SlideShare una empresa de Scribd logo

Inteligencia artificial

Descargar como PPT, PDF
K
KETTYVQV

El documento trata sobre los agentes inteligentes y los sistemas multiagentes. Explica que los agentes inteligentes son entidades autónomas capaces de percibir y actuar sobre su entorno. También describe que los sistemas multiagentes están compuestos por múltiples agentes que interactúan entre sí y con el entorno para lograr objetivos individuales o compartidos. Finalmente, introduce algunas arquitecturas y teorías formales sobre cómo representar y razonar acerca de las propiedades de los agentes inteligentes.

1 de 88
Descargado 67 veces
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
AGENTES INTELIGENTES Introducción a la Inteligencia Artificial LCC
SISTEMAS MULTIAGENTES Campo Interdisciplinario: sistemas distribuidos, IA, teoría de juegos, ciencias sociales Agentes como un nuevo paradigma de la Ingeniería de Software: para diseñar e implementar sistemas complejos distribuidos Agentes como una herramienta para entender sociedades humanas: permiten una interesante forma de simular sociedades
AGENTES INTELIGENTES NOCION DE AGENCIA IA Distribuida Ingeniería de software Sistemas distribuidos y redes POO
AGENTES EN LA IA
INTELIGENCIA ARTIFICIAL Las nuevas tendencias... Las capacidades de aprendizaje de las redes neuronales y otras técnicas Conocimiento de los expertos en forma de ejemplos, ensayo y error. Los SE con técnicas de RA Conocimiento abstracto, lógico y aproximado de los expertos. Los agentes (IA distribuida) Conocimiento sobre los métodos de cooperación en un conjunto de expertos (explotar las interacciones)
INTELIGENCIA ARTIFICIAL DISTRIBUIDA Porque IA Distribuida? Porque distribuir IA? Los problemas están físicamente distribuidos El mundo está compuesto por entidades autónomas Estas entidades interactúan entre si y con el entorno NOCION AGENTES
INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI- MIT ´80) Disciplina dirigida al desarrollo de métodos y técnicas para la solución de problemas complejos por medio del comportamiento inteligente de un sistema integrado por unidades llamadas agentes .
INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI) Uno de los principales objetivos es entender los principios subyacentes al comportamiento de múltiples entidades del mundo denominadas agentes , y sus interacciones. Cómo los agentes interactúan y producen un comportamiento general del sistema multiagente (MAS).
Noción de agente Cuando se hace referencia a la idea de agente surgen dos ámbitos de trabajo: El agente en sí mismo Los conjuntos de agentes Similitud con lo que sucede a nivel humano
Noción de agente Tendremos un comportamiento ¨personal¨ Tendremos un comportamiento ¨social¨ producido por un conjunto de agentes Lenguaje metafórico
QUE ES UN AGENTE? Es una entidad física o virtual que posee ciertas características generales: Es capaz de percibir el entorno Posee una representación parcial del entorno. Es capaz de actuar sobre el entorno Puede comunicarse Posee un conjunto de objetivos que gobiernan su comportamiento Posee recursos propios
Sistemas Multiagentes (MAS) SISTEMAS COMPLEJOS Pueden ser descompuestos en componentes de software modulares y de funciones específicas: agentes Son concebidos como organizaciones de agentes MAS
Sistemas Multiagentes Son sistemas con los siguientes Componentes esenciales: Un entorno E Un conjunto de objetos O en E Un conjunto de agentes A / A  O Un conjunto de relaciones en O Un conjunto Op de operaciones
Sistemas Multiagentes (MAS) Los agentes deben compartir conocimientos sobre el problema y las posibles soluciones. Los agentes en un MAS pueden compartir una meta o tener metas independientes. El ¨ conocimiento global ¨puede incluir control global, consistencia global, metas globales, etc La coordinación puede ser muy compleja
SISTEMAS MULTIAGENTES (MAS) CARACTERISTICAS Cada agente tiene información y capacidades limitadas para resolver un problema No hay un control global del sistema Los datos están descentralizados Computación es asincrónica Proveen mas robustez, eficiencia y permiten la interoperatividad de sistemas existentes
QUE ES UN AGENTE?
QUE ES UN AGENTE ???? QUE DISTINGUE A UN AGENTE DE SOFTWARE (SOFTBOT) DE OTRO TIPO DE PROGRAMA ???? Distintas Definiciones: A Taxonomy for Autonomous Agents , S. Franklin and Art Graesser University of Memphis
QUE ES UN AGENTE ???? " Es todo aquello que percibe su ambiente mediante sensores y que responde o actúa mediante efectores ." Russell and Norvig The AIMA Agent , 1995 Que entendemos por ambiente, sensores y actuación ?
AGENTE Representación Norvig&Russell
QUÉ ES UN AGENTE INTELIGENTE Un agente inteligente es aquél que pueda percibir un mundo perceptual mediante SENSORES y actuar sobre ese mundo mediante EFECTORES (o actuadores) META de la IA Diseñar un agente inteligente/racional que opere o actúe adecuadamente en sus ambientes.
AGENTE INTELIGENTE /RACIONAL??? Debe hacer siempre lo correcto de acuerdo a sus percepciones. Es aquel que emprende la mejor acción posible en una situación dada. Russel & Norvig
RACIONALIDAD Depende de LA SECUENCIA DE PERCEPCIONES - TODO LO QUE EL AGENTE HA PERCIBIDO HASTA AHORA LA MEDIDA DE ÉXITO ELEGIDA CUÁNTO CONOCE EL AGENTE DEL AMBIENTE EN QUE OPERA LAS ACCIONES QUE EL AGENTE ESTÉ EN CONDICIONES DE REALIZAR
AGENTE INTELIGENTE IDEAL El agente inteligente ideal es el que, para cualquier secuencia arbitraria de percepciones , logre con su ACCION maximizar la medida de su buen éxito . Para ello usa su secuencia de percepciones su conocimiento internalizado Racional no es omnisciente
PRR (Herbert Simon) El Principio de la Racionalidad Restringida alega que la racionalidad óptima ideal NO es el buen éxito perfecto. Ningún ser humano apela a una mayor racionalidad que la necesaria para sus fines prácticos. Las limitaciones de un agente SENSORES EFECTORES y POTENCIA COMPUTACIONAL disponible y óptima económica conducen a que la racionalidad ideal sea imposible e impráctica . MAXIMA PERFORMANCE !!!
QUE ES UN AGENTE ???? “ Es un sistema de computación situado en algún entorno, que es capaz de una acción autónoma y flexible para alcanzar sus objetivos de diseño ." Wooldridge & Jennings Débil Nociones de Agentes Fuerte
AGENTES: propiedades Noción Débil: Es la forma más general en que es usado el término agente. Es un sistema de software (hardware) con las siguientes propiedades : Autonomía . (actuar sin intervención, control) Habilidad Social .(lenguaje de comunicación) Reactividad . (percepción-acción) Proactividad . (dirigido a la meta, toma iniciativa)
AGENTES: propiedades Autonomía: La característica principal de los agentes es su autonomía. : Un sistema autónomo es capaz de actuar independientemente, exhibiendo control sobre su estado interno.
AGENTES: propiedades Reactividad: La mayoría de los entornos interesantes son dinámicos : Un sistema reactivo es aquél que mantiene una interacción continua con el entorno y responde a los cambios que se producen en él, en tiempo de respuesta adecuado.
AGENTES: propiedades Proactividad: Generalmente se espera que un agente haga cosas para nosotros : Un sistema proactivo es aquél que genera e intenta alcanzar metas, no es dirigido sólo por eventos toma iniciativa reconoce oportunidades
AGENTES: propiedades Habilidad social: El mundo real es un entorno multiagente, no podemos alcanzar nuestras metas sin tener a otros en cuenta. : La habilidad social en los agentes es la capacidad de interacción con otros agentes (posiblemente humanos) a través de algún tipo de lenguaje de comunicación de agentes.
AGENTES: ejemplos Ejemplos Agentes triviales Termostato demonio en UNIX (biff) Agentes inteligentes agente planificador de vuelos agentes de interfaz agentes para e-commerce
AGENTE: nociones mentales Noción más fuerte : IA Además de las propiedades anteriores, se agregan nociones mentales como: Conocimiento. Actitudes de Creencias. información Intenciones . Obligaciones Pro-actitudes (Emociones).
ACTITUDES DE INFORMACION Creencia es la información que un agente recibe de otros agentes (software, personas). Todo sistema cuando recibe información se construye un mundo que intenta representar el mundo exterior. Evidencia es la información que proviene de mediciones o inspecciones directas .
REPRESENTACIÓN DE CREENCIAS El agente A cuando recibe esa información, lo que tiene es una creencia de que hace muy buen tiempo. EJEMPLO:
AGENTE: otras propiedades Otros atributos: Varios de estos atributos también se suelen discutir en el contexto de agencia: Movilidad . Veracidad . (no comunica información falsa) Benevolencia . (trata de hacer lo que se le pide) Racionalidad . (actuará para lograr sus metas) Solitario, parásito, social,…
TIPOS DE AGENTES Estáticos o móviles. Deliberativos o reactivos El agente posee una representación del mundo en base a la que razona o tiene un comportamiento reflejo que depende de sus percepciones ??? Otras clasificaciones
TIPOS DE AGENTES COOPERATIVOS AUTONOMOS APRENDEN AGENTES INTELIGENTES Source: H. Nwana, Software Agents: An Overview COLABORATIVOS AGENTES DE INTERFAZ COLABORATIVOS/ APRENDEN
Ejemplo Ejemplo – Taxi con piloto automático (taximetrero reemplazado por un agente inteligente ) Percepciones ?? acciones ?? Metas ?? Ambiente ??
Taxi con piloto automático Percepciones Video, acelerómetro, instrumental del tablero, sensores del motor acciones gestión del volante, acelerar y frenar, bocina Metas seguridad, llegar a destino, maximizar ganancias, obedecer las leyes, satisfacción del cliente Ambiente calles urbanas, avenidas, tráfico, peatones, clima, tipo de cliente
Ejemplos de distintos tipos de agentes Para identificar a un agente debemos analizar:
AMBIENTES
PROPIEDADES DE LOS AMBIENTES Norvig & Russell cap2 Accesible/Inaccesible Si los sensores proporcionan todo lo que hay que saber sobre el estado completo del ambiente - necesario para elegir una acción - entonces el ambiente es accesible al agente. Determinístico/No-determinístico (estocástico) Si el estado siguiente del ambiente está determinado plenamente por el estado presente del mismo, y por la acción del agente - se trata de un ambiente determinístico. Episódico/No-episódico Un ambiente episódico implica que los episodios siguientes no dependen de las acciones que ocurrían en episodios previos.
PROPIEDADES DE LOS AMBIENTES (2) Estático/Dinámico Será estático todo ambiente que no cambie mientras el agente está pensando (computa una buena estrategia) Discreto/Continuo Discreto - con escaso número de percepciones y acciones en el ambiente. Continuo - el otro caso. Sin adversario/con adversarios racionales Los ambientes ingenieriles suelen ser sin adversario. Los ambientes sociales y económicos aumentan en su complejidad por la presencia de interacciones entre uno o más adversarios (por ejemplo en la Bolsa).
Tipos de ambientes y sus características Solitario sí - sí - no - sí - sí Taxi no - no -no - no - no Accesible Determinístico Episódico Estático Discreto
Tipos de ambientes y sus características
ARQUITECTURAS DE AGENTES
SISTEMAS MULTIAGENTES: Como especificarlo? DISTINTOS NIVELES : TEORIAS FORMALES. ARQUITECTURAS. LENGUAJES DE PROGRAMACION. APLICACIONES. Wooldridge & Jennings (1995) Intelligent Agents: Theory and Practice
TEORIAS SOBRE AGENTES Que es un agente? Que propiedades debe tener? Cómo se representan dichas propiedades formalmente? Cómo se razona acerca de ellas?
MODELO ABSTRACTO entorno: S={s1, ....,sn} Acciones A= {a1,...an} (capacidad de actuar del agente) Agente : acción: S k  A Interacción Agente-entorno (historia) h: S 0  a0 S 1 .......  S 0 Observación del entorno: ver:S  P
MODELO ABSTRACTO entorno: S={s1, ....,sn} Observación del entorno: ver: S  P Un agente en general tiene una percepción parcial, s 1 ,s 2  S son indistinguibles si: ver(s 1 ) = ver(s 2 ) relación de equivalencia  situaciones extremas:  =  S  agente con percepción perfecta: Omnisciente  = 1 agente para el cual todos los estados son indistinguibles
TEORIAS Y ARQUITECTURAS Algunas de las propiedades estudiadas son: REACTIVIDAD/DELIBERACION INTENCIONALIDAD En que grado se puede considerar a los agentes como un sistema intencional ACTITUDES: El comportamiento de un agente es previsto y explicado a través de la atribución de actitudes (creencias, deseos, preferencias,etc) Nociones intencionales
SISTEMA INTENCIONAL Un sistema es intencional si su comportamiento puede ser predicho atribuyéndose creencias, deseos y conducta racional. (D. Dennet, 1987) Primer orden: tiene creencias y deseos, pero no creencias y deseos acerca de creencias y deseos. Segundo orden: tiene creencias y deseos acerca de creencias y deseos.
ACTITUDES Cuáles son las necesarias para modelizar adecuadamente a un agente ??? Actitudes informacionales: creencias y conocimiento Pro-actitudes: deseos, intenciones, obligación, compromiso.
TEORIAS FORMALES SOBRE AGENTES Son especificaciones formales, es decir, estudios formales acerca de las propiedades, su representación y cómo razonar sobre ellas. Agentes como sistemas intencionales (creencias, conocimiento, deseos, intención, obligación,…). Formalización lógica de una teoría sobre intenciones (creencias y objetivos)
ARQUITECTURA DE AGENTES Como deben construirse los agentes para que tengan las propiedades que deseamos? Que estructuras de software o hardware son necesarias para soportar esta arquitectura ? Representa un punto intermedio entre la especificación y la implementación
ARQUITECTURA DE AGENTES Uno de los aspectos que deben balancear es la percepción/acción y el razonamiento sobre como actuar. (Intelligence Agent: Theory and Practice) DELIBERATIVAS: Contienen un modelo simbólico, explícitamente representado del entorno se basa en Hípótesis del sistema de símbolos físicos - SS (IRMA) REACTIVAS: Generalmente no incluyen representación simbólica del mundo - la inteligencia real está ¨situada¨´- interacción (Subsumption architecture) HIBRIDAS: Tratan de combinar las dos aproximaciones - (layers, BDI architecture s)
ARQUITECTURA DE AGENTES Wooldridge 2002- An Introduction to Multiagent Systems DEDUCTIVE REASONING AGENTS Aproximaciones simbólicas/lógicas PRACTICAL REASONING AGENTS : Deliberación + razonamiento Means-Ends. PRS (Procedural Reasoning System) - Arquitectura BDI REACTIVE AND HIBRID AGENTS: rechazan la representación simbólica - comportamiento emergente - interacción
Tipos de Agentes (Norvig&Russell) De reflejo simple se basan en reglas condición/acción. Carecen de memoria referente a estados pasados del mundo. Bien informado de lo que pasa con un estado interno usado para almacanar estados pasados del mundo. Basados en meta (proactivos) además de disponer de información sobre el estado, tienen una meta que describe situaciones deseables. Basados en Utilidad basan su decisión en la teoría de la utilidad para actuar racionalmente.
Un agente reactivo (reflejo) Las reglas condición-acción permiten establecer la conexión entre percepción y acción. Los rectángulos se usan para indicar el estado interno en un momento. Interpret-input genera una descripción abstracta del estado mostrado por la percepción Rule-match produce una regla del conjunto que satisface la percepción
Agentes bien informados de lo que pasa La actualización del estado interno requiere : conocimiento acerca de la forma como el mundo cambia conocimiento acerca de la forma en que el mundo cambia con la acción del agente Pero el conocimiento del estado interno no siempre es suficiente pues se requiere conocer la meta a lograr
Agentes basados en una Meta Razonando acerca de acciones la búsqueda y la planificación ayudan a razonar acerca de cuál acción logra la meta el agente es menos eficiente pero más adaptativo y flexible
Agentes basados en Utilidad Función Utilidad es un mapeo de estados - números reales lleva a decisiones racionales en situaciones de metas en conflicto
ARQUITECTURA BDI Tiene sus raíces en ver a los agentes como sistemas intencionales, los primeros trabajos son de Rao&Georgeff 1995 B: belief, representa las creencias del agente D: desire, representan los deseos del agentes, cuales son los estados del mundo que prefiere. I: intentions, representan las intenciones del agente, los objetivos que me llevaran a satisfacer los deseos - estos derivan en un plan
ARQUITECTURA BDI Tiene sus raíces en el proceso de decidir que ación realizar para alcanzar las metas. Involucra los procesos: Deliberación: : decidir que metas alcanzar (DESEOS) Razonamiento de medios y fines: como alcanzarlas INTENCIONES acciones Alternativas para alcanzar la meta
ARQUITECTURA BDI PROPIEDADES DE LAS INTENCIONES (Bratman, 1978, 1990) Las intenciones tienen el rol de provocar acciones Las intenciones tienen la propiedad de persistencia hasta que: Las cumple no puede lograrlas ya no sean válida Reconsideración de las intenciones !! Costo??
ARQUITECTURA ??? EFECTORES SENSORES CREENCIAS DESEOS INTENCIONES
ARQUITECTURA BDI – modelo básico Es necesario mantener tres estructuras de datos: Bel: el conj. de todas las creencias posibles. Des: el conj. de todas las deseos posibles. Int: el conj. de todas las intenciones posibles. La representación mediante fórmulas lógicas de 1er orden suele ser la más adecuada Debe haber una noción de consistencia definidos sobre ellos
ARQUITECTURA BDI – modelo básico La función que agrupará todas las funciones definidas será : P  A Función acción p: P , A Begin B = F B (p: P) D = opciones ( B) I = filtro(B,D,I) return (ejecutar(I)) End
Ejemplo: TERMOSTATO D = mantener temperatura en T B = { t (A), OK(T) } I = { Calentar, Enfriar, nada} P  t (actual)  B Filtro: - Si A > T entonces I = Enfriar - Si A < T entonces I = Calentar - Si A = T entonces I = Nada Acción: Case I de Enfriar Acción = bajar temp Calentar Acción = subir temp Nada Acción = nada
LENGUAJES DE AGENTES Como deben programarse estos agentes ? Cuáles deben ser las primitivas para esta tarea? Cómo es posible hacer que estos lenguajes provean un marco efectivo ?
LENGUAJES DE AGENTES Es un lenguaje que permite programar sistemas computacionales, en términos de conceptos desarrollados en modelos formales de agentes Actor Model (Hewitt): Lenguaje concurrente orientado a objetos (antecesores a lenguajes de agentes) Agent0 (Shoham, 1990) : Nuevo paradigma para programación de agentes. Concurrent METATEM (Fisher, 1994) JASON, JACK, JADE
AGENTES PARA CONSTRUIR SISTEMAS MULTIAGENTES
Sistemas Multiagentes COORDINACION Para que un conjunto de agentes pueda desarrollar una actividad conjunta en un entorno compartido debe existir algún tipo de coordinación AGENTES COOPERATIVOS AGENTES COMPETITIVOS PLANIFICACION NEGOCIACION
INTERACCION ENTRE AGENTES Para que dos o mas agentes puedan interactuar deben disponer de: Un protocolo de interacción: ( como mantener una conversación) Un lenguaje de interacción (como construir mensajes) KQML FIPA ACL Un lenguaje para representar el conocimiento de cada agente
AGENTES DE OBJETOS A AGENTES OBJETOS: Están programados para hacer lo que está definido cuando se invoca un método AGENTES: Al recibir un mensaje toman la decisión sobre que hacer (autónomos!!! Mayor flexibilidad en su comportamiento)
OBJETOS Y AGENTES Los agentes incorporan una noción más fuerte de autonomía que los objetos, en particular deciden si realizar o no una acción. Los agentes son capaces de un comportamiento flexible (reactivos, proactivos, social) y los modelos de objetos no incluyen comportamientos.
AGENTES DE OBJETOS A AGENTES OBJETOS AGENTES Objects do it for free; agents do it because they want to
reputación, consistencia,… Ninguna Restricciones sobre métodos Informar, requerir, ofrecer,… Sin restricciones Tipo de mensajes Paso de mensajes, métodos Paso de mensajes, métodos Cómputo Creencias, pedidos, capacidades,… Sin restricciones. Estado agente Objetos Unidad Básica AOP OOP
AGENTES Y SISTEMAS EXPERTOS Los sistemas expertos ¨clásicos¨ no están acoplados al entorno en el cual actúan, suelen usar un intermediario. SE Generalmente no son capaces de un comportamiento reactivo, proactivo SE suelen no estar equipados de habilidad social (cooperación, coordinación y negociación) Algunos SE (tareas de control en tiempo real) se comportan como agentes
APLICACIONES DE AGENTES Hay múltiples aplicaciones de sistemas multiagentes, las principales áreas de aplicación son: Resolución cooperativa de problemas: Gestión de plantas eléctricas y redes de telecomunicaciones (ARCHON), control de tráfico aéreo, diagnóstico médico. Agentes Interfaz: sistemas que emplean técnicas de IA para apoyar a los usuarios en una tarea determinada, (NEWT, NewsAgent, PersonalSearcher ). MAS especializados en Infomación: sistemas que acceden a fuentes de información y la procesan para dar respuesta a los usuarios (QueryGuesser).
BIBLIOGRAFIA Inteligencia Artificial. Un enfoque moderno – Norvig & Russell , cap2 An Introduction to Multiagent Systems. M. Wooldridge - J. Whiley & Son, 2002 Agents: How to get started http://www.cs.wpi.edu/Research/airg/Agents-intro.html The many faces of Agents- K. Sycara, AAAI , summer 1998. Software Agents: An Overview http://more.btexact.com/projects/agents/publish/papers/review1.htm Software Agents- N. Jennings & M. Wooldridge- IEE Review, Jan 1996, 0017-20 Links: http://www.csc.liv.ac.uk/~mjw/links/
APENDICE
QUE ES UN AGENTE ???? ¨Agentes autónomos son sistemas de computación que están en algún entorno complejo y dinámico , sensan y actúan autónomamente en este entorno y haciendo esto realizan un conjunto de metas o tareas para las cuales fueron diseñados¨ P. Maes 1995 [ MIT's Media Lab ] Los agent e s deben act uar autónom amente para &quot;realiz ar un conjunto de metas &quot;
QUE ES UN AGENTE ???? Los agent e s inteligentes continu amente realizan tres funciones : per ciben las condiciones dinámicas del entorno ; act úan para afectar las condi c ion e s e n el en torno y razonan para interpretar las percepciones , resolver problemas , realizar inferenc ias , y determin ar acion e s. Hayes-Roth 1995 [Standford, Knowledge Systems Laboratory ]
QUE ES UN AGENTE ???? “ Los agentes i nteligent es son entidades de software que realizan un conjunto de operaciones en la voluntad de un usuario u otro programa , con cierto grado de independencia o autonomía , y al hacerlo emplean conocimiento o representación de los objetivos o deseos del usuario .&quot; IBM Agent
El lenguaje puede ser ejecutado con el siguiente intérprete de agentes INTERPRETE GENERAL
Algo más (Randall Beer) Los navegantes europeos aplican la planificación a su derrotero - lo trazan en el mapa y se sujetan a él, corrigiendo los desvíos. Los navegantes truqueses aplican toda su atención a todos los detalles de las olas, los vientos, las aves y las corrientes de cada momento y llegan a su destino de una manera práctica. A la hora de explicar por qué hicimos lo que hicimos, ¿no seremos truqueses disfrazados de europeos?
IIA/AGENTES - 2002 INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI – MIT en los 80´s) RESOLUCION DISTRIBUIDA DE PROBLEMAS (DPS) Fases: descomposición- resolución de subproblemas-síntesis SISTEMAS MULTI-AGENTES (MAS) Significado mas general Usado para referir a todo sistema compuesto por múltiples componentes autónomos (semi-autónomos) .

Más contenido relacionado

PPTX
Sistemas Multiagente
Juan Carlos García Ojeda
 
PPTX
Sistemas MultiAgente
Fernando Sancho Caparrini
 
PPT
Agentes
Leonardo Bernal Zamora: Docente, Internauta y convencido de la educación para todos
 
PPTX
Agente inteligente
jose luis barrientos
 
PPT
Agentes Inteligentes
guestcd9e5e
 
PPTX
Simulación basada en agentes y multi agentes
Verónica Es'Loo
 
DOCX
Agente inteligente
Ricardo Parra
 
PDF
Unidad No. 5 - Agentes Inteligentes
Milton Klapp
 
Sistemas Multiagente
Juan Carlos García Ojeda
 
Sistemas MultiAgente
Fernando Sancho Caparrini
 
Agentes
Leonardo Bernal Zamora: Docente, Internauta y convencido de la educación para todos
 
Agente inteligente
jose luis barrientos
 
Agentes Inteligentes
guestcd9e5e
 
Simulación basada en agentes y multi agentes
Verónica Es'Loo
 
Agente inteligente
Ricardo Parra
 
Unidad No. 5 - Agentes Inteligentes
Milton Klapp
 

La actualidad más candente (10)

DOCX
Agentes inteligentes
Israel Rey
 
DOCX
Agentes inteligentes 1
Lucy Camacho
 
PPT
Exposicion Agentes Inteligentes
Ivanmauricio
 
PPTX
Diapositiva final
Renzo Jose Fuentes Ramos
 
PDF
Estructura de los agentes
Jefferson Guillen
 
PPTX
lo que no vemos de los agentes inteligentes
Max Sainz
 
PPTX
Agentes basados en objetos utilidad
Jose Trinidad Gonzalez Godina
 
PPTX
Agentes reactivos basados en modelos
Saúl Hulse
 
PPTX
Atahualpa work
Atahualpa Acosta
 
PPTX
Agentes inteligentes
menamigue
 
Agentes inteligentes
Israel Rey
 
Agentes inteligentes 1
Lucy Camacho
 
Exposicion Agentes Inteligentes
Ivanmauricio
 
Diapositiva final
Renzo Jose Fuentes Ramos
 
Estructura de los agentes
Jefferson Guillen
 
lo que no vemos de los agentes inteligentes
Max Sainz
 
Agentes basados en objetos utilidad
Jose Trinidad Gonzalez Godina
 
Agentes reactivos basados en modelos
Saúl Hulse
 
Atahualpa work
Atahualpa Acosta
 
Agentes inteligentes
menamigue
 
Publicidad

Destacado (9)

PPT
Logica proposicional
rubenenrique
 
PPTX
Lógica proposicional reglas de inferencia
Videoconferencias UTPL
 
PDF
3. Representación del conocimiento y razonamiento.
Humberto Chalate Jorge
 
PPTX
Compendio de Reglas de Inferencia - Lógica Simbólica
LogicaUFM2012
 
PPT
Reglas de Inferencia
Leonardo Bernal Zamora: Docente, Internauta y convencido de la educación para todos
 
PPTX
Reglas De Inferencia
rezzaca
 
PPT
Tablas De Verdad
guest805c35
 
PPT
Inferencia LóGica
Ricardo Escalante Caregnato
 
PDF
Reglamento del baloncesto
Rbk Hrndz
 
Logica proposicional
rubenenrique
 
Lógica proposicional reglas de inferencia
Videoconferencias UTPL
 
3. Representación del conocimiento y razonamiento.
Humberto Chalate Jorge
 
Compendio de Reglas de Inferencia - Lógica Simbólica
LogicaUFM2012
 
Reglas de Inferencia
Leonardo Bernal Zamora: Docente, Internauta y convencido de la educación para todos
 
Reglas De Inferencia
rezzaca
 
Tablas De Verdad
guest805c35
 
Inferencia LóGica
Ricardo Escalante Caregnato
 
Reglamento del baloncesto
Rbk Hrndz
 
Publicidad

Similar a Inteligencia artificial (20)

PPT
Agentes inteligentes
Estefania Ramirez
 
PPT
Agentes Inteligentes
Famp
 
PPT
Agentes_inteligentes2(2005-II).ppt ExpAgentesIntro.pptx
rpatonubi
 
PPTX
Agentes Racionales - Presentación PPT, basada en archivo PDF
DarwinDomingoMendez
 
PPTX
1. introducción a Agentes
Juan Carlos García Ojeda
 
PPTX
Presentación de Sistemas Multiagentes MCVA
tpedrosm1
 
PDF
Seminario Agentes, Multiagentes y Aplicaciones - MASTER US
Gonzalo Aranda
 
PPTX
Agentes Racionales.pptx
Katia Celestino
 
PPTX
Agentes inteligentes.pptx
catastrfe24
 
PPTX
Nuevo Presentación de Microsoft PowerPoint.pptx
ronoca3802
 
PDF
Agentes racionales.pdf
LilCookie
 
PDF
introducción a los agentes de información
Miguel Rebollo
 
PDF
Agentes Racionales
AlbanyNicoleSolanoMo
 
PPTX
Agentes inteligentes
Antonieta Espinosa
 
PPT
Nuevas tics y su impacto en las org
UNAM Facultad de Contaduría, Administración e Informática
 
PDF
AGENTES INTELIGENTES PROGRAMACION INTELIGENCIA ARTIFICIAL.pdf
hjmesa
 
PDF
Agentes inteligentes
Jefferson Guillen
 
PPTX
clase2-Agentes de búsqueda-Inteligencia Artificial.pptx
DARWINJEFERSONPAREDE
 
PPTX
precentacion los agentes racionales.pptx
cesarrijo2023
 
PPTX
Websemantica
PUCESA
 
Agentes inteligentes
Estefania Ramirez
 
Agentes Inteligentes
Famp
 
Agentes_inteligentes2(2005-II).ppt ExpAgentesIntro.pptx
rpatonubi
 
Agentes Racionales - Presentación PPT, basada en archivo PDF
DarwinDomingoMendez
 
1. introducción a Agentes
Juan Carlos García Ojeda
 
Presentación de Sistemas Multiagentes MCVA
tpedrosm1
 
Seminario Agentes, Multiagentes y Aplicaciones - MASTER US
Gonzalo Aranda
 
Agentes Racionales.pptx
Katia Celestino
 
Agentes inteligentes.pptx
catastrfe24
 
Nuevo Presentación de Microsoft PowerPoint.pptx
ronoca3802
 
Agentes racionales.pdf
LilCookie
 
introducción a los agentes de información
Miguel Rebollo
 
Agentes Racionales
AlbanyNicoleSolanoMo
 
Agentes inteligentes
Antonieta Espinosa
 
Nuevas tics y su impacto en las org
UNAM Facultad de Contaduría, Administración e Informática
 
AGENTES INTELIGENTES PROGRAMACION INTELIGENCIA ARTIFICIAL.pdf
hjmesa
 
Agentes inteligentes
Jefferson Guillen
 
clase2-Agentes de búsqueda-Inteligencia Artificial.pptx
DARWINJEFERSONPAREDE
 
precentacion los agentes racionales.pptx
cesarrijo2023
 
Websemantica
PUCESA
 

Inteligencia artificial

  • 1. AGENTES INTELIGENTES Introducción a la Inteligencia Artificial LCC
  • 2. SISTEMAS MULTIAGENTES Campo Interdisciplinario: sistemas distribuidos, IA, teoría de juegos, ciencias sociales Agentes como un nuevo paradigma de la Ingeniería de Software: para diseñar e implementar sistemas complejos distribuidos Agentes como una herramienta para entender sociedades humanas: permiten una interesante forma de simular sociedades
  • 3. AGENTES INTELIGENTES NOCION DE AGENCIA IA Distribuida Ingeniería de software Sistemas distribuidos y redes POO
  • 5. INTELIGENCIA ARTIFICIAL Las nuevas tendencias... Las capacidades de aprendizaje de las redes neuronales y otras técnicas Conocimiento de los expertos en forma de ejemplos, ensayo y error. Los SE con técnicas de RA Conocimiento abstracto, lógico y aproximado de los expertos. Los agentes (IA distribuida) Conocimiento sobre los métodos de cooperación en un conjunto de expertos (explotar las interacciones)
  • 6. INTELIGENCIA ARTIFICIAL DISTRIBUIDA Porque IA Distribuida? Porque distribuir IA? Los problemas están físicamente distribuidos El mundo está compuesto por entidades autónomas Estas entidades interactúan entre si y con el entorno NOCION AGENTES
  • 7. INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI- MIT ´80) Disciplina dirigida al desarrollo de métodos y técnicas para la solución de problemas complejos por medio del comportamiento inteligente de un sistema integrado por unidades llamadas agentes .
  • 8. INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI) Uno de los principales objetivos es entender los principios subyacentes al comportamiento de múltiples entidades del mundo denominadas agentes , y sus interacciones. Cómo los agentes interactúan y producen un comportamiento general del sistema multiagente (MAS).
  • 9. Noción de agente Cuando se hace referencia a la idea de agente surgen dos ámbitos de trabajo: El agente en sí mismo Los conjuntos de agentes Similitud con lo que sucede a nivel humano
  • 10. Noción de agente Tendremos un comportamiento ¨personal¨ Tendremos un comportamiento ¨social¨ producido por un conjunto de agentes Lenguaje metafórico
  • 11. QUE ES UN AGENTE? Es una entidad física o virtual que posee ciertas características generales: Es capaz de percibir el entorno Posee una representación parcial del entorno. Es capaz de actuar sobre el entorno Puede comunicarse Posee un conjunto de objetivos que gobiernan su comportamiento Posee recursos propios
  • 12. Sistemas Multiagentes (MAS) SISTEMAS COMPLEJOS Pueden ser descompuestos en componentes de software modulares y de funciones específicas: agentes Son concebidos como organizaciones de agentes MAS
  • 13. Sistemas Multiagentes Son sistemas con los siguientes Componentes esenciales: Un entorno E Un conjunto de objetos O en E Un conjunto de agentes A / A  O Un conjunto de relaciones en O Un conjunto Op de operaciones
  • 14. Sistemas Multiagentes (MAS) Los agentes deben compartir conocimientos sobre el problema y las posibles soluciones. Los agentes en un MAS pueden compartir una meta o tener metas independientes. El ¨ conocimiento global ¨puede incluir control global, consistencia global, metas globales, etc La coordinación puede ser muy compleja
  • 15. SISTEMAS MULTIAGENTES (MAS) CARACTERISTICAS Cada agente tiene información y capacidades limitadas para resolver un problema No hay un control global del sistema Los datos están descentralizados Computación es asincrónica Proveen mas robustez, eficiencia y permiten la interoperatividad de sistemas existentes
  • 16. QUE ES UN AGENTE?
  • 17. QUE ES UN AGENTE ???? QUE DISTINGUE A UN AGENTE DE SOFTWARE (SOFTBOT) DE OTRO TIPO DE PROGRAMA ???? Distintas Definiciones: A Taxonomy for Autonomous Agents , S. Franklin and Art Graesser University of Memphis
  • 18. QUE ES UN AGENTE ???? &quot; Es todo aquello que percibe su ambiente mediante sensores y que responde o actúa mediante efectores .&quot; Russell and Norvig The AIMA Agent , 1995 Que entendemos por ambiente, sensores y actuación ?
  • 20. QUÉ ES UN AGENTE INTELIGENTE Un agente inteligente es aquél que pueda percibir un mundo perceptual mediante SENSORES y actuar sobre ese mundo mediante EFECTORES (o actuadores) META de la IA Diseñar un agente inteligente/racional que opere o actúe adecuadamente en sus ambientes.
  • 21. AGENTE INTELIGENTE /RACIONAL??? Debe hacer siempre lo correcto de acuerdo a sus percepciones. Es aquel que emprende la mejor acción posible en una situación dada. Russel & Norvig
  • 22. RACIONALIDAD Depende de LA SECUENCIA DE PERCEPCIONES - TODO LO QUE EL AGENTE HA PERCIBIDO HASTA AHORA LA MEDIDA DE ÉXITO ELEGIDA CUÁNTO CONOCE EL AGENTE DEL AMBIENTE EN QUE OPERA LAS ACCIONES QUE EL AGENTE ESTÉ EN CONDICIONES DE REALIZAR
  • 23. AGENTE INTELIGENTE IDEAL El agente inteligente ideal es el que, para cualquier secuencia arbitraria de percepciones , logre con su ACCION maximizar la medida de su buen éxito . Para ello usa su secuencia de percepciones su conocimiento internalizado Racional no es omnisciente
  • 24. PRR (Herbert Simon) El Principio de la Racionalidad Restringida alega que la racionalidad óptima ideal NO es el buen éxito perfecto. Ningún ser humano apela a una mayor racionalidad que la necesaria para sus fines prácticos. Las limitaciones de un agente SENSORES EFECTORES y POTENCIA COMPUTACIONAL disponible y óptima económica conducen a que la racionalidad ideal sea imposible e impráctica . MAXIMA PERFORMANCE !!!
  • 25. QUE ES UN AGENTE ???? “ Es un sistema de computación situado en algún entorno, que es capaz de una acción autónoma y flexible para alcanzar sus objetivos de diseño .&quot; Wooldridge & Jennings Débil Nociones de Agentes Fuerte
  • 26. AGENTES: propiedades Noción Débil: Es la forma más general en que es usado el término agente. Es un sistema de software (hardware) con las siguientes propiedades : Autonomía . (actuar sin intervención, control) Habilidad Social .(lenguaje de comunicación) Reactividad . (percepción-acción) Proactividad . (dirigido a la meta, toma iniciativa)
  • 27. AGENTES: propiedades Autonomía: La característica principal de los agentes es su autonomía. : Un sistema autónomo es capaz de actuar independientemente, exhibiendo control sobre su estado interno.
  • 28. AGENTES: propiedades Reactividad: La mayoría de los entornos interesantes son dinámicos : Un sistema reactivo es aquél que mantiene una interacción continua con el entorno y responde a los cambios que se producen en él, en tiempo de respuesta adecuado.
  • 29. AGENTES: propiedades Proactividad: Generalmente se espera que un agente haga cosas para nosotros : Un sistema proactivo es aquél que genera e intenta alcanzar metas, no es dirigido sólo por eventos toma iniciativa reconoce oportunidades
  • 30. AGENTES: propiedades Habilidad social: El mundo real es un entorno multiagente, no podemos alcanzar nuestras metas sin tener a otros en cuenta. : La habilidad social en los agentes es la capacidad de interacción con otros agentes (posiblemente humanos) a través de algún tipo de lenguaje de comunicación de agentes.
  • 31. AGENTES: ejemplos Ejemplos Agentes triviales Termostato demonio en UNIX (biff) Agentes inteligentes agente planificador de vuelos agentes de interfaz agentes para e-commerce
  • 32. AGENTE: nociones mentales Noción más fuerte : IA Además de las propiedades anteriores, se agregan nociones mentales como: Conocimiento. Actitudes de Creencias. información Intenciones . Obligaciones Pro-actitudes (Emociones).
  • 33. ACTITUDES DE INFORMACION Creencia es la información que un agente recibe de otros agentes (software, personas). Todo sistema cuando recibe información se construye un mundo que intenta representar el mundo exterior. Evidencia es la información que proviene de mediciones o inspecciones directas .
  • 34. REPRESENTACIÓN DE CREENCIAS El agente A cuando recibe esa información, lo que tiene es una creencia de que hace muy buen tiempo. EJEMPLO:
  • 35. AGENTE: otras propiedades Otros atributos: Varios de estos atributos también se suelen discutir en el contexto de agencia: Movilidad . Veracidad . (no comunica información falsa) Benevolencia . (trata de hacer lo que se le pide) Racionalidad . (actuará para lograr sus metas) Solitario, parásito, social,…
  • 36. TIPOS DE AGENTES Estáticos o móviles. Deliberativos o reactivos El agente posee una representación del mundo en base a la que razona o tiene un comportamiento reflejo que depende de sus percepciones ??? Otras clasificaciones
  • 37. TIPOS DE AGENTES COOPERATIVOS AUTONOMOS APRENDEN AGENTES INTELIGENTES Source: H. Nwana, Software Agents: An Overview COLABORATIVOS AGENTES DE INTERFAZ COLABORATIVOS/ APRENDEN
  • 38. Ejemplo Ejemplo – Taxi con piloto automático (taximetrero reemplazado por un agente inteligente ) Percepciones ?? acciones ?? Metas ?? Ambiente ??
  • 39. Taxi con piloto automático Percepciones Video, acelerómetro, instrumental del tablero, sensores del motor acciones gestión del volante, acelerar y frenar, bocina Metas seguridad, llegar a destino, maximizar ganancias, obedecer las leyes, satisfacción del cliente Ambiente calles urbanas, avenidas, tráfico, peatones, clima, tipo de cliente
  • 40. Ejemplos de distintos tipos de agentes Para identificar a un agente debemos analizar:
  • 42. PROPIEDADES DE LOS AMBIENTES Norvig & Russell cap2 Accesible/Inaccesible Si los sensores proporcionan todo lo que hay que saber sobre el estado completo del ambiente - necesario para elegir una acción - entonces el ambiente es accesible al agente. Determinístico/No-determinístico (estocástico) Si el estado siguiente del ambiente está determinado plenamente por el estado presente del mismo, y por la acción del agente - se trata de un ambiente determinístico. Episódico/No-episódico Un ambiente episódico implica que los episodios siguientes no dependen de las acciones que ocurrían en episodios previos.
  • 43. PROPIEDADES DE LOS AMBIENTES (2) Estático/Dinámico Será estático todo ambiente que no cambie mientras el agente está pensando (computa una buena estrategia) Discreto/Continuo Discreto - con escaso número de percepciones y acciones en el ambiente. Continuo - el otro caso. Sin adversario/con adversarios racionales Los ambientes ingenieriles suelen ser sin adversario. Los ambientes sociales y económicos aumentan en su complejidad por la presencia de interacciones entre uno o más adversarios (por ejemplo en la Bolsa).
  • 44. Tipos de ambientes y sus características Solitario sí - sí - no - sí - sí Taxi no - no -no - no - no Accesible Determinístico Episódico Estático Discreto
  • 45. Tipos de ambientes y sus características
  • 47. SISTEMAS MULTIAGENTES: Como especificarlo? DISTINTOS NIVELES : TEORIAS FORMALES. ARQUITECTURAS. LENGUAJES DE PROGRAMACION. APLICACIONES. Wooldridge & Jennings (1995) Intelligent Agents: Theory and Practice
  • 48. TEORIAS SOBRE AGENTES Que es un agente? Que propiedades debe tener? Cómo se representan dichas propiedades formalmente? Cómo se razona acerca de ellas?
  • 49. MODELO ABSTRACTO entorno: S={s1, ....,sn} Acciones A= {a1,...an} (capacidad de actuar del agente) Agente : acción: S k  A Interacción Agente-entorno (historia) h: S 0  a0 S 1 .......  S 0 Observación del entorno: ver:S  P
  • 50. MODELO ABSTRACTO entorno: S={s1, ....,sn} Observación del entorno: ver: S  P Un agente en general tiene una percepción parcial, s 1 ,s 2  S son indistinguibles si: ver(s 1 ) = ver(s 2 ) relación de equivalencia  situaciones extremas:  =  S  agente con percepción perfecta: Omnisciente  = 1 agente para el cual todos los estados son indistinguibles
  • 51. TEORIAS Y ARQUITECTURAS Algunas de las propiedades estudiadas son: REACTIVIDAD/DELIBERACION INTENCIONALIDAD En que grado se puede considerar a los agentes como un sistema intencional ACTITUDES: El comportamiento de un agente es previsto y explicado a través de la atribución de actitudes (creencias, deseos, preferencias,etc) Nociones intencionales
  • 52. SISTEMA INTENCIONAL Un sistema es intencional si su comportamiento puede ser predicho atribuyéndose creencias, deseos y conducta racional. (D. Dennet, 1987) Primer orden: tiene creencias y deseos, pero no creencias y deseos acerca de creencias y deseos. Segundo orden: tiene creencias y deseos acerca de creencias y deseos.
  • 53. ACTITUDES Cuáles son las necesarias para modelizar adecuadamente a un agente ??? Actitudes informacionales: creencias y conocimiento Pro-actitudes: deseos, intenciones, obligación, compromiso.
  • 54. TEORIAS FORMALES SOBRE AGENTES Son especificaciones formales, es decir, estudios formales acerca de las propiedades, su representación y cómo razonar sobre ellas. Agentes como sistemas intencionales (creencias, conocimiento, deseos, intención, obligación,…). Formalización lógica de una teoría sobre intenciones (creencias y objetivos)
  • 55. ARQUITECTURA DE AGENTES Como deben construirse los agentes para que tengan las propiedades que deseamos? Que estructuras de software o hardware son necesarias para soportar esta arquitectura ? Representa un punto intermedio entre la especificación y la implementación
  • 56. ARQUITECTURA DE AGENTES Uno de los aspectos que deben balancear es la percepción/acción y el razonamiento sobre como actuar. (Intelligence Agent: Theory and Practice) DELIBERATIVAS: Contienen un modelo simbólico, explícitamente representado del entorno se basa en Hípótesis del sistema de símbolos físicos - SS (IRMA) REACTIVAS: Generalmente no incluyen representación simbólica del mundo - la inteligencia real está ¨situada¨´- interacción (Subsumption architecture) HIBRIDAS: Tratan de combinar las dos aproximaciones - (layers, BDI architecture s)
  • 57. ARQUITECTURA DE AGENTES Wooldridge 2002- An Introduction to Multiagent Systems DEDUCTIVE REASONING AGENTS Aproximaciones simbólicas/lógicas PRACTICAL REASONING AGENTS : Deliberación + razonamiento Means-Ends. PRS (Procedural Reasoning System) - Arquitectura BDI REACTIVE AND HIBRID AGENTS: rechazan la representación simbólica - comportamiento emergente - interacción
  • 58. Tipos de Agentes (Norvig&Russell) De reflejo simple se basan en reglas condición/acción. Carecen de memoria referente a estados pasados del mundo. Bien informado de lo que pasa con un estado interno usado para almacanar estados pasados del mundo. Basados en meta (proactivos) además de disponer de información sobre el estado, tienen una meta que describe situaciones deseables. Basados en Utilidad basan su decisión en la teoría de la utilidad para actuar racionalmente.
  • 59. Un agente reactivo (reflejo) Las reglas condición-acción permiten establecer la conexión entre percepción y acción. Los rectángulos se usan para indicar el estado interno en un momento. Interpret-input genera una descripción abstracta del estado mostrado por la percepción Rule-match produce una regla del conjunto que satisface la percepción
  • 60. Agentes bien informados de lo que pasa La actualización del estado interno requiere : conocimiento acerca de la forma como el mundo cambia conocimiento acerca de la forma en que el mundo cambia con la acción del agente Pero el conocimiento del estado interno no siempre es suficiente pues se requiere conocer la meta a lograr
  • 61. Agentes basados en una Meta Razonando acerca de acciones la búsqueda y la planificación ayudan a razonar acerca de cuál acción logra la meta el agente es menos eficiente pero más adaptativo y flexible
  • 62. Agentes basados en Utilidad Función Utilidad es un mapeo de estados - números reales lleva a decisiones racionales en situaciones de metas en conflicto
  • 63. ARQUITECTURA BDI Tiene sus raíces en ver a los agentes como sistemas intencionales, los primeros trabajos son de Rao&Georgeff 1995 B: belief, representa las creencias del agente D: desire, representan los deseos del agentes, cuales son los estados del mundo que prefiere. I: intentions, representan las intenciones del agente, los objetivos que me llevaran a satisfacer los deseos - estos derivan en un plan
  • 64. ARQUITECTURA BDI Tiene sus raíces en el proceso de decidir que ación realizar para alcanzar las metas. Involucra los procesos: Deliberación: : decidir que metas alcanzar (DESEOS) Razonamiento de medios y fines: como alcanzarlas INTENCIONES acciones Alternativas para alcanzar la meta
  • 65. ARQUITECTURA BDI PROPIEDADES DE LAS INTENCIONES (Bratman, 1978, 1990) Las intenciones tienen el rol de provocar acciones Las intenciones tienen la propiedad de persistencia hasta que: Las cumple no puede lograrlas ya no sean válida Reconsideración de las intenciones !! Costo??
  • 66. ARQUITECTURA ??? EFECTORES SENSORES CREENCIAS DESEOS INTENCIONES
  • 67. ARQUITECTURA BDI – modelo básico Es necesario mantener tres estructuras de datos: Bel: el conj. de todas las creencias posibles. Des: el conj. de todas las deseos posibles. Int: el conj. de todas las intenciones posibles. La representación mediante fórmulas lógicas de 1er orden suele ser la más adecuada Debe haber una noción de consistencia definidos sobre ellos
  • 68. ARQUITECTURA BDI – modelo básico La función que agrupará todas las funciones definidas será : P  A Función acción p: P , A Begin B = F B (p: P) D = opciones ( B) I = filtro(B,D,I) return (ejecutar(I)) End
  • 69. Ejemplo: TERMOSTATO D = mantener temperatura en T B = { t (A), OK(T) } I = { Calentar, Enfriar, nada} P  t (actual)  B Filtro: - Si A > T entonces I = Enfriar - Si A < T entonces I = Calentar - Si A = T entonces I = Nada Acción: Case I de Enfriar Acción = bajar temp Calentar Acción = subir temp Nada Acción = nada
  • 70. LENGUAJES DE AGENTES Como deben programarse estos agentes ? Cuáles deben ser las primitivas para esta tarea? Cómo es posible hacer que estos lenguajes provean un marco efectivo ?
  • 71. LENGUAJES DE AGENTES Es un lenguaje que permite programar sistemas computacionales, en términos de conceptos desarrollados en modelos formales de agentes Actor Model (Hewitt): Lenguaje concurrente orientado a objetos (antecesores a lenguajes de agentes) Agent0 (Shoham, 1990) : Nuevo paradigma para programación de agentes. Concurrent METATEM (Fisher, 1994) JASON, JACK, JADE
  • 72. AGENTES PARA CONSTRUIR SISTEMAS MULTIAGENTES
  • 73. Sistemas Multiagentes COORDINACION Para que un conjunto de agentes pueda desarrollar una actividad conjunta en un entorno compartido debe existir algún tipo de coordinación AGENTES COOPERATIVOS AGENTES COMPETITIVOS PLANIFICACION NEGOCIACION
  • 74. INTERACCION ENTRE AGENTES Para que dos o mas agentes puedan interactuar deben disponer de: Un protocolo de interacción: ( como mantener una conversación) Un lenguaje de interacción (como construir mensajes) KQML FIPA ACL Un lenguaje para representar el conocimiento de cada agente
  • 75. AGENTES DE OBJETOS A AGENTES OBJETOS: Están programados para hacer lo que está definido cuando se invoca un método AGENTES: Al recibir un mensaje toman la decisión sobre que hacer (autónomos!!! Mayor flexibilidad en su comportamiento)
  • 76. OBJETOS Y AGENTES Los agentes incorporan una noción más fuerte de autonomía que los objetos, en particular deciden si realizar o no una acción. Los agentes son capaces de un comportamiento flexible (reactivos, proactivos, social) y los modelos de objetos no incluyen comportamientos.
  • 77. AGENTES DE OBJETOS A AGENTES OBJETOS AGENTES Objects do it for free; agents do it because they want to
  • 78. reputación, consistencia,… Ninguna Restricciones sobre métodos Informar, requerir, ofrecer,… Sin restricciones Tipo de mensajes Paso de mensajes, métodos Paso de mensajes, métodos Cómputo Creencias, pedidos, capacidades,… Sin restricciones. Estado agente Objetos Unidad Básica AOP OOP
  • 79. AGENTES Y SISTEMAS EXPERTOS Los sistemas expertos ¨clásicos¨ no están acoplados al entorno en el cual actúan, suelen usar un intermediario. SE Generalmente no son capaces de un comportamiento reactivo, proactivo SE suelen no estar equipados de habilidad social (cooperación, coordinación y negociación) Algunos SE (tareas de control en tiempo real) se comportan como agentes
  • 80. APLICACIONES DE AGENTES Hay múltiples aplicaciones de sistemas multiagentes, las principales áreas de aplicación son: Resolución cooperativa de problemas: Gestión de plantas eléctricas y redes de telecomunicaciones (ARCHON), control de tráfico aéreo, diagnóstico médico. Agentes Interfaz: sistemas que emplean técnicas de IA para apoyar a los usuarios en una tarea determinada, (NEWT, NewsAgent, PersonalSearcher ). MAS especializados en Infomación: sistemas que acceden a fuentes de información y la procesan para dar respuesta a los usuarios (QueryGuesser).
  • 81. BIBLIOGRAFIA Inteligencia Artificial. Un enfoque moderno – Norvig & Russell , cap2 An Introduction to Multiagent Systems. M. Wooldridge - J. Whiley & Son, 2002 Agents: How to get started http://www.cs.wpi.edu/Research/airg/Agents-intro.html The many faces of Agents- K. Sycara, AAAI , summer 1998. Software Agents: An Overview http://more.btexact.com/projects/agents/publish/papers/review1.htm Software Agents- N. Jennings & M. Wooldridge- IEE Review, Jan 1996, 0017-20 Links: http://www.csc.liv.ac.uk/~mjw/links/
  • 83. QUE ES UN AGENTE ???? ¨Agentes autónomos son sistemas de computación que están en algún entorno complejo y dinámico , sensan y actúan autónomamente en este entorno y haciendo esto realizan un conjunto de metas o tareas para las cuales fueron diseñados¨ P. Maes 1995 [ MIT's Media Lab ] Los agent e s deben act uar autónom amente para &quot;realiz ar un conjunto de metas &quot;
  • 84. QUE ES UN AGENTE ???? Los agent e s inteligentes continu amente realizan tres funciones : per ciben las condiciones dinámicas del entorno ; act úan para afectar las condi c ion e s e n el en torno y razonan para interpretar las percepciones , resolver problemas , realizar inferenc ias , y determin ar acion e s. Hayes-Roth 1995 [Standford, Knowledge Systems Laboratory ]
  • 85. QUE ES UN AGENTE ???? “ Los agentes i nteligent es son entidades de software que realizan un conjunto de operaciones en la voluntad de un usuario u otro programa , con cierto grado de independencia o autonomía , y al hacerlo emplean conocimiento o representación de los objetivos o deseos del usuario .&quot; IBM Agent
  • 86. El lenguaje puede ser ejecutado con el siguiente intérprete de agentes INTERPRETE GENERAL
  • 87. Algo más (Randall Beer) Los navegantes europeos aplican la planificación a su derrotero - lo trazan en el mapa y se sujetan a él, corrigiendo los desvíos. Los navegantes truqueses aplican toda su atención a todos los detalles de las olas, los vientos, las aves y las corrientes de cada momento y llegan a su destino de una manera práctica. A la hora de explicar por qué hicimos lo que hicimos, ¿no seremos truqueses disfrazados de europeos?
  • 88. IIA/AGENTES - 2002 INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI – MIT en los 80´s) RESOLUCION DISTRIBUIDA DE PROBLEMAS (DPS) Fases: descomposición- resolución de subproblemas-síntesis SISTEMAS MULTI-AGENTES (MAS) Significado mas general Usado para referir a todo sistema compuesto por múltiples componentes autónomos (semi-autónomos) .

Notas del editor

  • #60: There are three phases inside the loop here: figure out how the environment has changed, figure out what is the best action, figure out how this action changes the environment. The key advantage of this architecture is that the &amp;quot;interpret&amp;quot; function identifies &amp;quot;equivalence classes&amp;quot; of percepts: many different percepts correspond to the SAME environmental situation, from the point of view of what the agent should DO. Therefore the table of rules can be much smaller than the lookup table above. It is not rational for an agent to pay attention to EVERY aspect of the environment.
  • #61: LEARNING IN INTELLIGENT AGENTS With the reflex architecture, if the table of rules prescribes the wrong action, and the agent discovers this and changes the table, it has automatically generalized from its specific experience. Generalization is a key phenomenon in learning. Generalization always requires previous &amp;quot;background&amp;quot; knowledge to direct it. All complex intelligent agents will have a lot of background knowledge preprogrammed, because they do not have the time to receive enough experience and feedback from the environment to allow them to learn to behave correctly starting from scratch. In linguistics this is called the &amp;quot;poverty of stimulus&amp;quot; argument. If you calculate how many sentences a young child hears before it starts to speak correct English, the number is too few to allow it to &amp;quot;guess&amp;quot; the grammar of English. Therefore the baby must have a so-called universal natural language grammar preprogrammed into it by its genes. This argument is controversial, but there is scientific agreement that background knowledge of some sort (often very hidden and implicit) is necessary for learning in humans and AI systems.