Agentes Inteligentes

INTELIGENCIA ARTIFICIAL
Clase #2 :
Agentes Inteligentes
Dr. Wladimir Rodrguez

Postgrado en Computacin
ULA
wladimir@ula.ve
Informacin General
Profesor: Wladimir Rodrguez

e-mail: wladimir@ula.ve
Horario: Lunes 8-12

Pgina WEB:
http://www.pgcomp.ula.ve/DISTANCIA/
INTELIGENCIA/index.html
Libro Texto:
Stuart Russell
y Peter Norvig, Inteligencia

Artificial: Un enfoque moderno, Prentice
Hall, 1996. (http://aima.cs.berkeley.edu)
Dr. Wladimir Rodriguez
Inteligencia Artificial
Agenda
Introduccin
Qu es un Agente Inteligente?
Estructura de los Agentes Inteligentes
Agentes de Reflejo Simple
Agentes Bien Informados
Agentes Basados en Metas
Agentes Basados en Utilidad
Ambientes
Agente Inteligente
Agente Humano
Sensores: Ojos (visin), orejas (odo), piel
(tacto), lengua (gusto), nariz (olfato), sistema

neuromuscular (propriocepcin)
Percepciones:
Al ms bajo nivel seales elctricas

del preprocesamiento objetos en el
Despus
campo visual (posicin, texturas, colores, ), flujos
auditivos (tono, volumen, direccin),
Efctores: Brazos, dedos, ojos, lengua, ...

Acciones: alzar el brazo, voltear, caminar, ...
Introduccin
Ambiente Aspiradora
Percepciones: Localizacin y contenido, por

ejemplo [A, Sucio]
Acciones: Izquierda, Derecha, Aspirar,

Hacer_Nada
Agente Aspiradora
Secuencia de Percepciones
Derecha
Aspirar
Izquierda
Aspirar
Derecha
Aspirar
...
[A, Limpio]
[A, Sucio]
[B, Limpio]
[B, Sucio]
[A, limpio] [A, Limpio]
[A, Limpio] [A, Sucio]
...
Accin
Qu tan bueno es un Agente?
Se necesita una medida de desempeo:
Objetiva / Subjetiva
Cuantitativa / Cualitativa
Tiempo de Evaluacin (durante o despus)
Mejor / Peor / Promedio
La racionalidad de un agente depende de:

Rendimiento
Percepciones recibidas
Conocimiento interno del agente
Las acciones que el agente pueda hacer
Qu tan bueno es un Agente?
Un agente racional ideal:
todos los casos de posibles secuencias de

Para
percepciones, un agente racional deber emprender
todas aquellas acciones que favorezcan obtener el
mximo de su medida de rendimiento, basandose en
las evidencias aportadas por la secuencia de
percepciones y en todo el conocimiento incorporado
en tal agente
10
Mapeo Percepciones/Acciones
Un mapeo especifica la accin que un agente

debe tomar en respuesta a una secuencia de
percepciones.
Puede ser en forma de tabla
Planes universales
Comportamiento estimulo / respuesta
Casos (indexados)
Pueden ser en forma de funciones
Algoritmos de varios tipos.

(ejemplo de la raz cuadrada del texto)
11
Tipos de Agentes
Agente
Perceptos
Acciones
Sntomas, signos,
respuestas
Preguntas,
pruebas,
tratamientos
Pixels
Clasificar la
escena
Clasificacin
correcta
Imgenes de
satelite
Robot de
recoleccin
Pixels
Agarrar partes
colocarlas en
recipientes
Colocacin
correcta
Cinta deslizante
con las partes
Controlador de
refinera
Medidas de
presin,
temperatura
Abrir y cerrar
vlvulas ...
Tutor interactivo
Palabras
tecleadas
Preguntas,
ejercicios,
sugerencias ...
Sistema de
diagnstico
medico
Sistema de
anlisis de
imgenes
12
Objetivos
Entorno
Sanar,
Paciente, hospital
minimizar costes
Maximizar
pureza,
produccin
Maximizar la
puntuacin en un
test
Refinera
Conjunto de
estudiantes
Un agente inteligente es cualquier cosa que

pueda
un mundo perceptual en que est anidado

percibir
(ambiente) mediante SENSORES y
sobre ese mundo mediante EFECTORES (o
actuar
actuadores)
sinnimo de ambiente es espacio de problema

sinnimo de agente inteligente es operador que
transforma un input en output dentro del espacio de
problema
13
META de la Inteligencia Artificial
Disear
un agente inteligente/racional que opere o acte
adecuadamente en sus ambientes.
Discusin sobre adecuadamente
Fijar alguna medida del buen xito

Tener en cuenta el PRR Principio de Racionalidad
Restringida de Herbert Simon
14
Qu es un Agente Racional?
Pensante racionalmente
Captura de un proceso racional correcto

Proceso Irrefutable
Metodologa
Desarrollar un modelo formal - LGICA FORMAL que siempre conduzca a la respuesta correcta
Implementar ese modelo
Cmo sabemos si lo hicimos bien
cuando podemos probar que el razonamiento

programado fue correcto
la lgica de primer orden fue completa
15
Qu es un Agente Racional?
Actuante racionalmente
Actuar de forma de lograr las metas deseadas

enfoque del agente racional - a ser encarado en
El
esta disciplina.
usted mismo como se hacen las decisiones
Imagine
correctas
a veces pensando racionalmente (enfoque europeo)

otras teniendo reflejos racionales (enfoque truqus)
16
Estructura de los Agentes
Como todos los agentes tienen una estructura
bsica o mnima o esqueltica igual, se puede

investigar cul es ella.
function
functionSkeleton-Agent(percept)
Skeleton-Agent(percept)returns
returnsaction
action
static:
memory,
the
agent's
memory
of
the
world
static: memory, the agent's memory of the world
memory
memory
Update-Memory(memory,
Update-Memory(memory,percept)
percept)
action
Choose-Best-Action(memory)
action Choose-Best-Action(memory)
memory
memory
Update-Memory(memory,
Update-Memory(memory,action)
action)
return
action
return action
17
Agente Basado en Tablas
Dada una percepcin, simplemente buscar la
respuesta.
Parece simple, pero existen algunos problemas:
problemas reales requieren de tablas

Combinatoria:
muy grandes
Tablas son difciles de crear
function
functionTable-Driven-Agent(percept)
Table-Driven-Agent(percept)returns
returnsaction
action
static:
percepts,
a
sequence,
initially
empty
static: percepts, a sequence, initially empty
table,
table,aatable
tableindexed
indexedby
bypercept
perceptsequences,
sequences,initially
initiallyfully
fullyspecified
specified
append
appendpercept
percepttotothe
theend
endofofpercepts
percepts
action
LookUp(percepts,
action LookUp(percepts,table)
table)
return
returnaction
action
18
Agentes Reflejo Simple
Las reglas condicin / accin tienen la forma

IF condicin THEN accin
Aparear regla con la percepcin a partir de un
conjunto completo de reglas
ENTONCES especificar accin a tomar.
Peligro puede ser de poco alcance.
19
Agente Reflejo Simple
20
Agente Reflejo Simple
function
functionSimple-Reflex-Agent(percept)
Simple-Reflex-Agent(percept)returns
returnsaction
action
static:
static:rules,
rules,aaset
setofofcondition-action
condition-actionrules
rules
state
state
Interpret-Input(percept)
Interpret-Input(percept)
rule
Rule-Match(state,
rule Rule-Match(state,rules)
rules)
action
Rule-Action[rule]
action Rule-Action[rule]
return
returnaction
action
21
Agente Reflejo con Estado
Incluye memoria extendiendo el horizonte de

tiempo del agente.
Peligro: la informacin almacenada puede no ser

valida.
Un agente reflejo con un estado interno. Opera
encontrando una regla cuya condicin coincida

con la situacin actual y luego procede a
efectuar la accin que corresponda a la regla
22
23
function
functionReflex-Agent-With-State(percept)
Reflex-Agent-With-State(percept)returns
returnsaction
action
static:
static:rules,
rules,aaset
setofofcondition-action
condition-actionrules
rules
state,
a
description
of
the
current
state, a description of the currentworld
world
state
state
Update-State(state,
Update-State(state,percept)
percept)
rule
Rule-Match(state,
rules)
rule Rule-Match(state, rules)
action
action
Rule-Action[rule]
Rule-Action[rule]
state
Update-State(state,
state Update-State(state,action)
action)
return
returnaction
action
24
Agente Basado en Metas
Metas
Ayudan al agente a decidir las acciones correctas.

sobre la meta ayuda al agente a
Informacin
describir situaciones deseables.
la meta no es inmediata a una accin es necesario
Sirealizar
algn proceso de bsqueda y planeacin.
25
La toma de decisiones no es tan directa como en

un agente reactivo.
Considera la forma en que cambiar el mundo.

Es ms flexible para adaptarse
Ej. Agente que conduce
26
27

Input
Inputpercept
percept
state
state
Update-State(state,
Update-State(state,percept)
percept)
goal
Formulate-Goal(state,
goal Formulate-Goal(state,perf-measure)
perf-measure)
search-space
search-space
Formulate-Problem
Formulate-Problem(state,
(state,goal)
goal)
plan
plan
Search(search-space
Search(search-space, ,goal)
goal)
while
while(plan
(plannot
notempty)
empty)do
do
action
action
Recommendation(plan,
Recommendation(plan,state)
state)
plan
plan
Remainder(plan,
Remainder(plan,state)
state)
output
outputaction
action
end
end
28
Ejemplo de Agente Basado en

Metas
El robot debe
mantener el objetivo
en la mira
La trayectoria del
objetivo no es
conocida de
antemano
El robot no sabe de
antemano todos los
obstculos
Se debe actuar
rapidmente
robot
29
target
Agente Basado en Utilidad
Las metas no son suficientes para generar un

comportamiento de calidad.
Las utilidades sirven para distinguir la

preferencia de un estado a otro.
La utilidad mapea un estado a un nmero real

Debe considerarse las metas conflictivas y las
metas inciertas.
30
Agente Basado en Utilidad
31
Agente Aprendiz
32
Ambiente
Accesible vs inaccesible
Sensores detectan toda la informacin
Determinista vs no determinista
siguiente estado depende slo del anterior y de la
El
accin actual
Episdico vs no episdico
Existen episodios con percepciones y acciones
33
Ambiente
Esttico vs dinmico
El ambiente no cambia mientras el agente delibera
Discreto vs continuo
un nmero limitado de percepciones y
Existe
acciones
34
Caractersticas de los Ambientes

Accesible
Determinista
Esttico
Discreto
Solitario
No
Si
Si
Si
Backgammon
Si
No
Si
Si
Manejar Taxi
No
No
No
No
Compras
Internet
No
No
No
No
Diagnstico
Mdico
No
No
No
No
35
Programa Bsico para el

Ambiente
procedure
procedureRun-Environment(state,
Run-Environment(state,Update-Fn,
Update-Fn,agents,
agents,termination)
termination)
input:
state,
the
initial
state
of
the
environment
input: state, the initial state of the environment
Update-Fn,
Update-Fn,function
functiontotomodify
modifythe
theenvironment
environment
agents,
a
set
of
agents
agents, a set of agents
termination,
termination,aapredicate
predicatetototest
testwhen
whenwe
weare
aredone
done
repeat
repeat
for
foreach
eachagent
agentininagents
agentsdo
do
Percept[agent]
Percept[agent] Get-Percept(agent,
Get-Percept(agent,state)
state)
end
end
for
foreach
eachagent
agentininagents
agentsdo
do
Action[agent]
Action[agent] Program[agent](Percept[agent])
Program[agent](Percept[agent])
end
end
state
state
Update-Fn(actions,
Update-Fn(actions,agents,
agents,state)
state)
until
termination(state)
until termination(state)
36
Simulador de Ambiente
function
functionRun-Eval-Environment(state,
Run-Eval-Environment(state,Update-Fn,
Update-Fn,agents,
agents,
termination,
termination,Performance-Fn)
Performance-Fn)returns
returnsscores
scores
local
:
scores,
a
vector
the
same
size
as
agents,
initially
all
0
local : scores, a vector the same size as agents, initially all 0
repeat
repeat
for
foreach
eachagent
agentininagents
agentsdo
do
Percept[agent]
Percept[agent] Get-Percept(agent,
Get-Percept(agent,state)
state)
end
end
for
foreach
eachagent
agentininagents
agentsdo
do
Action[agent]
Program[agent](Percept[agent])
Action[agent] Program[agent](Percept[agent])
end
end
state
state
Update-Fn(actions,
Update-Fn(actions,agents,
agents,state)
state)
scores
Performance-Fn(scores,
agents,
scores Performance-Fn(scores, agents,state)
state)
until
untiltermination(state)
termination(state)
return
returnscores
scores
37
Resumen
Un agente es algo que percibe y acta en un

ambiente.
Un agente ideal es aquel que siempre emprende

la mejor accin
Los agente de reflejo responden de inmediato a

las percepciones
Los agentes basados en reglas actan en funcin

del logro de una meta.
38
Resumen
Los agentes basados en la utilidad se esfuerzan

por maximizar una funcin de evaluacin.
El ambiente en el cual se encuentra los agentes

pueden variar dramticamente.
39

Agentes Inteligentes

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

Agentes Inteligentes

Cargado por

Copyright:

Formatos disponibles

INTELIGENCIA ARTIFICIAL

Dr. Wladimir Rodrguez

Profesor: Wladimir Rodrguez

Horario: Lunes 8-12

y Peter Norvig, Inteligencia

Dr. Wladimir Rodriguez

Dr. Wladimir Rodriguez

Sensores: Ojos (visin), orejas (odo), piel

(tacto), lengua (gusto), nariz (olfato), sistema

Al ms bajo nivel seales elctricas

Efctores: Brazos, dedos, ojos, lengua, ...

Dr. Wladimir Rodriguez

Percepciones: Localizacin y contenido, por

Acciones: Izquierda, Derecha, Aspirar,

Dr. Wladimir Rodriguez

Dr. Wladimir Rodriguez

Qu tan bueno es un Agente?

Se necesita una medida de desempeo:

La racionalidad de un agente depende de:

Dr. Wladimir Rodriguez

Qu tan bueno es un Agente?

Un agente racional ideal:

todos los casos de posibles secuencias de

Dr. Wladimir Rodriguez

Un mapeo especifica la accin que un agente

Puede ser en forma de tabla

Comportamiento estimulo / respuesta

Pueden ser en forma de funciones

Dr. Wladimir Rodriguez

Algoritmos de varios tipos.

Dr. Wladimir Rodriguez

Un agente inteligente es cualquier cosa que

un mundo perceptual en que est anidado

Dr. Wladimir Rodriguez

sinnimo de ambiente es espacio de problema

META de la Inteligencia Artificial

Discusin sobre adecuadamente

Dr. Wladimir Rodriguez

Fijar alguna medida del buen xito

Captura de un proceso racional correcto

Cmo sabemos si lo hicimos bien

Dr. Wladimir Rodriguez

cuando podemos probar que el razonamiento

Actuar de forma de lograr las metas deseadas

Dr. Wladimir Rodriguez

a veces pensando racionalmente (enfoque europeo)

Estructura de los Agentes

Como todos los agentes tienen una estructura

bsica o mnima o esqueltica igual, se puede

Agente Basado en Tablas

Dada una percepcin, simplemente buscar la

problemas reales requieren de tablas

Tablas son difciles de crear

Agentes Reflejo Simple

Las reglas condicin / accin tienen la forma

Peligro puede ser de poco alcance.

Dr. Wladimir Rodriguez

Agente Reflejo Simple

Dr. Wladimir Rodriguez

Agente Reflejo Simple

Dr. Wladimir Rodriguez

Agente Reflejo con Estado

Incluye memoria extendiendo el horizonte de