UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO

02.
AGENTES
INTELIGENTES

AREA DE INTELIGENCIA ARTIFICIAL

Contenidos
01 Conceptos generales
¿Qué es un agente?.- Percepción – función de agente - Rendimiento -
Aprendizaje - Autonomía - Incerteza

02 El entorno
El entorno más/menos complejo para un agente.

03 Tipos de agente
Agentes reactivos - Agentes que planifican - Agentes que aprenden.

04 Algunas aplicaciones
 1. Conceptos generales

¿Qué es un agente?
• Según Ana Casali (Casali, 2014), un agente inteligente es una entidad
física o virtual que posee ciertas características generales:
• Capaz de percibir su entorno y tener una representación parcial del mismo
• Capaz de actuar sobre el entorno
• Capaz de comunicarse con otros agentes que comparten su hábitat
• Posee un conjunto de objetivos que gobiernan su comportamiento
• Posee recursos propios
¿Qué es un agente? (II)

• Wooldridge & Jennings (1995) definen a un agente como “un sistema

de computación situada en algún entono, que es capaz de una acción
autónoma y flexible para alcanzar sus objetivos de diseño.”
• De esta definición se desprende que es un sistema de software
(hardware) con las siguientes propiedades fundamentales:
• Autonomía
• Habilidad social
• Reactividad
• Proactividad
¿Qué es un agente? (III)
• Según Norvig &Russel (Russel & Norvig 2009) “un agente inteligente
es aquél que puede percibir su ambiente mediante sensores y actuar
sobre ese mundo mediante efectores (o actuadores)”.

• Ejemplo: un taxi con piloto automático

Un agente puede ser…..
SENSORES ACTUADORES
HUMANO Ojos, oídos, nariz, boca, Manos, pies, cuerdas
piel vocales
ROBOT Cámaras, infrarrojos, Motores, brazos
láseres, sonares, sensores mecánicos, pinzas,
de presión altavoces, etc.
AGENTE Pulsaciones de teclado, Pantallas, archivos de
SOFTWARE contenido de archivos, salida, datos de red
datos de red recibidos, etc. enviados, etc.
Percepción
• Percepción: Capacidad de recibir información del entorno
• Secuencia de percepciones:
• Historia completa de los datos que ha percibido el agente durante un tiempo.
• Se guarda en una memoria (agentes con memoria)
• La acción elegida por un agente en cualquier instante dado
dependerá de la secuencia de las percepciones observadas hasta ese
momento
Función de agente
• Se encarga de elegir una acción a partir de una secuencia de
percepciones
Medidas de rendimiento
Perfección
• El agente conoce todos los
resultados reales de sus
acciones y puede actuar
siempre de la mejor forma
posible (omnisciencia)
• Maximiza el rendimiento
• En el mundo real, es imposible
Racionalidad
• Para cada secuencia de
percepciones posibles se
selecciona la acción que
supuestamente maximiza el
rendimiento esperado.
 Aprendizaje
• Como no se conoce a priori todo
el entorno, se debe percibir y
aprender para poder maximizar el
rendimiento (memoria)
• Exploración:
• Recopilación de información
realizando acciones con la intención
de modificar percepciones futuras y
memorizando el resultado de cada
acción.
• Memorización de cada estado del
entorno, cada acción y sus
resultados
Autonomía
• Un agente racional debe poder aprender todo lo que pueda para
compensar la falta de conocimiento que posee a priori.
• Si no posee ningún conocimiento inicial, debe actuar de forma
aleatoria.
• A un agente racional hay que dotarlo de:
• un conocimiento inicial
• la capacidad de explorar
• la capacidad de aprender
Incerteza

Límite de los sensores

Ignorancia

Naturaleza estocástica
 2. El entorno

Los agentes suelen ser utilizados en ambientes que pueden ser:

• Total o parcialmente observable (accesibilidad)
• Determinístico o Estocástico (no determinista)
• Con variables discretas o continuas (influencia de los datos)
• Estáticos, dinámicos o semidinámicos (influencia del tiempo).
• Episódicos o secuenciales
• Conocido o desconocido
• Agente único o multiagente
El entorno más/menos complejo para un
agente
Menos complejo Más complejo

• Totalmente observable • Parcialmente observable

• Estocástico
• Determinista
• Secuencial
• Episódico • Dinámico
• Estático • Contínuo
• Discreto • Desconocido
• Multiagente
• Conocido
• Agente Individual ¡MUNDO REAL!
 3. Tipos de agentes

• Agentes reactivos:
• Agente Reactivo Simple
• Agente Basado en Modelos
• Agentes que planifican:
• Agentes Basados en Objetivos
• Agentes Basados en Utilidad
• Agentes que aprenden
Un primer agente: el dirigido por tabla
3.1. Agentes reactivos
• El proceso del agente es un ciclo percepción-acción (estímulo/respuesta).
Reacciona a la evolución del entorno
• No hay una representación explícita del entorno, de los otros agentes, sus
capacidades, etc.
• Las decisiones no tienen en cuenta ni el pasado (no hay historia) ni el futuro (no
hay planificación). No considera las consecuencias de sus actos
a) Agentes reactivos simples
• Estos agentes seleccionan las acciones sobre la base de las
percepciones actuales, ignorando el resto de las percepciones
históricas.
• Los agentes reactivos simples tienen la admirable propiedad de ser
simples, pero poseen una inteligencia muy limitada.
• Estos agentes funcionarán solo si se puede tomar la decisión correcta
sobre la base de la percepción actual, la cual es posible sólo si el
entorno es totalmente observable.
• Incluso el que haya una pequeña parte que no se pueda observar
puede causar serios problemas.
Agente reactivo simple - Diagrama y algoritmo
b) Agentes basados en modelos (MBA)
• Almacena información de la parte del mundo que ha visitado
(memoria).
• Mantiene un estado interno y un modelo del mundo según secuencia
de percepciones.
• El estado interno es una descripción actual del mundo (las percepciones
procesadas se guardan – actualizan – en la memoria del agente); es la forma
cómo percibe el agente el mundo. También guarda información referente a
cómo afecta al mundo las acciones del agente.
• El modelo del mundo está formado por el conocimiento de cómo funciona el
mundo (similar a las reglas)
Agente basado en modelos - Diagrama y algoritmo
3.2 Agentes que planifican
• Piensa en las consecuencias de sus actos,(realiza simulaciones), es
decir, según como podría ser el entorno tras sus acciones.
a) Agentes basados en objetivos (MBA)
• Aparte del estado interno y del modelo del mundo, el agente escoge
la acción que le permita alcanzar un objetivo.
• El conocimiento sobre el estado actual del mundo no es siempre
suficiente para decidir qué hacer. Por ejemplo, en un cruce de
carreteras, el taxista puede girar a la izquierda, girar a la derecha o
seguir hacia delante. La decisión correcta depende de dónde quiere ir
el taxi.
Agente basado en objetivos - Diagrama
b) Agentes basados en utilidad
• Cuando existen varias formas de lograr un objetivo, o cuando existen
varios objetivos, se comparan en función de su utilidad.
• El agente escogerá la acción más útil.
• Si existe incertidumbre, se habla de utilidad esperada, que es la suma
ponderada de las utilidades de cada resultado según su probabilidad
de ocurrencia:
U=u1p1+u2p2+...+unpn
Agente basado en utilidad - Diagrama
3.3 Agentes que aprenden
• Aprende a partir de la secuencia de percepciones y de las
consecuencias de las acciones realizadas.
• Se compone de 4 elementos:
1. Elemento de actuación: un agente de los anteriores (cualquiera puede
aprender).
2. Elemento de aprendizaje: mejora al agente.
3. Crítica: recompensa o penalización.
4. Generador de problemas: incita a la exploración.
Agente que aprende - Diagrama
 4. Algunas aplicaciones

• Procesamiento de lenguajes: Google Translator, Amazon Alexa

• Aprendizaje de máquina: Sistemas recomendadores Ej. Amazon, eBay,
análisis de redes sociales: Facebook , Twitter, etc
• Visión por computadora: Face Unlock