entorno puede ser parcialmente
observable debido al ruido y a la existencia de sensores poco
exactos o por que los sensores no reciben informacin de parte
del sistema.

Determinstica vs estocstico

Si el siguiente estado del medio est totalmente determinado por

el estado actual y la accin ejecutada por el agente, entonces se
dice que el entorno es determinista y de otra forma es
estocstico.

Episdico vs secuencial

En un entorno de trabajo episdico, la experiencia del agente se

divide en episodios atmicos, cada episodio consiste en la
percepcin del agente y la realizacin de una nica accin
posterior. En entornos secuenciales la decisin presente puede
afectar a decisiones futuras; el ajedrez y el taxista, son

5
Beatriz Cruz Ayala

Universidad
Azteca
secuenciales, en ambos casos, las acciones que se realizan a
corto plazo pueden tener consecuencia a largo plazo.
Esttico vs dinmico

Los medios estticos son fciles de tratar ya que el agente no

necesita estar pendiente del mundo, mientras est tomando una
decisin, sobre una accin, ni necesita preocuparse sobre el paso
del tiempo.

Los medio dinmicos por el contrario, estn preguntando

continuamente al agente que quiere hacer, si no se ha decidido an,
entonces entiende que ha tomado la decisin de no hacer nada. Si el
entorno no cambia con el paso del tiempo, pero el rendimiento del
agente cambia, entonces se dice que es medio es semidinmico.
Discreto vs contino

La distincin 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

La distincin entre el entorno de un agente individual y el de un

sistema multiagente puede parecer suficientemente simple. Por
ejemplo un agente resolviendo un crucigrama por s mismo est
claramente por un entorno individual, mientras que un agente que
juega al ajedrez est en un entorno con dos agentes, sin embargo
hay diferencias sutiles.

6
Beatriz Cruz Ayala