INTRODUCCIN

En esta seccin veremos ms de la Inteligencia Artificial las diferentes

funciones que cumplen los agentes en cada entorno, como se desenvuelven,
que percepciones utilizan e ignoran. Al momento que el agente interviene se da
a conocer que propiedad cumple y como se desempea.

Estos agentes se involucran con la sociedad con la finalidad de conocer cada

cosa que sucede al alrededor y es por esto que estos agentes son importantes
de estudiarlos.

OBJETIVO
En esta seccin se tiene como objetivo conocer ms del entorno de los agentes
que funcin cumple cada uno de ellos, que percepciones utiliza o ignora.

MARCO TERICO
2.3 NATURALEZA DEL ENTORNO
Primero hay que centrarse en los entornos de trabajo que son esencialmente
los <<problemas>> para que los agentes racionales son las <<soluciones>>.
Para esto se comenzara mostrando como especificar un entorno de trabajo,
ilustrando el proceso con varios ejemplos.

2.3.1 Especificacin del entorno de trabajo

En el agente aspiradora simple, definimos lo que era la medida de REAS
(Rendimiento, Entorno, Actuadores, Sensores). Mediante el estudio del REAS
se pueden comprender de manera ms cabal las distintas aristas que
intervienen en la formulacin del problema que tiene que resolver el agente
Un ejemplo ms completo es de un taxista automtico que se resume en la
descripcin REAS para el entorno de trabajo del taxi.

Tipo de
agente

Medidas de
rendimiento

Entorno

Actuadores

Sensores
Cmaras,
snar,
velocmetro,

Seguro,

Taxista.

rpido, legal,

Carreteras,

viaje,

otro trfico,

confortable,

peatones,

maximizacin

dientes.

del beneficio.

Direccin,

GPS,

acelerador,

tacmetro.

freno, seal,

Visualizador

bocina,

de la

visualizador.

aceleracin
sensores del
motor,
teclado.

Aqu explicaremos con ms detalles cada uno de sus elementos.

Primero Cul es el entorno de trabajo en el que el taxista automtico
aspira a conducir?
Dentro de las cualidades deseables que debera tener se incluyen el que llegue
al destino correcto; que minimice el consumo de combustible; el tiempo de viaje
y/o coste; minimice el nmero de infracciones de trfico y de molestias a otros
conductores,

que maximice la seguridad, la comodidad del pasajero y el

beneficio.
Segunda: Cul es el entorno en que se encuentra el taxi?
Cualquier taxi debe estar preparado para circular por distintas carretera, desde
caminos rurales y calles urbanas hasta autopistas de 12 carriles. En las
carreteras se pueden encontrar con trfico, peatones, animales, obras, coches
de polica, charcos y baches. El taxista tambin tiene que comunicarse tanto
con pasajeros reales como potenciales. Hay tambin elecciones opcionales.
Puede conducir siempre por la derecha, o puede ser lo suficientemente flexible
como para que circule por la izquierda. Obviamente, cuanto ms restringido
est el entorno, ms fcil ser el problema del diseo.

Tercera: Actuadores disponibles en un taxi automtico sern ms o menos los

mismos que los que tiene a su alcance un conductor humano: el control del
motor a travs del acelerador y control sobre la direccin y los frenos. Adems,
necesitar tener una pantalla de visualizacin o un sintetizador de voz para
responder a los pasajeros, y quizs algn mecanismo para comunicarse,
educadamente o de otra forma, con otros vehculos.
Cuarta: Sensores bsicos deben, por tanto, incluir una o ms cmaras de
televisin dirigidas, un velocmetro y un tacmetro. Para controlar el vehculo
adecuadamente, especialmente en las curvas, debe tener un acelerador; debe
conocer el estado mecnico del vehculo, de forma que necesitar sensores
que controlen el motor y el sistema elctrico, entre otros.
A continuacin la siguiente figura muestra un esquema con los elementos
REAS bsicos para diferentes clases de agentes adicionales.

Tipo de
agente

Medidas de
rendimiento
Pacientes

Sistema de
diagnstico
medico

sanos, reducir
costes,
demandas.

Entorno

Pacientes,
hospital.
Personal.

Actuadores

Sensores

Visualizar

Teclado para

preguntar,

la entrada de

pruebas,

sntomas,

diagnsticos, conclusiones,
tratamientos,

respuestas

casos.

de pacientes.

Visualizar la
Sistema de Categorizacin Conexin con
categorizacin
anlisis de
de imagen
el satlite en
imgenes de
de una
correcta.
rbita.
satlites
escena.
Porcentaje de

pixeles de
colores.

Cinta

componentes transportadora
Robot para la
Brazo y mano
con
seleccin de clasificados en
articulados
componentes
los cubos
componentes

Controlador
de una
refinera

Matriz de

Cmara,
sensor
angular.

correctos.

cubos.

Maximizar la

Refinera

Vlvulas,

Temperatura,

pureza,

operadores.

bombas,

presin,

produccin y

calentadores,

sensores

seguridad.

monitores

qumicos.

Maximizar la
Tutor de
Ingles
interactivo

puntuacin de
los
estudiantes en
los exmenes.

Conjunto de

Visualizar los

estudiantes,

ejercicios,

Teclado de

agencia

sugerencias,

entrada.

examinadora.

correcciones.

En contraste, existen algunos agentes software en entornos ricos y

prcticamente ilimitados. Para lograrlo, deber poseer cierta habilidad en el
procesamiento de lenguaje natural, tendr que aprender qu es lo que le
interesa a cada cliente, y tendr que ser capaz de cambiar sus planes
dinmicamente.

2.3.2 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. Sin embargo, se puede identificar un pequeo nmero
de dimensiones en las que categorizar estos entornos. Estas dimensiones
determinan, el diseo ms adecuado para el agente y la utilizacin de cada una
de las familias principales de tcnicas en la implementacin del agente.
Primero se enumeran las dimensiones, y despus se analizan varios entornos
de trabajo para ilustrar estas ideas.
Totalmente observable vs parcialmente observable.
Es totalmente observable cuando los sensores del agente son
capaces de obtener toda la informacin relevante para la toma de
decisiones, en caso contrario ser parcialmente observable.

vs
Determinista vs estocstico
Si el prximo estado, ha sido analizado por el agente y ste se ha movido se
habla de un entorno determinista, de lo contrario es estocstico. Est
relacionado con la accin y percepcin de nuestro agente. El agente taxi es
claramente estocstico en este sentido, ya que no se puede predecir el
comportamiento del trfico exactamente, entre otras cosas.

vs

Episdico vs secuencial
Si las acciones futuras del agente NO tienen relacin con sus acciones
anteriores se habla de un entorno episdico. En caso de que sus acciones SI
afecten su futuro, el entorno ser secuencial.

vs

Esttico vs dinmico
Si el entorno cambia mientras el agente se est ejecutando el entorno es
dinmico, de caso contrario ser esttico.

vs

Discreto vs continuo
Para poder diferenciar si un entorno es discreto o continuo hay que analizar el
estado del medio, es decir, la forma en la que se maneja el tiempo, las
percepciones y las acciones; dicho de otro modo, si las acciones se realizan en
un determinado tiempo se habla de estado discreto, pero si se realizan en un
intervalo de tiempo se habla de un estado continuo.

vs
Agente individual vs multiagente
En principio es fcil identificar uno de otro ya que bsicamente si participa solo
es agente individual y si participa con otros agentes es multiagente. La nica
precaucin que se debe tener es si los otros agentes intentan maximizar su
medida de rendimiento, de no ser as no se est tratando con un agente.

vs

CONCLUSIN
Un agente como ya conocemos es aquel capaz de razonar, es por esto que en
esta seccin conocimos diferentes estructuras de agentes, que funcin
cumplen cada una de ellas, adems conocer como estn basados los agentes
ya que esto es primordial en lo que es la Inteligencia Artificial.

Es por esto que en esta seccin nos dan esa pauta de conocer ms de estos
agentes como es su implementacin en cada entorno, las percepciones que
utilizan para desenvolverse y lo primordial es que en estos agente esta la ms
importante o por la cual se tiene que llegar que es el agente que aprende que
es aquel se realimenta de todo lo conocido o puesto en prctica siempre
actualizndose lo que pasa en el entorno.

BIBLIOGRAFA
Aguerra, L. 2012. Agentes inteligentes. (En lnea). Formato PDF. Disponible en:
http://www.uv.mx/aguerra/documents/2013-ia2-01.pdf. Consultado: 28
Noviembre 2014

Russell,

S.,

Norvig,

P.

2008. Inteligencia

Artificial

Moderno. Segunda Edicin. Pearson Education. Espaa

Un

Enfoque