Clase2Agente 2011

1
Agentes
Inteligencia Artificial 2011
Inteligencia Artificial - 2011
Un agente es un sistema que est situado en algun
ambiente, y que es capaz de realizar acciones
autnomas en ese ambiente, para cumplir sus
objetivos de diseo. Para que un agente sea
inteligente de ser proactivo, reactivo y tener
habilidad social.
Wooldridge & Jennings
Qu es un agente?
Un agente autnomo es un sistema
computacional que habita un ambiente,
percibe y acta autnomamente en ese
ambiente, y de este modo realiza un conjunto
de tareas para las cuales fue diseado
Pattie Maes
Qu es un agente?
Qu es un agente?
Un agente es todo aquello que puede considerarse
que percibe su ambiente mediante sensores y que
responde o acta en tal ambiente por medio de
efectores
Russell & Norvig
Qu es un Agente?
percibe?
acta sobre el ambiente?
Es autnomo?
Tiene habilidad social?
Autonoma: Capacidad que tiene un agente de aprender de su
experiencia y modificar su comportamiento en tiempo de ejecucin
Cul es la diferencia entre
Agente y programa?
2
Agente y programa?
Agente y objeto?
Objeto decirHolaAlaGente()
Decir Hola a la gente
Hola Gente!
Un agente controla sus estados y
comportamiento y es
autnomo
Una clase controla
sus estados
Agente y objeto?
Percibir: E_a percepcin
Acciones A={a1, a2, , an}
Medida de performance U:E
Agente Racional
Hacer lo correcto
Acercarse a sus objetivos de diseo
Agente = f :P* A
Hola!
Cual es la medida de
performance?
como describir
el xito?
Cuando es mas
exitoso?
Agente Racional
U:E
Agente Racional
3
Agente Racional
A B
Percepcin: posicin, estado-habitacin Por ej. [A, sucio]
Acciones: irIzq, irDer, limpiar, apagar
Funcin Agente:
Aspiradora(pos, estado) devolver accin
Si estado = sucio entonces devolver limpiar
sino si pos = A devolver irDer
sino si pos = B devolver irIzq.
Cmo definimos
U: E ??
Agente Racional
A B
Un Agente Racional elige la accin que maximice la medida de performance dada
la secuencia de percepciones hasta el momento.
Medida de performance (U: E ):
1 pto por habitacin aspirada en el tiempo T?
1 pto por habitacin aspirada en cada etapa T menos 1 por movimiento?
Penalizar si hay ms de K habitaciones sucias?
Agente Racional
A B
Racionalidad omnisciente
- percepciones pueden no proveer toda la informacin necesaria
Racionalidad percepcin extrasensorial
- la accin puede no ser la que se espera
Racionalidad xito!
Racionalidad exploracin, aprendizaje, autonoma.
RELACIN ENTRE
SECUENCIA DE PERCEPCIN Y ACCIONES
Si (p1, p2, ., pn) mejorAccin(A)
La clasificacin como mejorAccin ser determinada
por los objetivos del agente.
Objetivo: mantener la habitacin a 20C
Si T-habitacin 20C encender
Agente Racional
Agente y percepciones
1
2
3
4
1 2 3 4
Percibir([99,2,0,99])
ok ok
Percibir([99,0,1,0])
ok
Percibir([99,0,1,0])
2 tipos de informacin:
Cmo evoluciona el entorno independientemente del agente?
Cmo se modifica el ambiente por las acciones del agente?
Percepcin: [izq, der, arriba, abajo] Donde: 99=pared; 0= vaca; 1= comida; 2= enemigo
arriba arriba
Sensor de nivel de
Agua en el tanque
Percepcin(5 volt)
Interpretar percepcin
interprete
BC
CantidadAguaDelTanque=15 lt
La percepcin que el agente recibe
debe ser interpretada y transformada
en conocimiento para el agente
Agente y percepciones
4
Disear un Agente
(PEAS=Performance; Environment; Actuators; Sensors)
Medida de Performance = ?
Ambiente = ?
Acciones = ?
Sensores = ?
Disear un Agente
Medida de Performance = seguridad; destino; combustible; legal ?
Ambiente = calles de Sta fe; autopista; clima; peatones; trfico?
Acciones = acelerar; frenar; girar; hablar; detenerse?
Sensores = video; GPS; velocmetro; sensor combustible; ?
Disear un Agente
Medida de Performance = seguridad; destino; combustible; legal ?
Ambiente = calles de Sta fe; autopista; clima; peatones; trfico?
Acciones = acelerar; frenar; girar; hablar; detenerse?
Sensores = video; GPS; velocmetro; sensor combustible; ?
Programa del agente: Implementar f :P* A
Autonoma= asociar a las acciones una medida de performance
agente = arquitectura + programa
Decirle que hacer sin decir cmo
Ambiente: representa la situacin problemtica
que el agente debe resolver.
El ambiente se analiza desde el punto de vista del
agente y no cmo este es realmente.
La visin que tiene el agente de su ambiente
influencia en el diseo del mismo.
Existen diferentes clasificaciones de ambientes.
El Agente y su Ambiente
Totalmente observable vs. Parcialmente observable:
Determinstico vs. Estocstico:
estado + accin nuevo estado
sucio + limpiar limpio
Episdico vs. Secuencial:
episodio
i
= estado + accin
Esttico vs. Dinmico
Discreto vs. Continuo
Agente nico vs. multiagente
?
AGENTE PERCEPCIN ACCIONES OBJETIVOS AMBIENTE
Sistemas de
Diagnstico
Mdico
Sntomas,
resultados de
estudios, respuestas
del paciente
Preguntas,
Estudios,
Tratamientos
Paciente Sano,
Mnimo Costo
Paciente,
Hospital
Sistema
Analizador de
Imgenes
Satelitales
Pixels de
intensidad y
color variado
Imprimir una
catego-
rizacin de
la escena
Categoriza-
cin correcta
Imgenes de
Satlites
Robot para
tomar partes
Pixels de
distinta
intensidad
Tomar partes
y ordenarlas
en el empa-
quetamiento
Colocar las
partes co-
rrectamente
Cinta trans-
portadora con
las partes
Controlador
de una
refinera
Lecturas de
temperatura,
presin y caudal
Abrir y cerrar
vlvulas, etc.
Maximizar pureza,
minimizar costos,
seguridad
Refinera
Tutor
interactivo de
idioma
Palabras
tipeadas
Imprimir
ejercicios,
sugerencias,
correcciones .
Maximizar el
puntaje del estu-
diante en los
examenes
Conjunto de
estudiantes
Refinera
5
Agente Percepciones Acciones Objetivos Ambiente
Conductor
de Taxi
cmaras,
velocmetro,
sonar,
micrfono
acelerar,
frenar,
doblar,
etc.
seguro,
rpido,
maximizar
beneficios
rutas,
vehculos,
peatones,
clientes
funcin AGENTE (percepcin) retorna accin
static: memoria; la memoria del agente acerca del mundo
memoria Actualizar-Memoria (memoria, percepcin)
action Elegir-Mejor-Accin (memoria)
memoria Actualizar-Memoria (memoria, accin)
retornar accin
El agente recibe una sola percepcin
El agente decidir si requiere, o no, construir en su memoria la SP.
Programa de Agente: Estructura bsica
Simulador del Ambiente
Ambiente
Percepcin
actualizar
accin
EI
funcin Ejecutar-Ambiente (estado, fn-actualizacin, agentes,
terminacin, fn-perfomance)
retorna accin
variables locales: ponderaciones, un elemento por agente
repetir
por cada agente en agentes hacer
Percep [agente] Obt-Percep(agente, estado)
fin
por cada agente en agentes hacer
Accin[agente]Programa[agente](Percep[agente])
fin
estado fn-actualizacin(acciones, agentes, estados)
ponderaciones fn-perfomance(ponderaciones, agentes,
estado)
hasta terminacin (estado)
retornar ponderaciones.
Esquema de un Programa que Simula Ambientes
Considerar los siguientes agentes:
1) robot jugador de ftbol
2) asistente de procesador de texto
3) controlador de mquina expendedora de productos
3
2
1
Ambiente Meta/Objetivo Acciones Percepciones
Mquina
expendedora
Mquina llena
siempre
Reponer producto,
avisar cuando
vaco
Cantidad de
productos
3
Texto Sugerencias,
correcciones
Palabras
escritas
2
Cancha de
ftbol
Hacer gol Correr, patear la
pelota
Posicin en la
cancha
1
Ambiente Meta/Objetivo Acciones Percepciones
Mquina
expendedora
Texto
Cancha de
ftbol
Ambiente
3
2
1
Discreto Esttico Episdico Determinista Accesible
6
Mquina
expendedora
Texto
Cancha de
ftbol
Ambiente
SI NO NO SI SI 3
SI SI SI SI SI 2
NO NO NO NO NO 1
Discreto Esttico Episdico Determinista Accesible
Tipos de agentes
1) Agente reactivo/reflejo/reflexivo simple
2) Agente reactivo basado en modelos
3) Agente basado en objetivos
4) Agente basado en utilidad
5) Agente que aprende
funcin Agente-Reflexivo-Simple (percepcin) retorna accin
static: reglas; un conjunto de reglas condicin-accin
estado Interprete-Entrada ( percepcin )
regla Selector-Regla ( estado , reglas )
accin Accin-de-la-Regla [ regla ]
retornar accin
1) Agente Reflejo Simple
Si auto-delante est frenado entonces frenar
Reglas condicin-accin
Agente-termostato
Agente reflejo simple
Cmo decide este agente qu accin emprender?
Agente-termostato
Agente reflejo simple
SI (sensor-temperatura < temperatura-deseada)
ENTONCES accin-elegida(prender)
funcin Agente-Reflexivo-Estado (percepcin) retorna accin
static: estado; descripcin del estado actual del Ambiente
reglas; un conjunto de reglas condicin-accin
accin; la accin ms reciente
estado Actualiza-Estado ( estado, accin, percepcin )
regla Selector-Regla ( estado , reglas )
accin Accin-de-la-Regla [ regla ]
retornar accin
siguiente: I x percepcin I
2) Agente Reflejo basado en modelos
7
Los sensores no dan acceso a una descripcin completa del
estado del mundo.
En algunos problemas el agente necesita mantener
internamente algo de informacin acerca del estado del mundo
(ambiente), de forma de poder distinguir entre dos estados del
mundo que generan la misma percepcin por parte de los
sensores.
En el ejemplo del Taxista, si ste desea pasar el auto que va delante
de l, el agente debe mantener en su memoria si en su ltima
inspeccin del espejo lateral observ algn vehculo en su carril
lateral, ya que la informacin que posee de observar hacia
adelante no es suficiente para realizar la accin.
Actualizar esta informacin interna acerca del estado
requiere que se codifiquen dos tipos de conocimientos:
i. la informacin acerca de como evoluciona el mundo
independientemente del agente
(por ej.: los otros vehculos en la autopista)
ii. la informacin acerca de como las acciones del
agente afectan al mundo
(por ej.: que ocurre cuando ejecute la accin de
pasarse de carril en la autopista)
modelo
Agente-termostato
Agente reflejo basado en modelo
Agente-termostato
Agente reflejo basado en modelo
SI (siguiente(estado-temperatura,sensor-temperatura)<temperatura-deseada)
ENTONCES (accin-elegida(prender))
El agente necesita informacin sobre el objetivo que persigue, el
cual describe las situaciones deseables.
El programa del agente puede combinar la informacin sobre
objetivo y el resultado de las acciones posibles para seleccionar la
accin necesaria para alcanzar el objetivo.
Este agente considera dos aspectos:
i. Que ocurre si ejecuta tal o cual accin?
ii.Cunto ms lo complace cada accin?
Esta informacin no se utiliza explcitamente en los agentes
reflexivos, ya que el programador ha pre-procesado las acciones
correctas para cada caso.
3) Agente basado en objetivos
En el ejemplo del Taxista:
Un agente reflexivo frena cuando observa encendidas las
luces de freno del vehculo que va delante de l.
Un agente dirigido por objetivos, en principio razonar que
si observa encendidas las luces de freno del auto que va delante,
el disminuir su velocidad. A partir de la forma en que usualmente
evoluciona el mundo, la nica accin que permite alcanzar el
objetivo de no chocar es frenar. Si comienza a llover, el
agente puede actualizar su conocimiento acerca de cuan bien
trabajarn sus frenos; esto provocar automticamente que se
adapte el comportamiento a las nuevas condiciones.
Para el agente reflexivo, deberamos re-escribir un gran nmero
de reglas condicin-accin ante cambios del dominio.
8
Agente-termostato
Agente basado en objetivo
Agente-termostato
Agente basado en objetivo
objetivo: 25C < estado-temperatura < 30C
estado-temperatura = actualizar(sensor-temperatura)
secuencia-acciones = buscar-secuencia-acciones(estado-temperatura, objetivo)
accin= primera(secuencia-acciones)
Bsqueda
Planificacin

Un objetivo slo distingue entre un estado de xito y fracaso.
Una medida de perfomance ms general debera permitir
comparar diferentes estados del Mundo (o secuencia de
estados), de acuerdo a cuan exitoso sera el agente si los alcanza.
Usar cuando:
existen objetivos conflictivos (velocidad, seguridad)
varios objetivos que no puedan alcanzarse con certeza
Funcin Utilidad:
U: E
Crtica: mecanismo de retroalimentacin que analiza la manera de actuar
Aprendizaje: incorpora nuevas reglas basadas en el conocimiento
obtenido por la experiencia. (por ej. cmo evoluciona el mundo, que
hacen sus acciones, etc)
Generador de problemas: sugerir acciones que lo lleven a tener nuevas
experiencias. Acciones mejores a largo plazo
5) Agente que aprende
El objetivo del agente-aspiradora es
que ambas habitaciones estn limpias
Ejercicio: definir un Agente-aspiradora
hab1 hab2
suciedad
Agente-aspiradora
Sensores:
- sucio/limpio (1/0)
Actuadores:
- aspirar
- moverse
- apagarse
Qu pasa si el mundo
es completamente accesible?
9
como un agente reflejo-simple
- Acciones: irH, aspirar, apagarse
- Toma de decisiones: reglas IF-THEN
-IF hay suciedad en H THEN aspirar
- IF no hay suciedad en H THEN irHabitacin
- y el apagarse?
- IF no hay suciedad en H THEN irHabitacin
Este mundo es determinstico?
Que pasa si el aspirar no aspira TODA la suciedad existente?
como un agente reflejo-simple basado
en modelo
-Toma de decisiones: reglas IF-THEN
-IF no hay suciedad en H THEN irHabitacin
- IF limpia(H1) AND limpia(H2) THEN apagarse
Qu pasa si no sabe cuntas habitaciones hay?
como un agente basado en objetivo
- Toma de decisiones?
- Estado interno o modelo del mundo?
- Objetivo?
- Lleg al objetivo?
como un agente basado en objetivo
- Toma de decisiones: bsqueda, planificacin, sistema de reglas
- Objetivo: ambas habitaciones limpias
- Posibles estados que satisfacen el objetivo:
- Evaluar si lleg al objetivo
- Secuencia de acciones para alcanzar el objetivo: Aspirar, irH2, aspirar
Cmo son las acciones ahora?

Clase2Agente 2011

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase2Agente 2011

Cargado por

Copyright:

Formatos disponibles

1

Cmo decide este agente qu accin emprender?

También podría gustarte