Agentes Inteligentes

En esta última parte del Módulo 1, se pone el foco en un concepto generalizador que
es el de “agente inteligente”: una metáfora que resultó muy apropiada para
reconocer las cualidades y desempeños de una entidad funcional abstracta capaz
de exhibir conductas inteligentes.
Al igual que en las lecturas anteriores, se vuelven a presentar notas destinadas a
facilitar la aproximación a la bibliografía principal de la materia, haciendo esta tarea
más gradual y efectiva. El material de referencia es el libro de Russell y Norvig
(páginas 37 a 64).

Concepto de agentes inteligentes y su entorno

Estructura de los agentes inteligentes

Tipos de agentes inteligentes

Generalización del concepto de agentes inteligentes

Desafío propuesto a partir de las lecturas

Referencias

Video conceptual
Revisión del módulo
Lección 1 de 8

Concepto de agentes inteligentes y su entorno

En su sentido original, el concepto de “agente” se refiere al de un individuo

que actúa en nombre de algún otro para cumplir tareas específicas y
especializadas. Se reconoce comúnmente a los agentes de viajes, de ventas,
de bolsa de valores, secretos, etc.

Este concepto fue trasladado a la inteligencia artificial para hacer referencia

a entidades racionales que funcionan en forma continua y autónoma en
ambientes en los que interactúan con otras entidades. Estas entidades, a las
que se denominan “agentes”, son autónomas en el sentido de que pueden
alcanzar sus objetivos sin necesidad de ser guiadas o supervisadas en forma
permanente. Como ya definimos en la lectura 1, la autonomía es la condición
necesaria para exhibir inteligencia.

Debe entonces reconocerse el concepto de agente como una metáfora que

permite hacer referencia a una entidad genérica, física o conceptual, que
goza de los atributos necesarios según las funciones que debe desempeñar
en determinado medio. 

También es importante destacar la condición de racionalidad. Esto implica

operar de manera de maximizar su rendimiento, tomando como referencia
las evidencias obtenidas a través de su capacidad de percepción y del
conocimiento almacenado.

Por último, los “agentes inteligentes” deben estar incorporados al medio en el

que operan, percibiéndolo y actuando sobre él. Esto significa que los agentes
tienen fines específicos y, por lo tanto, son entidades especializadas. Es decir
que a partir de las características del medio en el que trabajan y sus
finalidades, quedarán definidas las capacidades requeridas de percepción y
acción. La percepción representa la capacidad de obtener información
sensible del entorno (para lo cual está dotado de sensores) y la acción
representa la capacidad de actuar sobre el medio (realizada a través de
actuadores). Ambos, sensores y actuadores, definen completamente la
capacidad operativa de un agente.

Según el objetivo del agente, la percepción implica reconocer imágenes,

interpretar sonidos (en un caso extremo, el habla), percibir temperaturas,
conocer la propia posición y dirección de movimiento, etc. Para ello, debe
disponerse de los sensores apropiados y los recursos para convertir esas
señales en mediciones expresadas en valores referidos a escalas conocidas.
Por su parte, la acción involucra navegación y manipulación. Es decir, la
capacidad de trasladarse en el medio evitando obstáculos y la capacidad de
tomar un objeto, posicionarlo y abandonarlo. Se reitera que las capacidades y
precisiones necesarias serán claramente dependientes de la finalidad del
agente.
Lo dicho hasta aquí queda resumido en la apreciación de Russell y Norvig al
expresar que “un agente es cualquier cosa capaz de percibir su medio
ambiente con la ayuda de sensores y operar sobre ese medio utilizando
actuadores” (2004, p. 37).

En este punto, es oportuno reconocer que detrás del concepto de agente se

enmascara un muy amplio espectro de áreas de investigación y
realizaciones tecnológicas que cubren todo el dominio de la inteligencia
artificial. La ventaja de este moderno enfoque es que hace posible un
tratamiento integrador, incluyendo no solo métodos, técnicas y herramientas,
sino también productos. En estos últimos, se incluyen tanto aquellos que se
materializan en elementos tangibles (equipos) como aquellos otros de
conceptualización abstracta (software).

Queda ahora por tratar el concepto de “entorno”, que en forma genérica se lo

puede interpretar como el “problema” para el cual el agente representa la
“solución”. Buscando una mirada alternativa, el entorno representa el
“hábitat” del agente, es decir, su ambiente laboral.

En este punto, la literatura en general reconoce cinco propiedades o atributos

de los entornos de un agente y sus rangos: 

1 Observabilidad: desde total o parcial a muy escasa.

2 Determinismo: desde total a aleatorio.

 3 Secuencialidad: desde completa a irregular o episódica.

4 Variabilidad: estático (sin cambio) o dinámico (permanente

cambio).

5 Naturaleza: discreta o continua (normalmente con referencia al

tiempo).

Para completar la definición de un entorno de agentes, es necesario

establecer una última condición: si se trata de un agente individual o de un
sistema multiagente. Esto último implica definir el nivel de interacción entre
ellos: desde una condición colaborativa donde una tarea es compartida,
hasta una actividad completamente individual donde la única condición es
evitar que involuntariamente se interfieran.

Para cerrar este último tema, cabe identificar la peor condición en lo que se
refiere al entorno de un agente: poco observable – aleatorio – irregular –
dinámico – continuo – multiagente.

En lo que se refiere a la secuencialidad (regular o irregular), no hay criterio

unánime en cuanto a qué condición representa mayor complejidad o
exigencia: completa secuencialidad o episódica. Debería admitirse que
depende de las demás condiciones, por lo tanto, la secuencialidad será
consecuencia de ellas.
C O NT I NU A R
Lección 2 de 8

Estructura de los agentes inteligentes

Desde el momento en el que se admite que el “agente” es una abstracción

que hace referencia a una entidad genérica, de existencia física o conceptual,
es muy poco lo que se puede avanzar con referencia a precisiones en cuanto
a su estructura. Como punto de partida, se debe considerar que un agente
contiene genéricamente dos componentes: el físico y el lógico. El físico
incluye los elementos materiales necesarios para operar, tanto en lo referido
a la percepción como a la acción. En ese sentido, debe citarse a la visión, en
toda su escala, desde reconocimiento de señales hasta entendimiento de
imágenes. También debe tenerse en cuenta el reconocimiento del habla,
desde interpretación de comandos hasta capacidad de entender un discurso
continuo y no estructurado. Con respecto a la acción, ya se citaron las dos
principales: manipulación y navegación.

Los elementos materiales podrían agruparse en mecánicos y

eléctricos/electrónicos. Mecánicos: bastidores, transmisiones, ruedas,
cremalleras, cajas reductoras, manipuladores y otros muchos elementos.
Eléctricos: sensores, amplificadores, interfaces, procesador, medios de
entrada y salida, fuentes, baterías, cableados y otros accesorios. 
Todo lo anterior es indispensable si se trata de un agente con presencia física
y totalmente innecesario de ser un agente lógico. Por el contrario, la lógica es
indispensable en ambos casos, porque es lo que le da identidad al agente, de
hecho, es la clave de su inteligencia.

C O NT I NU A R
Lección 3 de 8

Tipos de agentes inteligentes

Un aspecto importante a considerar es la identificación y clasificación de

agentes en tipos asociados a sus cualidades y capacidades. La clasificación
de Russell y Norvig (2004) reconoce cinco tipos.

1 Agente reactivo simple

Figura 1: Agente reactivo simple

 Fuente: Russell y Norvig, 2004, p. 54.

Se trata de los agentes más simples, ya que seleccionan las acciones sobre
la base de sus percepciones actuales, no disponiendo de un historial en
cuanto a percepciones previas. Esto es así porque el agente directamente no
dispone de registros de su actividad anterior o estos registros son muy
limitados.

2 Agente reactivo basado en modelos

Figura 2: Agente reactivo basado en modelos

 Fuente: Russell y Norvig, 2004, p. 56.

Estos agentes son capaces de almacenar información sobre su actividad

cumplida para ser consultada posteriormente. Luego, cuando deben actuar,
la respuesta es definida a partir de la percepción de la realidad actual y de los
registros históricos apropiados de desempeños en situaciones similares
(acciones y sus efectos).

3 Agente basado en objetivos

Figura 3: Agente basado en objetivos

 Fuente: Russell y Norvig, 2004, p. 57.

Es este caso, el agente opera con base en la percepción de la situación

actual, los registros de actividad histórica e información sobre su meta. Esta
última debe describir las situaciones que son deseables de alcanzar. Es decir
que el agente llevará adelante una forma de estrategia por no solo conocer el
presente y pasado, sino también su objetivo.

4 Agente basado en utilidad

Figura 4: Agente basado en utilidad

 Fuente: Russell y Norvig, 2004, p. 59.

Estos son agentes basados en objetivos, que además cuentan con una
función utilidad. Esta función permite al agente contrastar sus preferencias
entre los estados posibles, a efectos de seleccionar luego la acción que debe
llevar a cabo para alcanzar la mayor utilidad. En resumen, el agente decide
con base en el estado actual, las experiencias previas, los objetivos
planteados y la conveniencia para ser más efectivo.

5 Agente con capacidad de aprendizaje

Figura 5: Agente con capacidad de aprendizaje

 Fuente: Russell y Norvig, 2004, p. 59.

Este agente anterior disponía de la capacidad de operar con base en el

estado, registros de acciones previas, el objetivo planteado y la función
utilidad, que implica criterio para decidir. El nuevo agente dispone de una
capacidad operativa mucho más flexible, menos estructurada, que se basa
en la distinción de condiciones complejas y su experiencia al abordarlas. Para
ello, las decisiones están basadas en el aprendizaje.

La tipificación de agentes de Russell y Norvig (2004) es muy elocuente en lo

referido al progresivo aumento de capacidad de decisión a medida que se
dispone de mayor información, quedando representado el punto máximo por
la capacidad de aprendizaje.
Otra propuesta muy interesante es la de Nilsson (2001) que en alguna
medida reconoce un paralelismo en cuanto a conceptos, aunque más
limitada en detalles. Esta propuesta tipifica los agentes inteligentes en cuatro
grupos básicos, distinguidos entre sí por sus capacidades finales. Esta
clasificación es con frecuencia adoptada para organizar la enseñanza de la
inteligencia artificial. Los agentes así agrupados son los siguientes:

a. Agentes reactivos
–
Estos agentes no son capaces de ninguna acción espontánea y su conducta
queda exclusivamente determinada por su entorno. Aquí se encuentran dos
casos según si su conducta sólo depende de los estímulos externos o si hay
también un condicionante histórico. En este último caso, deben reconocerse a
estos agentes como “máquinas de estados” con una función de transición
determinista o no determinista que gobierna su comportamiento.

b. Agentes planificadores
–
Los agentes aquí agrupados tienen la habilidad de anticipar los efectos de
sus acciones y seleccionar aquellas que supuestamente lo conducirán a sus
objetivos, por lo que se reconoce que son capaces de planificar su actividad.
Para algunos autores, esta cualidad es una condición esencial para ser
merecedores del calificativo de “inteligentes”. Se reconocería así en ellos un
primer nivel rudimentario de inteligencia.
c. Agentes razonadores
–
La incorporación de la capacidad deductiva otorga a los agentes un nivel
adicional de inteligencia. En este grupo, se consideran también atributos
como el de la autonomía y la capacidad de aprender. Estos atributos
despegan al agente de su diseño original, ya que suman a su
comportamiento conductas apoyadas también en sus propias experiencias.
De esta manera, quedan encuadrados como “autónomos”, condición para ser
reconocidos como verdaderamente inteligentes.

d. Agentes interactuantes
–
Si los agentes del grupo anterior son introducidos en un mundo habitado por
otros agentes, su capacidad de razonamiento deberá incorporar previsiones
sobre las conductas de terceros, la interacción a través de alguna forma de
comunicación y la posibilidad de influir entre ellos. Para influir sobre las
conductas de otros agentes se presentan dos posibilidades: la realización de
cambios en el entorno que conduzcan al comportamiento deseado o la
acción directa sobre ellos con el fin de alterar sus objetivos, conocimientos o
prioridades. Para implementar la comunicación en estos agentes, se debe
incorporar el lenguaje.

La clasificación propuesta por Nilsson podría calificarse como funcional

mientras que la de Russell y Norvig, además de funcional, avanza en una
mayor descripción sobre su composición.
C O NT I NU A R
Lección 4 de 8

Generalización del concepto de agentes inteligentes

El concepto de “agente inteligente” incluye tanto las materializaciones de

entidades físicas como abstractas. Sin embargo, es necesario advertir que
este término ha tenido recientemente gran difusión para hacer referencia en
particular a agentes de software o “softbots”, como es el caso del trabajo de
Nwana (1996). 

En este campo de los “agentes de software”, cabe hacer una clasificación

primaria de acuerdo a que la finalidad de estos elementos sea constructiva o
destructiva. Estos últimos son en general tratados separadamente por la
literatura especializada y se les reserva el nombre propio de “virus
informáticos”. Las consecuencias de las acciones de estos virus son tales
que su detección y neutralización ha pasado a ocupar un lugar prioritario al
considerarse la seguridad de los sistemas informáticos. Esta problemática
representa una especialidad en sí misma.

Nwana (1996) propone clasificar a los “agentes” en siete tipos. Los primeros
cinco (“a” hasta “e”) se corresponden con sus distintas prestaciones y los dos
últimos (“f” y “g”) representan combinaciones de los anteriores.
Grupos básicos
–
a.        Colaborativos
Los agentes colaborativos se destacan por su autonomía, cooperación y
coordinación con otros agentes con el fin de alcanzar sus objetivos. Esta
última capacidad es esencial para operar eficientemente en forma colectiva.
Pueden también ser capaces de aprender sin que este sea un atributo
esencial.

b.        De interfaz
Aquí, el énfasis está en la autonomía y el aprendizaje. Se diferencian de los
anteriores en que la comunicación se establece con el usuario en lugar de con
otros agentes. La capacidad de aprender de estos agentes se obtiene a partir
de la imitación del usuario, la recepción de señales de realimentación, la
recepción de instrucciones y la comunicación con otros agentes. 

c.         Móviles
Los agentes móviles están especialmente orientados a recuperar
información, destacándose aquellos que lo hacen a través de la web u otras
redes WAN.

d.         De información
Estos agentes se originan en la necesidad de manipular y administrar un
volumen creciente de información. En algunos casos, ese volumen se
considera explosivo y con tendencia a aumentar en forma sostenida en el
futuro. Cumplen además su función seleccionando y filtrando información
proveniente de múltiples fuentes.

e.         Reactivos
Se trata de un tipo especial de agentes que no disponen de modelos
simbólicos internos y, por lo tanto, responden a partir de una conducta
elemental de estímulo-respuesta. Sus principales características son la
simplicidad y la forma básica en que interactúan con otros agentes. Sin
embargo, debe advertirse que de estas conductas individuales simples
pueden emerger patrones de comportamiento muy complejo, como lo
evidencian múltiples ejemplos en el mundo animal (comportamiento
colectivo coordinado).

Combinación de prestaciones
–
f.         Híbridos
Al hacerse referencia a agentes híbridos se reconoce la posibilidad de que un
mismo agente reúna o combine cualidades que ya fueron identificadas por
separado en los grupos anteriores.

g.         Heterogéneos
Los sistemas de agentes heterogéneos están integrados por un conjunto de
dos o más de los cinco tipos de agentes ya identificados. También pueden
incluir agentes híbridos. Nótese aquí que cada agente mantiene sus
características distintivas.

Por encima de las clasificaciones, existen diversas propuestas en la

definición de los requisitos que deben ser cumplidos para que cierta “entidad”
pueda ser considerada como un “agente inteligente”. Las diez condiciones a
ser evaluados, según enuncia Nwana (1996), son las siguientes:

1.      Autonomía.

2.      Racionalidad.

3.      Proactividad.
 4.      Adaptabilidad.

5.      Reactividad.

6.      Movilidad.

7.      Sociabilidad.

8.      Veracidad.

9.      Benevolencia.

10.      Continuidad temporal.

Aquí, se ha completado la cuarta y última lectura de la Unidad 1. Una vez

llegado a este punto, se debe repetir el balance sobre los resultados
obtenidos con el material tratado en las lecturas de la materia que, además,
fue acompañado por el material bibliográfico de los prestigiosos autores
García Serrano (2012) y Russell y Norvig (2004). Las actividades que
deberían poder considerarse cumplidas en esta primera etapa son:

Reconocer las características e implicancias de los problemas

habituales de la IA (M1).

Distinguir la conducta automática de la autónoma y los niveles de

inteligencia (M1).

Reconocer el concepto de agente. Además, saber identificar a los

agentes y clasificarlos (M1).

C O NT I NU A R
Lección 5 de 8

Desafío propuesto a partir de las lecturas

Una vez leídas estas notas, se debe procurar responder a los interrogantes
que se presentan a continuación. La finalidad es revisar aspectos centrales y
comprobar que han sido bien interpretados.   Luego, el siguiente paso será
leer desde la página 37 a la 66 del capítulo 2 de Russell y Norvig titulado
“Agentes inteligentes” (2004, pp. 37-66). Ahí se tratan estos mismos temas
con mayor amplitud, desde otro punto de vista y con algunas variantes, por lo
que debe tomarse a estas notas como un material introductorio al
presentado en el libro citado. Por último, se debe volver sobre las preguntas
formuladas y las respuestas propuestas con un espíritu de autoevaluación
final. Esto es, incorporar una mirada crítica sobre el trabajo realizado desde
una posición de mayores conocimientos sobre los temas tratados.

Se reitera que estas preguntas tienen como única finalidad contribuir a que el
estudiante compruebe por sí mismo sus conocimientos. Es decir, no se trata
de una instancia de evaluación. 

Las consignas son las siguientes:

1 Ensayar una definición propia de “agente inteligente”, buscando un
equilibrio en el que la descripción sea breve y completa.

2 Proponer un ejemplo en el que se describa la finalidad de los

agentes, las capacidades de percepción y acciones necesarias, y
su entorno.

3 Tomando como referencia la clasificación de agentes de Russell y

Norvig (2004), trazar un paralelismo con las clasificaciones de
Nilsson (2001) y Nwana (1996). Esto es, asociar los tipos
reconocidos por estas dos últimas clasificaciones a la primera.
Indicar, en cada caso, el grado de equivalencia.

C O NT I NU A R
Lección 6 de 8

Referencias

García Serrano, A. (2012). Inteligencia artificial. Fundamentos, práctica y

aplicaciones. España Alfaomega. 

Nilsson, J. N. (2001). Inteligencia artificial. Una nueva síntesis. Madrid: Mc

GrawHill. 

Nwana, H. S. (1996). Software agents: an overview. Intelligent systems

research. Reino Unido: AA&T, BT Laboratories. 

Russell, S. y Norvig, P. (2004). Inteligencia artificial. Un enfoque moderno.

España: Pearson. Recuperado de:
https://luismejias21.files.wordpress.com/2017/09/inteligencia-artificial-un-
enfoque-moderno-stuart-j-russell.pdf

C O NT I NU A R
Lección 7 de 8

Video conceptual

C O NT I NU A R
Lección 8 de 8

Revisión del módulo

Hasta acá aprendimos

Fundamentos de la inteligencia artificial. Bases y disciplinas

–
El camino elegido para introducir el campo de la IA comienza con definiciones
y distinciones de conceptos, entre ellos los de automatismo y autonomía, con
el foco en este último. Luego, se revisan las nueve disciplinas que
contribuyeron a que la IA sea realidad.

Orígenes de la inteligencia artificial

–
Se desarrolla una muy breve historia informal de la inteligencia artificial,
destacando los motivos que contribuyeron a su nacimiento. Se presentan los
aciertos y dificultades iniciales y su progresiva consolidación a lo largo de sus
ya sesenta y cuatro años de vida.

Áreas de aplicación de la inteligencia artificial

–
La IA cubre un campo muy amplio y con diferentes objetivos. Resulta natural,
por lo tanto, comprobar que puede considerarse desde diversos puntos de
vista. A partir de algunas clasificaciones, se revisan áreas intermedias
(herramientas) y áreas finales (productos).

Agentes inteligentes
–
Se pone el foco en un concepto generalizador que es el de “agente inteligente”.
Se trata de una metáfora que resultó muy apropiada para reconocer las
cualidades y desempeños de una entidad funcional genérica y abstracta
capaz de exhibir conductas inteligentes.

C O NT I NU A R