Luis Enrique Melo 22-EISM-1-082

INTELIGENCIA ARTIFICIAL.
2.2 Buen comportamiento:
El concepto de racionalidad.

La racionalidad es la capacidad humana de pensar, entender y actuar de

acuerdo con la lógica y la razón. La racionalidad Implica la habilidad de
analizar información, evaluar opciones y elegir la alternativa que mejor
maximiza las posibilidades de éxito o de alcanzar un objetivo específico.

Medidas de rendimiento.

Cuando un agente se coloca en un ambiente particular, produce

Comportamientos acordes a las percepciones a las que está expuesto. Este
conjunto de eventos hace que su entorno pase por una serie de estados.
Cuando esta secuencia se corresponda con la secuencia prevista, entonces el
agente habrá actuado adecuadamente. Es evidente que no existe un estándar
que sea adecuado para todas las partes involucradas. Se puede pedir al
agente que exprese su perspectiva subjetiva sobre su desempeño, pero no
todos los agentes podrían proporcionar dicha retroalimentación y algunos
podrían engañarse a sí mismos. Por lo tanto, es crucial enfatizar la importancia
de las métricas de desempeño objetivas, que generalmente son determinadas
por el diseñador responsable de la construcción del agente.

Lo que se demanda se obtiene, por supuesto, con agentes racionales. Al llevar

a cabo el proceso constante de eliminar la suciedad, tirarla al suelo y después
volver a limpiar repetidamente, un agente racional podría alcanzar el máximo
nivel posible en términos de medida de rendimiento. Para incentivar al agente a
mantener el suelo limpio, es necesario implementar una medida de rendimiento
más adecuada. A lo mejor es preciso ganar un punto por cada cuadrícula limpia
en cada período de tiempo.
Sería conveniente contemplar una medida punitiva para aquellos que hagan un
uso desmedido en cuanto a la energía eléctrica consumida y los niveles
elevados del sonido producido.

Racionalidad.

La racionalidad en un momento determinado depende de cuatro factores:

• La medida de rendimiento que define el criterio de éxito.

• El conocimiento del medio en el que habita acumulado por el agente.

• Las acciones que el agente puede llevar a cabo.

• La secuencia de percepciones del agente hasta este momento.

Un agente de limpieza puede comportarse de forma irracional en circunstancias

diferentes. Por ejemplo, si toda la suciedad se ha eliminado, el agente puede
oscilar innecesariamente hacia delante y atrás. Esto se debe a que el agente
no tiene una forma de saber que todas las cuadrículas están limpias. Si la
medida de rendimiento incluye una penalización por movimientos hacia la
derecha e izquierda, el agente puede optar por no limpiar las cuadrículas
sucias para evitar la penalización.

Un agente más eficiente no hará nada si está seguro de que todas las
cuadrículas están limpias. El agente solo limpiará las cuadrículas sucias. Si una
cuadrícula se ensucia de nuevo, el agente debe identificarlo en una de sus
revisiones ocasionales y limpiarla.
Omnisciencia, aprendizaje y autonomía.

En el mundo real, los agentes no son omniscientes. Solo pueden actuar sobre
la base de la información que tienen disponible. Por lo tanto, su
comportamiento puede ser racional incluso si no resulta en el resultado
deseado.

En el ejemplo dado, el agente está actuando racionalmente al comenzar a

cruzar la calle. Está tomando la acción que cree que es más probable que lo
lleve a su objetivo de reunirse con su amigo. Sin embargo, es posible que un
automóvil inesperado cruce la calle y lo golpee. En ese caso, el agente no
lograría su objetivo, pero su comportamiento aún sería racional.

Además de ser imposible lograr la perfección, es también innecesario. En la

mayoría de los casos, es suficiente que los agentes tomen decisiones que
maximicen el rendimiento esperado. Esto se debe a que, en la mayoría de los
casos, el rendimiento esperado es muy similar al resultado real.

Por ejemplo, el rendimiento esperado de cruzar la calle es muy alto. Es

probable que el agente logre su objetivo de reunirse con su amigo. Por lo tanto,
es razonable que el agente tome esta decisión, incluso si hay una pequeña
posibilidad de que no resulte exitosa.

El libro nos señala que la autonomía es una característica importante de los

agentes inteligentes. Los agentes autónomos pueden adaptarse a su entorno y
tomar mejores decisiones que los agentes que no son autónomos.

La autonomía se puede lograr mediante el aprendizaje. Los agentes pueden

aprender de su entorno y de sus propias experiencias. Esto les permite mejorar
su rendimiento y tomar mejores decisiones.

En resumen, la autonomía completa no siempre es necesaria desde el

principio. Sin embargo, es importante proporcionar a los agentes con
inteligencia artificial un conocimiento inicial, así como la capacidad de
aprendizaje. Esto les permitirá aprender y adaptarse a su entorno a medida que
adquieren experiencia.