Sistemas MultiAgente
- 2. ¿Qué es un agente? Un agente inteligente percibe su entorno por medio de sensores y actúa racionalmente sobre ese entorno por medio de actuadores. percepción sensores ? entorno agente actuadores acciones 2
- 3. ¿Qué es un agente? Un agente inteligente percibe su entorno por medio de sensores y actúa racionalmente sobre ese entorno por medio de actuadores. Agente entrada salida Entorno 3
- 4. Algunas definiciones… Como ya va siendo habitual, no hay una definición comunmente aceptada, pero todas ellas suelen coincidir en una serie de puntos clave: • Un agente es un sistema capaz de exhibir alguna forma de inteligencia y actuar de manera independiente con el objeto de beneficiar a su usuario (o dueño). • Un agente autónomo es una sistema, inmerso en un entorno, que es capaz de percibirlo y actuar sobre él, siguiendo una agenda propia con el fin de modificarlo. • Un agente es un sistema que es capaz de realizar acciones autónomas de manera flexible en dominios dinámicos e inmpredecibles. • Un agente es un proceso computacional autónomo, con iniciativa y capacidad para modificar su entorno y con posibilidad de comunicarse con otros agentes. 4
- 5. Concretando un poco… Un agente es un sistema que está: • Localizado: es decir, inmerso en algún entorno (que puede ser el mundo físico, un entorno de software, una comunidad de agentes, etc.) en el que puede: – sentir (a través de sensores físicos, por medio de recepción de mensajes o por detección de eventos) – actuar (por medio de efectores, envío de mensajes o generación de eventos) • Reactivo: es decir, responde a mensajes, eventos y datos recibidos por medio de sensores, de forma que monitoriza activamente el estado de su entorno. • Autónomo: es decir, opera sin intervención directa de humanos u otros agentes, con control independiente de sus acciones y de su estado interno. 5
- 6. …otras posibles propiedades • Social: puede actuar con otros agentes y (posiblemente) humanos por medio de mensajes o acciones que cambian el entorno compartido. • Pro-activo: tiene uno o más objetivos que intenta alcanzar por medio de las comunicaciones con otros agentes o actuando en su entorno. • Dispone de un modelo mental: tiene una arquitectura interna que puede ser entendida en términos de nociones mentales tales como creencias, deseos, intenciones y obligaciones. 6
- 7. Cúando pueden ser útiles • Tareas Especializadas. Pueden jugar un importante papel importante en situaciones donde, por sus necesidades o alto riesgo, resultan imposibles o no aconsejables para humanos. • En aplicaciones donde los datos, control o recursos son distribuidos. El sistema puede estar conceptualizado como una colección de cooperantes. • Como herramientas para comprender las sociedades humanas. Proporcionan una nueva herramienta para simular sociedades, que pueden arrojar luz nueva sobre varios tipos de procesos sociales (donde los experimentos reales son inviables). • Como herramientas para formalizar y experimentar con ciertas teorías cognitivas. • Como paradigmas de ingeniería del software. Permiten incrementar la complejidad del software, destacando la importancia de la independencia entre componentes y la interacción entre ellos. 7
- 8. Agentes Inteligentes • Autonomía, movilidad, iniciativa, adaptabilidad ¿⇒? inteligencia. • En IA se persigue estudiar y obtener agentes que exhiban características de la inteligencia humana. • Construimos agentes inteligentes cuando: – Describimos su comportamiento y el ambiente mediante “conocimiento”. – Dispone de iniciativa de explorar el ambiente. – Incrementa su conocimiento basándose en la experiencia. – Evalúa la consecución de las metas que se le planteen.
- 9. Agentes Racionales • La racionalidad le permite al agente hacer en cada momento “lo correcto”. • “Lo correcto” son las acciones que conducen al mejor desempeño de su misión, descrita en términos de: – Meta. – Utilidad. • Para ser racional necesita ser capaz de – Medir el desempeño de su misión. – Tener algún criterio de medida. – Incorporar los resultados como conocimiento nuevo. • Racionalidad ≠ Omnisciencia.
- 10. Arquitecturas de Agentes Con respecto a la forma de abordar la construcción del agente, puede ser: • Arquitectura reactiva – Agentes reactivos. – Agente con representación del mundo. • Arquitectura deliberativa – Agentes basados en metas. – Agentes basados en la utilidad.
- 11. Arquitectura Reactiva • Un razonamiento explícito sobre los efectos producidos por acciones de bajo nivel es demasiado costoso para producir una conducta en tiempo real. • El comportamiento inteligente se generará sin tener que usar modelos simbólicos, y emergerá en ciertos sistemas complejos. • Estas arquitecturas manejan jerarquías de tareas en función de niveles de abstracción.
- 12. Arquitectura Deliberativa • Expresa el comportamiento y el ambiente en términos de conocimiento representado simbólicamente. Las decisiones se toman empleando mecanismos deductivos: – Pattern matching – Diversas lógicas • En estos términos, las componentes del agente se deben representar en términos lógicos. Un ejemplo exitoso: BDI (Belief, Desire, Intention) – Creencias: modelo del mundo y del resto de agentes. – Deseos: metas. – Intenciones: plan de acción.
- 13. Arquitectura Híbrida • Combinan agentes de tipo reactivo y deliberativo. – Reactivo: reacciona a los eventos del entorno sin invertir razonamiento. – Deliberativo: planifica (distribuye las metas más simples) y realiza tareas de nivel de abstracción superior. Este tipo de tareas se agrupan típicamente en dos niveles: • de manipulación de la información a nivel abstracto, con una representación simbólica del ambiente, • de comportamiento social y planificación de alto nivel. • Se organizan: – Horizontalmente: las capas tienen acceso a sensores y actuadores. – Verticalmente: una capa actúa de interfaz con sensores y actuadores.
- 14. Agente Reactivo Simple Con percepción entrada acción Agente Entorno
- 15. Agente Reactivo basado en modelo Con estados internos Agente entrada acción Predicción estado Entorno
- 16. Agente por objetivos Agent entrada Objetivos Decisión acción Predicción estado Entorno
- 17. Agente basado en utilidad
- 18. Tipos de entornos • Accesible / inaccesible: – ¿Es posible explorar toda la información necesaria? • Determinista / no determinista: – ¿La evolución del entorno se sigue de un cómputo o hay actores que responden de forma no previsible? • Episódico / no episódico: – ¿La acción del agente se produce bajo demanda o el agente ha de ser pro-activo ? • Estático / dinámico: – ¿Cambia el entorno aunque no entre en acción el agente? • Discreto / continuo: – ¿El modelo del ambiente es continuo o discreto (simbólico)?
- 19. Descentralización de los agentes • Un agente puede ser un ente pro-activo, con iniciativa propia que – monitoriza el ambiente – ejerce cambios en el ambiente y se comunica con otros agentes. • Es útil en sistemas donde aparecen procesos autónomos. • Los sistemas descentralizados permiten mayores tasas de fiabilidad y robustez que los sistemas centralizados. • Los sistemas basados en agentes animan a la reutilización: – es posible modificar sistemas basados en agentes sobre la marcha pieza a pieza. – ciertos tipos de descentralización desacoplan las dependencias de los agentes.
- 20. ¿Qué es un Sistema Multiagente? • Sistema Multiagente (MAS): conjunto de agentes autónomos, generalmente heterogéneos y potencialmente independientes, que trabajan en común resolviendo un problema. • Características de estos agentes, vinculado con la noción de agente Inteligente: – capaces de tomar la iniciativa – capaces de compartir conocimiento – capaces de cooperar y negociar, – capaces de comprometerse con metas comunes. • El estudio de MAS se encuadra dentro de la Inteligencia Artificial Distribuida (DAI).
- 21. Inteligencia Artificial Distribuida • Rama de la IA que estudia la solución de problemas mediante procesamiento descentralizado. • Resolución distribuida de problemas (DPS): Se descompone el problema en procesos cooperantes que comparten conocimiento para un problema concreto. • Inteligencia Artificial Paralela (PAI): Desarrollo de algoritmos y aplicaciones paralelas, con énfasis en prestaciones.
- 22. Sociedad humana: modelo de agencia La sociedad humana es un modelo útil para obtener Sistemas Multiagente. • La mayoría de las actividades humanas relacionadas con el comportamiento inteligente son de carácter social, al menos en origen. – El ser humano necesita la sociedad para vivir mejor. – Está en continua interacción con el resto. – La mayor parte del conocimiento es colectivo. • Los modelos teórico/prácticos de MAS permiten estudiar fenómenos sociales reales.
- 23. Características de la agencia • En los MAS aparecen conceptos de gran interés – actividades conjuntas y cooperación; – conflictos, cómo se resuelven; – negociación; – compromisos y planificación de actividades; – modelo del conocimiento, y su comunicación.
- 24. Cooperación • Cooperación: es el proceso por el que ciertos agentes participantes generan deberes mutuamente dependientes en actividades conjuntas (planes). – Se recibe un problema en cierto nivel de abstracción. – El agente resuelve localmente aquello que es posible. – Recurre a otros agentes del mismo nivel para el resto de las tareas. – Recurre a otros niveles de abstracción para el resto de las tareas.
- 25. Conflictos • Los conflictos surgen cuando al resolver un problema hay una o varias de las siguientes circunstancias – el conocimiento local es incorrecto o incompleto, – coexisten metas diferentes y divergen en algún momento, – hay diferentes criterios de evaluación de soluciones, – los recursos están limitados. • Aspecto positivo – se intercambia información → mejora la robustez e integración – se llega a soluciones globalmente óptimas. • Los conflictos se resuelven o evitan mediante mecanismos de – prevención y evitación, – sistemas de pizarra, – negociación.
- 26. Negociación • La negociación se resuelve en un plan común; que es óptimo cuando se da una situación de paridad conjunta. • Negociación estricta: – negociación de un plan común; – ejecución estricta del plan. • Negociación generalizada: – entrelazamiento de negociación y ejecución. • Existen esquemas conocidos de negociación y relajación de metas (Zlotkin y Rosenschein, 1990). • Existen mecanismos de arbitraje bien conocidos (Lesser - 1988, Durfee, Sycara -1989).
- 27. Proceso de negociación • El proceso de negociación es iterativo – los agentes afectados ofrecen propuestas o posturas – ninguna de estas propuestas es más exigente que la anterior • La negociación finaliza cuando – hay acuerdo: se crea un plan conjunto. – hay interbloqueo: no hay acuerdo y se requiere otro procedimiento de solución o negociación. – se produce una apelación: un agente coordinador puede modificar metas o relajar las restricciones.
- 28. Compromisos • Los compromisos forman un conjunto de restricciones sobre las acciones y creencias de cada agente. – Se representan mediante conocimiento compartido y local de cada agente con respecto al resto. – Dan forma a la noción de agencia: • son el fundamento de la cooperación, negociación, y planes y metas conjuntas; • cohesionan la agencia. – Alternativas: • Compromiso como elección individual, temporal y local. • Compromiso como noción distribuida o social.
- 29. Planificación • Las interacciones en sistemas MAS obedecen a la coexistencia de planes elaborados, preferentemente, de forma distribuida. – Generación de operaciones candidatas, – selección, – relevancia en la obtención del resultado, – ejecución. • Categorías de planificación: – Planificación clásica, – planificación reactiva, – sistemas combinados, – planificación distribuida. • El modelo PGP (Partial Global Planning) aborda el problema de la planificación distribuida (Lesser, Durfee).
- 30. Compartiendo conocimiento Requisitos para lograr compartir y comunicar el conocimiento: • Modelo de representación del conocimiento común. • incluye lenguaje de representación de conocimiento común (→ lenguaje de representación de conocimiento) • Representación de conocimiento común (→ ontologías). • Lenguaje de comunicación común (→ lenguaje de comunicación entre agentes). • Un esfuerzo en este sentido es el de FIPA (Foundation for Intelligent Physical Abstracts -CE), así como KSE (Knowledge Sharing Effort -ARPA), entre otros.