Está en la página 1de 9

Inteligencia Artificial - 2011

Qu es un agente?

Agentes
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

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

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

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

Pattie Maes

Russell & Norvig

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Qu es un Agente?
percibe? acta sobre el ambiente? Es autnomo? Tiene habilidad social?

Cul es la diferencia entre Agente y programa?

Autonoma: Capacidad que tiene un agente de aprender de su experiencia y modificar su comportamiento en tiempo de ejecucin

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Cul es la diferencia entre Agente y programa?

Cul es la diferencia entre Agente y objeto?

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Cul es la diferencia entre Agente y objeto?


decirHolaAlaGente()

Agente Racional
Agente =

f :P* A

Objeto

Hacer lo correcto
Decir Hola a la gente

Hola Gente! Una clase controla sus estados Un agente controla sus estados y comportamiento y es autnomo

Acercarse a sus objetivos de diseo


Hola!

Percibir: E_a percepcin Acciones A={a1, a2, , an} Medida de performance U:E

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente Racional

Agente Racional

Cuando es mas exitoso?

Cual es la medida de performance? U:E

como describir el xito?

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente Racional
A B A

Agente Racional
B

Percepcin: posicin, estado-habitacin Por ej. [A, sucio] Acciones: irIzq, irDer, limpiar, apagar Cmo definimos 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.

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?

U: E ??

Inteligencia Artificial - 2011

Agente Racional
A B

Agente Racional
RELACIN ENTRE

Inteligencia Artificial - 2011

SECUENCIA DE PERCEPCIN Y ACCIONES

Si (p1, p2, ., pn)

mejorAccin(A)

La clasificacin como mejorAccin ser determinada por los objetivos del agente.
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. Objetivo: mantener la habitacin a 20C Si T-habitacin 20C encender

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente y percepciones
Percepcin: [izq, der, arriba, abajo] Donde: 99=pared; 0= vaca; 1= comida; 2= enemigo 1 4 3 2 1 ok arriba ok arriba ok interprete 2 3 4

Agente y percepciones
Percepcin(5 volt) Sensor de nivel de Agua en el tanque Interpretar percepcin

CantidadAguaDelTanque=15 lt Percibir([99,2,0,99]) Percibir([99,0,1,0]) Percibir([99,0,1,0]) BC

2 tipos de informacin: Cmo evoluciona el entorno independientemente del agente? Cmo se modifica el ambiente por las acciones del agente?

La percepcin que el agente recibe debe ser interpretada y transformada en conocimiento para el agente

(PEAS=Performance; Environment; Actuators; Sensors)


Medida de Performance = ? Ambiente = ? Acciones = ? Sensores = ?

Disear un Agente

Inteligencia Artificial - 2011

(PEAS=Performance; Environment; Actuators; Sensors)


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

Inteligencia Artificial - 2011

(PEAS=Performance; Environment; Actuators; Sensors)


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 Decirle que hacer sin decir cmo

Disear un Agente

Inteligencia Artificial - 2011

El Agente y su Ambiente

Inteligencia Artificial - 2011

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.

agente = arquitectura + programa

El Agente y su Ambiente
Totalmente Determinstico

Inteligencia Artificial - 2011 AGENTE PERCEPCIN ACCIONES

Inteligencia Artificial - 2011 OBJETIVOS AMBIENTE

observable vs. Parcialmente observable:

Sistemas de Diagnstico Mdico

vs. Estocstico: estado + accin nuevo estado sucio + limpiar limpio vs. Secuencial: episodioi= estado + accin vs. Dinmico vs. Continuo

Preguntas, Sntomas, Estudios, resultados de estudios, respuestas Tratamientos del paciente

Paciente Sano, Mnimo Costo

Paciente, Hospital

Episdico

Esttico Discreto Agente

Sistema Pixels de Analizador de intensidad y Imgenes color variado Satelitales Pixels de Robot para tomar partes distinta intensidad Controlador de una refinera Lecturas de temperatura, presin y caudal

Imprimir una Categorizacin correcta categorizacin de la escena Tomar partes Colocar las y ordenarlas partes coen el emparrectamente quetamiento Abrir y cerrar Maximizar pureza, vlvulas, etc. minimizar costos, seguridad Imprimir ejercicios, sugerencias, correcciones . Maximizar el puntaje del estudiante en los examenes

Imgenes de Satlites

Cinta transportadora con las partes Refinera

nico vs. multiagente

Palabras Tutor interactivo de tipeadas idioma

Conjunto de estudiantes Refinera

Programa de Agente: Estructura bsica


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

Inteligencia Artificial - 2011

Simulador del Ambiente

Inteligencia Artificial - 2011

EI

Percepcin

accin

Ambiente
actualizar

El agente decidir si requiere, o no, construir en su memoria la SP.


Agente Conductor de Taxi Percepciones cmaras, velocmetro, sonar, micrfono Acciones acelerar, frenar, doblar, etc. Objetivos seguro, rpido, maximizar beneficios Ambiente rutas, vehculos, peatones, clientes

Inteligencia Artificial - 2011

Esquema de un Programa que Simula Ambientes


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.

El Agente y su Ambiente
Considerar los siguientes agentes: 1) robot jugador de ftbol 2) asistente de procesador de texto 3) controlador de mquina expendedora de productos

Inteligencia Artificial - 2011

Percepciones Acciones Meta/Objetivo Ambiente 1 2 3

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

El Agente y su Ambiente
Considerar los siguientes agentes: 1) robot jugador de ftbol 2) asistente de procesador de texto 3) controlador de mquina expendedora de productos Percepciones 1 2 3 Posicin en la cancha Palabras escritas Cantidad de productos Acciones Correr, patear la pelota Sugerencias, correcciones Reponer producto, Mquina llena avisar cuando siempre vaco Meta/Objetivo Hacer gol Ambiente Cancha de ftbol Texto Mquina expendedora 1

El Agente y su Ambiente
Considerar los siguientes agentes: 1) robot jugador de ftbol 2) asistente de procesador de texto 3) controlador de mquina expendedora de productos Ambiente Cancha de ftbol Texto Accesible Determinista Episdico Esttico Discreto

Mquina expendedora

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

El Agente y su Ambiente
Considerar los siguientes agentes: 1) robot jugador de ftbol 2) asistente de procesador de texto 3) controlador de mquina expendedora de productos Ambiente 1 Cancha de ftbol Texto Accesible Determinista Episdico Esttico Discreto NO NO NO NO NO

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

SI

SI

SI

SI

SI

Mquina expendedora

SI

SI

NO

NO

SI

1) Agente Reflejo Simple


Reglas condicin-accin

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente reflejo simple


Agente-termostato

Cmo decide este agente qu accin emprender? 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 Si auto-delante est frenado entonces frenar

Inteligencia Artificial - 2011

Agente reflejo simple


Agente-termostato

2) Agente Reflejo basado en modelos

Inteligencia Artificial - 2011

siguiente: I x percepcin I

Cmo decide este agente qu accin emprender?

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

2) Agente Reflejo basado en modelos

Inteligencia Artificial - 2011

2) Agente Reflejo basado en modelos


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)

Inteligencia Artificial - 2011

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.

modelo

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)

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente reflejo basado en modelo


Agente-termostato

Agente reflejo basado en modelo


Agente-termostato

Cmo decide este agente qu accin emprender?

Cmo decide este agente qu accin emprender?

SI (siguiente(estado-temperatura,sensor-temperatura)<temperatura-deseada) ENTONCES (accin-elegida(prender))

3) Agente basado en objetivos

Inteligencia Artificial - 2011

En el ejemplo del Taxista:

Inteligencia Artificial - 2011

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.

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.

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Agente basado en objetivo


Agente-termostato

Agente basado en objetivo


Agente-termostato

Cmo decide este agente qu accin emprender?

Cmo decide este agente qu accin emprender? objetivo: 25C < estado-temperatura < 30C estado-temperatura = actualizar(sensor-temperatura) secuencia-acciones = buscar-secuencia-acciones(estado-temperatura, objetivo) accin= primera(secuencia-acciones)
Bsqueda Planificacin

4) Agente basado en utilidad

Inteligencia Artificial - 2011

4) Agente basado en utilidad

Inteligencia Artificial - 2011

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. Funcin Utilidad: U: E Usar cuando: existen objetivos conflictivos (velocidad, seguridad) varios objetivos que no puedan alcanzarse con certeza

5) Agente que aprende

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Ejercicio: definir un Agente-aspiradora


El objetivo del agente-aspiradora es que ambas habitaciones estn limpias
Agente-aspiradora suciedad

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

hab1

hab2

Sensores: - sucio/limpio (1/0) Actuadores: - aspirar - moverse - apagarse

Qu pasa si el mundo es completamente accesible?

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Ejercicio: definir un Agente-aspiradora como un agente reflejo-simple

Ejercicio: definir un Agente-aspiradora como un agente reflejo-simple

- Acciones: irH, aspirar, apagarse - Toma de decisiones: reglas IF-THEN

- 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?

Inteligencia Artificial - 2011

Ejercicio: definir un Agente-aspiradora como un agente reflejo-simple

Ejercicio: definir un Agente-aspiradora como un agente reflejo-simple basado en modelo

Inteligencia Artificial - 2011

- 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

-Toma de decisiones: reglas IF-THEN -IF hay suciedad en H THEN aspirar -IF no hay suciedad en H THEN irHabitacin - IF limpia(H1) AND limpia(H2) THEN apagarse

Este mundo es determinstico? Que pasa si el aspirar no aspira TODA la suciedad existente?

Qu pasa si no sabe cuntas habitaciones hay?

Inteligencia Artificial - 2011

Inteligencia Artificial - 2011

Ejercicio: definir un Agente-aspiradora como un agente basado en objetivo

Ejercicio: definir un Agente-aspiradora como un agente basado en objetivo

- Toma de decisiones? - Estado interno o modelo del mundo? - Objetivo? - Lleg al objetivo?

- Toma de decisiones: bsqueda, planificacin, sistema de reglas - Objetivo: ambas habitaciones limpias - Posibles estados que satisfacen el objetivo:
Cmo son las acciones ahora?

- Evaluar si lleg al objetivo - Secuencia de acciones para alcanzar el objetivo: Aspirar, irH2, aspirar