Inteligencia Artificial

I Introduccin a la IA
2. Agentes Inteligentes
Dr. Edgard Ivn Bentez Guerrero

Dr. Edgard I. Bentez G.

Inteligencia Artificial

2. Agentes Inteligentes

Agentes y su entorno
Agentes racionales y REAS
Propiedades de los entornos de trabajo
Tipos de agentes

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes

Un agente es cualquier cosa que puede percibir su

entorno a travs de sensores y actuar sobre l
mediante actuadores
Agente humano: ojos, odos, y otros rganos como
sensores; manos, piernas y otras partes del cuerpo
como actuadores
Agente robtico: cmaras e infrarrojos como sensores;
motores como actuadores

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes y entornos

La funcin del agente mapea la historia de las

percepciones a acciones:
[f: P*  A]
El programa del agente implementa la funcin
Descripcin matemtica abstracta (funcin) vs
implementacin (programa)
Dr. Edgard I. Bentez G.

Inteligencia Artificial

El mundo de la aspiradora

Percepcin: ubicacin y contenido, e.g., [A, Dirty]

Acciones: Left, Right, Suck, NoOp

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Un agente aspirador

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes racionales

Un agente debe decidir hacer lo correcto, basndose

en lo que puede percibir y las acciones que puede
realizar. La accin correcta es aquella que causar que
el agente tenga ms xito.
Medida de rendimiento: criterio objetivo para medir el
xito de la conducta de un agente
Ejemplo: las medidas de rendimiento del agente
limpiador pueden ser, entre otras:
 La cantidad de polvo eliminado
 La cantidad de tiempo que le tom hacerlo
 La cantidad de electricidad consumida
Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agente racional

En cada posible secuencia de percepciones, un agente

racional deber emprender aquella accin que
supuestamente maximice su medida de rendimiento,
basndose en las evidencias aportadas por la
secuencia de percepciones y en el conocimiento que el
agente tenga almacenado
El agente limpiador es racional?

Dr. Edgard I. Bentez G.

Inteligencia Artificial

Agentes racionales

La racionalidad es diferente de la omnisciencia

(conocer todo con conocimiento infinito)
Los agentes pueden ejecutar acciones con el objetivo
de modificar percepciones futuras para obtener
informacin til (recopilacin de informacin,
exploracin)
El agente debe aprender lo mximo posible de lo que
est percibiendo
Un agente es autnomo si su comportamiento queda
determinado por su propia experiencia, compensando
conocimiento incompleto o parcial
Dr. Edgard I. Bentez G.

Inteligencia Artificial

REAS

El Rendimiento, el Entorno, los Actuadores y los

Sensores (REAS) deben especificarse para guiar el
diseo de agentes
Ejemplo: la tarea de disear un taxista automtico
 Rendimiento: Seguro, rpido, legal, viaje cmodo, maximizar
ganancias
 Entorno: caminos, trfico, peatones, clientes
 Actuadores: volantes, acelerador, clutch, seales, claxon
 Sensores: Camaras, sonar, tacometro, GPS, sensores en el
motor

Dr. Edgard I. Bentez G.

Inteligencia Artificial

10

Propiedades de los entornos

Totalmente observable (vs. parcialmente observable)

 Totalmente observable: los sensores del agente le proporcionan acceso
al estado completo del entorno; i.e. los sensores detectan todos los
aspectos relevantes a la toma de decisiones
 Parcialmente observable: no es totalmente observable debido al ruido y
a sensores poco exactos o que no reciben la informacin del sistema

Determinstico (vs. estocstico).

 Determinista: si el siguiente estado del entorno est totalmente
determinado por su estado actual y la accin ejecutada por el agente
 Estocstico: no determinista
 Entorno estratgico: medio determinista excepto para las acciones de
otros agentes

Dr. Edgard I. Bentez G.

Inteligencia Artificial

11

Propiedades de los entornos

Episdico (vs. secuencial)

 Entorno episdico: cuando la experiencia del agente se divide en
episodios atmicos independientes, donde cada episodio consiste en la
percepcin del agente y la realizacin de una nica accin posterior
 Entorno secuencial: no existe dicha divisin y una decisin presente
puede afectar a decisiones futuras

Esttico (vs. dinmico)

 Esttico: el entorno no cambia mientras el agente est deliberando
 Dinmico: el entorno s cambia
 Semi-dinmico: el entorno no cambia con el paso del tiempo, pero el
rendimiento del agente cambia

Dr. Edgard I. Bentez G.

Inteligencia Artificial

12

Propiedades de los entornos

Discreto (vs. continuo)

 Discreto: el entorno tiene un nmero finito de estados
distintos
 Continuo: no es posible enumerar los estados

Agente individual (vs. multiagente)

 Individual: un solo agente resolviendo un problema
 Multiagente: varios compitiendo o cooperando

Dr. Edgard I. Bentez G.

Inteligencia Artificial

13

Propiedades de los entornos

Problema complejo: parcialmente observable,

estocstico, secuencial, dinmico, continuo, multiagente
Las propiedades del entorno determinan en gran
medida el diseo de agentes
Dr. Edgard I. Bentez G.

Inteligencia Artificial

14

Estructura de los agentes

Un agente es completamente especificado por la

funcin que mapea secuencias de percepciones a
acciones (e.g. que determina su conducta)
El trabajo de la IA es disear el programa del agente
que implemente la funcin del mismo
El programa se ejecutar en alguna computadora con
sensores y actuadores, lo que se conoce como
arquitectura
Agente = arquitectura + programa

Dr. Edgard I. Bentez G.

Inteligencia Artificial

15

Tipos de agentes

Cuatro tipos bsicos en orden incremental de

generalidad:





Agentes reactivos simples

Agentes reactivos basados en modelos
Agentes basados en objetivos
Agentes basados en utilidad

Estos agentes se pueden convertir en agentes

que aprendan

Dr. Edgard I. Bentez G.

Inteligencia Artificial

16

Agentes reactivos simples

Dr. Edgard I. Bentez G.

Inteligencia Artificial

17

Agentes reactivos simples

Dr. Edgard I. Bentez G.

Inteligencia Artificial

18

Agentes reactivos basados en modelos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

19

Agentes reactivos basados en modelos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

20

Agentes basados en objetivos

Dr. Edgard I. Bentez G.

Inteligencia Artificial

21

Agentes basados en utilidad

Dr. Edgard I. Bentez G.

Inteligencia Artificial

22

Agentes que aprenden

Dr. Edgard I. Bentez G.

Inteligencia Artificial

23