Inteligencia Artificial

I Introduccin a la IA 2. Agentes Inteligentes

Dr. Edgard Ivn Bentez Guerrero

Dr. Edgard I. Bentez G.

Inteligencia Artificial

2. Agentes Inteligentes
Agentes y su entorno Agentes racionales y REAS Propiedades de los entornos de trabajo Tipos de agentes

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes
Un agente es cualquier cosa que puede percibir su entorno a travs de sensores y actuar sobre l mediante actuadores Agente humano: ojos, odos, y otros rganos como sensores; manos, piernas y otras partes del cuerpo como actuadores Agente robtico: cmaras e infrarrojos como sensores; motores como actuadores

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes y entornos

La funcin del agente mapea la historia de las percepciones a acciones: [f: P* A] El programa del agente implementa la funcin Descripcin matemtica abstracta (funcin) vs implementacin (programa)
Dr. Edgard I. Bentez G. Inteligencia Artificial 4

El mundo de la aspiradora

Percepcin: ubicacin y contenido, e.g., [A, Dirty] Acciones: Left, Right, Suck, NoOp

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Un agente aspirador

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes racionales
Un agente debe decidir hacer lo correcto, basndose en lo que puede percibir y las acciones que puede realizar. La accin correcta es aquella que causar que el agente tenga ms xito. Medida de rendimiento: criterio objetivo para medir el xito de la conducta de un agente Ejemplo: las medidas de rendimiento del agente limpiador pueden ser, entre otras:
La cantidad de polvo eliminado La cantidad de tiempo que le tom hacerlo La cantidad de electricidad consumida
Dr. Edgard I. Bentez G. Inteligencia Artificial 7

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 tenga almacenado El agente limpiador es racional?

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes racionales
La racionalidad es diferente de la omnisciencia (conocer todo con conocimiento infinito) Los agentes pueden ejecutar acciones con el objetivo de modificar percepciones futuras para obtener informacin til (recopilacin de informacin, exploracin) El agente debe aprender lo mximo posible de lo que est percibiendo Un agente es autnomo si su comportamiento queda determinado por su propia experiencia, compensando conocimiento incompleto o parcial
Dr. Edgard I. Bentez G. Inteligencia Artificial 9

REAS
El Rendimiento, el Entorno, los Actuadores y los Sensores (REAS) deben especificarse para guiar el diseo de agentes Ejemplo: la tarea de disear un taxista automtico
Rendimiento: Seguro, rpido, legal, viaje cmodo, maximizar ganancias Entorno: caminos, trfico, peatones, clientes Actuadores: volantes, acelerador, clutch, seales, claxon Sensores: Camaras, sonar, tacometro, GPS, sensores en el motor

Dr. Edgard I. Bentez G.

Inteligencia Artificial

10

Propiedades de los entornos

Totalmente observable (vs. parcialmente observable)
Totalmente observable: los sensores del agente le proporcionan acceso al estado completo del entorno; i.e. los sensores detectan todos los aspectos relevantes a la toma de decisiones Parcialmente observable: no es totalmente observable debido al ruido y a sensores poco exactos o que no reciben la informacin del sistema

Determinstico (vs. estocstico).

Determinista: si el siguiente estado del entorno est totalmente determinado por su estado actual y la accin ejecutada por el agente Estocstico: no determinista Entorno estratgico: medio determinista excepto para las acciones de otros agentes

Dr. Edgard I. Bentez G.

Inteligencia Artificial

11

Propiedades de los entornos

Episdico (vs. secuencial)
Entorno episdico: cuando la experiencia del agente se divide en episodios atmicos independientes, donde cada episodio consiste en la percepcin del agente y la realizacin de una nica accin posterior Entorno secuencial: no existe dicha divisin y una decisin presente puede afectar a decisiones futuras

Esttico (vs. dinmico)

Esttico: el entorno no cambia mientras el agente est deliberando Dinmico: el entorno s cambia Semi-dinmico: el entorno no cambia con el paso del tiempo, pero el rendimiento del agente cambia

Dr. Edgard I. Bentez G.

Inteligencia Artificial

12

Propiedades de los entornos

Discreto (vs. continuo)
Discreto: el entorno tiene un nmero finito de estados distintos Continuo: no es posible enumerar los estados

Agente individual (vs. multiagente)

Individual: un solo agente resolviendo un problema Multiagente: varios compitiendo o cooperando

Dr. Edgard I. Bentez G.

Inteligencia Artificial

13

Propiedades de los entornos

Problema complejo: parcialmente observable, estocstico, secuencial, dinmico, continuo, multiagente Las propiedades del entorno determinan en gran medida el diseo de agentes
Dr. Edgard I. Bentez G. Inteligencia Artificial 14

Estructura de los agentes

Un agente es completamente especificado por la funcin que mapea secuencias de percepciones a acciones (e.g. que determina su conducta) El trabajo de la IA es disear el programa del agente que implemente la funcin del mismo El programa se ejecutar en alguna computadora con sensores y actuadores, lo que se conoce como arquitectura Agente = arquitectura + programa

Dr. Edgard I. Bentez G.

Inteligencia Artificial

15

Tipos de agentes
Cuatro tipos bsicos en orden incremental de generalidad:
Agentes reactivos simples Agentes reactivos basados en modelos Agentes basados en objetivos Agentes basados en utilidad

Estos agentes se pueden convertir en agentes que aprendan

Dr. Edgard I. Bentez G.

Inteligencia Artificial

16

Agentes reactivos simples

Dr. Edgard I. Bentez G.

Inteligencia Artificial

17

Agentes reactivos simples

Dr. Edgard I. Bentez G.

Inteligencia Artificial

18

Agentes reactivos basados en modelos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

19

Agentes reactivos basados en modelos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

20

Agentes basados en objetivos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

21

Agentes basados en utilidad

Dr. Edgard I. Bentez G.

Inteligencia Artificial

22

Agentes que aprenden

Dr. Edgard I. Bentez G.

Inteligencia Artificial

23