TIPOS DE AGENTES INTELIGENTES

- AGENTES DE REFLEJO SIMPLE

“Un agente de reflejo simple se caracteriza por reaccionar directamente a los

estímulos del entorno sin mantener un modelo interno del mundo o aprender de
experiencias pasadas.”

 Termostato: Toma decisiones y realiza acciones en respuesta a un único

estímulo o condición ambiental específica: la temperatura. Cuando la
temperatura alcanza un umbral predefinido, el termostato activa o desactiva el
sistema de calefacción o refrigeración. El termostato no tiene una representación
interna detallada del ambiente o de la dinámica del sistema. Su respuesta está
directamente vinculada al estímulo de temperatura.
 Sensor de humo: Un sensor de humo puede considerarse un agente inteligente
de reflejo simple debido a su capacidad para reaccionar de manera automática y
directa a un estímulo específico: la presencia de humo. Los sensores de humo
suelen operar sin la necesidad de construir o mantener modelos internos
complejos del entorno. Su diseño se centra en la detección inmediata de humo
sin la necesidad de interpretar eventos pasados o anticipar el futuro.

La respuesta del sensor de humo es inmediata y determinista. Cuando

detecta humo, activa una alarma para alertar sobre la posible presencia de
un incendio.

 Detector de movimiento: Un detector de movimiento puede considerarse un

agente inteligente de reflejo simple porque toma decisiones y realiza acciones en
respuesta a un único estímulo específico: el movimiento. El detector de
movimiento responde principalmente a un estímulo específico: la detección de
cambios en el patrón de movimiento en su campo de visión. Cuando detecta
movimiento, activa o desencadena una respuesta (por ejemplo, encender una
luz). La decisión del detector de movimiento es inmediata y basada en la
condición presente. No tiene en cuenta eventos pasados ni anticipa cambios
futuros; simplemente responde a la detección actual de movimiento.

 Aspiradora robótica: Una aspiradora robótica puede considerarse un agente

inteligente de reflejo simple debido a su capacidad para tomar decisiones y
realizar acciones basadas en un estímulo específico y directo: la detección de
suciedad u obstáculos en su entorno. Cuando detecta suciedad en su camino,
ajusta su comportamiento para limpiar esa área. Las acciones de la aspiradora
robótica son predefinidas y determinísticas en respuesta a la detección de
suciedad u obstáculos. Por ejemplo, puede cambiar de dirección, ajustar su
velocidad o activar modos específicos de limpieza en función de la situación
actual.
- AGENTES CON ESTADO INTERNO

 Plataformas de streaming: Una plataforma de streaming puede considerarse un

agente inteligente con estado interno debido a su capacidad para tomar
decisiones y realizar acciones basadas en un conocimiento acumulado y un
modelo interno de las preferencias y comportamientos del usuario.

Pueden acumular conocimiento sobre las preferencias del usuario a lo largo del
tiempo. Esto puede incluir la información sobre los géneros de películas o
programas de televisión que le gustan, las calificaciones que ha dado a contenido
específico, las visualizaciones anteriores y la duración de la reproducción.

Ejemplos:

o Netflix: Netflix puede considerarse un agente inteligente con estado

interno debido a sus capacidades para personalizar y mejorar la
experiencia del usuario a lo largo del tiempo, manteniendo información
sobre las preferencias y el historial de visualización de cada usuario.

Netflix utiliza algoritmos avanzados basados en el aprendizaje

automático y en modelos de recomendación para analizar el historial de
visualización de un usuario y predecir sus preferencias. El estado interno
de Netflix incluye información sobre las películas y programas que el
usuario ha visto, así como sus calificaciones y preferencias.

o Amazon Prime Video.

o Youtube.
o HBO Max.
o Spotify.

 Agentes de traducción automática : Un traductor automático puede

considerarse un agente inteligente con estado interno debido a que, a diferencia
de los agentes de reflejo simple, mantiene información interna sobre el contexto
y el contenido previo para mejorar la calidad y coherencia de las traducciones.

Un traductor automático, especialmente aquellos basados en técnicas de

aprendizaje automático, puede mantener un estado interno que captura el
contexto lingüístico actual. Esto implica recordar palabras, frases o estructuras
gramaticales previas en el texto de origen y utilizar esa información para mejorar
la coherencia y precisión en la traducción. Algunos traductores automáticos
almacenan un historial de traducciones previas y correcciones realizadas por el
usuario. Este historial puede influir en las decisiones de traducción futuras, lo
que refleja la capacidad del agente para mantener un estado interno que se
adapta a las preferencias y correcciones específicas del usuario.
 Los traductores automáticos modernos a menudo consideran el contexto de
la oración, incluyendo la relación sintáctica y semántica entre las palabras.
Mantener un estado interno que refleje el contexto actual ayuda a evitar
traducciones ambiguas y a mejorar la coherencia en el significado.

Ejemplos:

o Deep-L: utiliza un modelo de traducción neural basado en redes

neuronales profundas. Estos modelos tienen capas internas que se activan
y ajustan durante el entrenamiento y la inferencia, lo que constituye una
forma de estado interno. DeepL Translate tiene en cuenta el contexto de
la oración. No solo traduce palabra por palabra, sino que considera la
relación gramatical y semántica entre las palabras dentro de una oración.
Esto implica el mantenimiento de un estado interno para recordar y
aplicar el contexto.
o Yandex
o Amazon Traslate

 Agentes de pronóstico meteorológico: Un agente de pronóstico meteorológico

puede considerarse un agente inteligente con estado interno debido a la
naturaleza dinámica y compleja de la predicción del clima. Los pronósticos
meteorológicos se basan en modelos matemáticos y computacionales complejos
que representan el comportamiento atmosférico. Estos modelos requieren un
estado interno para almacenar y actualizar información sobre la temperatura,
presión, humedad, viento, entre otros factores, en diferentes ubicaciones y
altitudes.

A menudo mantienen un historial de datos meteorológicos anteriores para

identificar patrones climáticos a largo plazo. Este historial contribuye al
estado interno del agente y puede influir en las predicciones futuras.

Ejemplos:

o National Oceanic and Atmospheric Administration (NOAA) Forecast

Systems Laboratory:
Características: Utiliza modelos numéricos y sistemas de asimilación de
datos para producir pronósticos climáticos en colaboración con otras
agencias meteorológicas.

o European Centre for Medium-Range Weather Forecasts (ECMWF)

Model:
Características: Es uno de los modelos meteorológicos más avanzados
del mundo, empleando sistemas de asimilación de datos y técnicas de
modelado avanzadas para pronósticos de alcance medio.
 o JMA (Japan Meteorological Agency) Numerical Weather Prediction:
Características: Utiliza modelos numéricos para realizar pronósticos
meteorológicos precisos, especialmente en la región de Asia y el
Pacífico.

 Visión por computadora.

La visión por computadora a menudo implica el procesamiento de secuencias de

imágenes o fotogramas. Un agente inteligente de visión por computadora
mantiene un historial de procesamiento que puede incluir resultados de análisis
anteriores, detecciones de objetos previas, o cualquier información relevante
extraída de las imágenes.

Muchos sistemas de visión por computadora utilizan técnicas de aprendizaje

automático para mejorar su capacidad de reconocimiento. Estos sistemas pueden
ajustar sus modelos internos a medida que se exponen a más datos, lo que
significa que tienen un estado interno que refleja las experiencias y
conocimientos acumulados.

Ejemplos:

o Vehículos Autónomos: Utilizan cámaras y sensores para interpretar el

entorno, identificar obstáculos y tomar decisiones de conducción.
o Escaneo de Códigos QR y Barras: Aplicaciones que utilizan la visión
por computadora para escanear códigos QR y de barras, facilitando la
lectura de información codificada.
- AGENTES BASADOS EN METAS

“Es aquel que toma decisiones y realiza acciones con el objetivo de alcanzar
determinadas metas o resultados deseados.”

 Agente de selección de rutas

Los agentes de selección de rutas se consideran agentes inteligentes basados
en metas debido a su capacidad para evaluar diversas opciones de ruta y
tomar decisiones con el objetivo de cumplir con metas específicas
relacionadas con la eficiencia, la rapidez, o la minimización de ciertos
criterios.
Los agentes de selección de rutas tienen metas específicas relacionadas con
la navegación, como llegar a un destino en el menor tiempo posible,
evitar áreas congestionadas, minimizar el consumo de combustible, o
seguir una ruta escénica. Evalúan diferentes opciones de ruta y toman
decisiones para optimizar la consecución de sus metas. Consideran factores
como la distancia, el tiempo estimado de viaje, las condiciones del tráfico, y
otros criterios relevantes para la toma de decisiones.
Los agentes de selección de rutas planifican la trayectoria a seguir y
pueden adaptarse en tiempo real a cambios en el entorno, como la
detección de atascos de tráfico, accidentes, o condiciones meteorológicas
adversas, para alcanzar sus metas de manera eficiente.
Además aprovechan información contextual, como datos en tiempo real
sobre el tráfico, la topografía, la calidad de las carreteras, y preferencias del
usuario, para tomar decisiones informadas y alcanzar sus metas de la manera
más efectiva posible. También tienen en cuenta restricciones y preferencias
del usuario, como evitar peajes, seleccionar rutas escénicas.

Ejemplos:

o Google maps: Esta aplicación utiliza algoritmos avanzados para

calcular y sugerir las mejores rutas para automóviles, bicicletas,
transporte público y peatones. Considera el tráfico en tiempo real, la
distancia y la velocidad para ofrecer rutas optimizadas.
o Waze: Es una aplicación de navegación social que utiliza la
información proporcionada por los propios usuarios para calcular
rutas en tiempo real. Se centra en la optimización del tiempo de viaje
y evita congestiones de tráfico.
o Uber: Utiliza algoritmos de selección de rutas para calcular la mejor
ruta para los viajes solicitados por los usuarios, considerando factores
como la distancia, el tráfico y la ubicación del conductor más
cercano.
 Agente de recomendación de música
Los agentes de recomendación de música se consideran agentes inteligentes
basados en metas debido a su capacidad para analizar preferencias
musicales, comportamientos de escucha y otros datos relevantes, con el
objetivo de proporcionar recomendaciones personalizadas que satisfagan las
metas y preferencias del usuario.
Tienen metas específicas, como descubrir nueva música, encontrar canciones
similares a las que les gustan, explorar géneros específicos, o crear listas de
reproducción personalizadas.
Estos agentes analizan datos sobre las preferencias musicales del usuario,
comportamientos de escucha, historial de reproducción para tomar
decisiones que maximicen la probabilidad de que el usuario disfrute de las
recomendaciones. Recopilan datos sobre la actividad de escucha del usuario,
considerando factores como la frecuencia de reproducción, las canciones
omitidas, las calificaciones dadas y otros comportamientos para mejorar la
precisión de las recomendaciones. Estos agentes pueden tener en cuenta el
feedback del usuario, como "me gusta" o "no me gusta" en canciones
recomendadas, para refinar aún más las sugerencias.
Ejemplos:
o Spotify: El popular servicio de transmisión de música utiliza
algoritmos de recomendación para ofrecer listas de reproducción
personalizadas, radios y sugerencias basadas en tu historial de
escucha.
o Apple Music: Similar a Spotify, Apple Music utiliza tecnologías de
recomendación para sugerir música personalizada a los usuarios,
considerando sus preferencias y hábitos de escucha.
o Youtube Music: La plataforma de música de YouTube utiliza
algoritmos de recomendación para sugerir videos musicales, artistas
y listas de reproducción en función de tu historial de visualización.

 Agente de navegación autónoma

Los agentes de navegación autónoma son considerados agentes inteligentes
basados en metas debido a su capacidad para planificar y tomar decisiones
con el objetivo de alcanzar metas específicas en entornos dinámicos y, a
menudo, desconocidos.
Tienen metas específicas, como llegar a un destino, evitar obstáculos, seguir
una ruta predeterminada, o cumplir una tarea particular. Estas metas guían
el comportamiento del agente.
Pueden planificar y ajustar sus acciones en tiempo real en respuesta a
cambios en el entorno. Por ejemplo, podrían cambiar la ruta si se encuentran
con obstáculos imprevistos o ajustar la velocidad para evitar colisiones.
suelen utilizar sensores, como cámaras, lidares y radares, para percibir el
entorno circundante. La información recopilada se utiliza para evaluar la
 situación actual y tomar decisiones que permitan alcanzar las metas
establecidas.
Algunos agentes de navegación autónoma incorporan capacidades de
aprendizaje automático para mejorar su rendimiento con el tiempo. Pueden
aprender de experiencias pasadas y ajustar su comportamiento para enfrentar
mejores situaciones similares en el futuro.
Ejemplos:
o Robots de limpieza: Aspiradoras robóticas y robots diseñados para
limpiar espacios, como pisos y alfombras, de manera autónoma.
o Robots de entrega: Robots diseñados para realizar entregas de
paquetes o alimentos de manera autónoma en entornos urbanos o
suburbanos.
o Vehículos aéreos no tripulados (UAV): Drones y otros vehículos
aéreos no tripulados capaces de volar y navegar de manera autónoma
en el espacio aéreo.

 Agente asistente de programación

Los asistentes de programación toman decisiones durante el proceso de

desarrollo del software con el objetivo de ayudar al programador a alcanzar
sus metas. Pueden sugerir correcciones de código, ofrecer completaciones
automáticas, y proporcionar recomendaciones para mejorar la calidad del
código. Algunos asistentes de programación pueden generar
automáticamente fragmentos de código relevante para una tarea específica,
esto agiliza el proceso de desarrollo y ayuda a alcanzar objetivos más
rápidamente.

Pueden proporcionar recomendaciones y sugerencias que se alineen con las

convenciones y estándares de codificación específicos del programador.
Estos asistentes pueden ayudar a los programadores a identificar y corregir
errores en el código. Contribuyen a la meta de producir software funcional y
libre de errores.

Suelen integrarse con entornos de desarrollo integrados (IDE) y otras

herramientas utilizadas por los programadores. Esto facilita la colaboración y
la integración del asistente en el flujo de trabajo del programador.

Ejemplos

o IntelliSense de Visual Studio: IntelliSense es una función de

autocompletado y asistencia de código en el entorno de desarrollo
integrado (IDE) Visual Studio de Microsoft. Proporciona sugerencias
contextuales mientras escribes código, incluyendo nombres de
variables, métodos y descripciones de funciones.
 o PyCharm: PyCharm es un IDE para Python que incluye un asistente
de programación avanzado. Ofrece sugerencias de código,
autocompletado, y herramientas de refactorización para facilitar el
desarrollo en Python.

- AGENTES BASADOS EN UTILIDAD

“Toma decisiones con el objetivo de maximizar una función de utilidad. La

utilidad se refiere a la medida de satisfacción, beneficio o valor que se asigna a
un resultado específico”

 Agente administrador de energía – hogar / edificios

Su objetivo principal es alcanzar metas específicas relacionadas con la

eficiencia energética, la reducción de costos y la optimización del consumo
de energía. Estas metas son generalmente definidas por los usuarios o
administradores del sistema.

Por ejemplo, pueden ajustar la iluminación, la temperatura o la operación de

equipos para maximizar la eficiencia energética y cumplir con los objetivos
definidos.

Estos agentes interactúan con el entorno, monitoreando sensores de consumo

de energía, condiciones climáticas, y otros factores relevantes. Utilizan esta
información para ajustar dinámicamente sus operaciones y alcanzar las
metas establecidas.

Ejemplos:

o Vehículo eléctrico: un agente administrador de energía en un

vehículo eléctrico puede optimizar la carga de la batería,
considerando factores como el costo de la electricidad, la
disponibilidad de estaciones de carga y las preferencias del usuario.
o Centro de Datos: En un centro de datos, un agente administrador de
energía puede gestionar la distribución de la carga entre servidores,
ajustar la refrigeración de manera inteligente y optimizar la eficiencia
energética de la infraestructura TI.
o Smart Home: En un hogar inteligente, un agente administrador de
energía puede controlar electrodomésticos, sistemas de climatización
y almacenamiento de energía para optimizar el consumo y reducir los
costos energéticos.
 Agente de reconocimiento facial

La meta principal de un sistema de reconocimiento facial es identificar a

personas en imágenes o videos. Esta identificación puede tener varios
propósitos, como seguridad, acceso autorizado o simplemente facilitar la
organización de contenido visual. La meta del sistema es alcanzar altos
niveles de precisión y confiabilidad en la identificación facial. Esto implica
la minimización de errores, como falsos positivos y falsos negativos, para
garantizar que la identificación sea lo más precisa posible.
En aplicaciones en tiempo real, como sistemas de seguridad o control de
acceso, la meta puede ser optimizar el tiempo de respuesta del sistema para
identificar a las personas de manera eficiente. Debe ser capaz de funcionar
en diversas condiciones, como cambios en la iluminación, variaciones en el
ángulo de visión, o incluso en la presencia de accesorios como gafas o
sombreros.

Ejemplos:

o Facebook / Instagram: Facebook utiliza el reconocimiento facial

para sugerir etiquetas en fotos, facilitando la identificación de
personas en las imágenes compartidas.
o Google Photos: Utiliza el reconocimiento facial para organizar
automáticamente las fotos en álbumes según las personas que
aparecen en ellas.
o Dispositivos móviles: Muchos dispositivos móviles y computadoras
portátiles utilizan agentes de reconocimiento facial para desbloquear
el acceso al dispositivo mediante la autenticación facial del usuario.

 Agente de reconocimiento de voz

La meta principal de un sistema de reconocimiento de voz es transcribir con

precisión el habla humana en texto. Esto implica identificar y convertir de
manera efectiva los patrones de audio en palabras escritas. Buscan adaptarse
a diferentes voces, acentos y estilos de habla para maximizar su utilidad en
una variedad de situaciones y con diversos usuarios.

En aplicaciones en tiempo real, como asistentes virtuales o sistemas de

dictado, la meta es optimizar la velocidad de respuesta del sistema para
proporcionar resultados rápidos y precisos.

En sistemas de control por voz, la meta es identificar y ejecutar comandos

específicos dados por el usuario, como encender luces, reproducir música o
realizar búsquedas en línea.

Ejemplos:
 o Google Assistant / Siri/ Alexa: Puede usar comandos de voz para
realizar búsquedas, enviar mensajes, establecer recordatorios y
controlar dispositivos conectados.
o Amazon Echo: Permite a los usuarios controlar dispositivos del
hogar, como luces, termostatos y cerraduras, utilizando comandos de
voz.

 Agente de diagnóstico de hardware

La meta principal de los agentes de diagnóstico de hardware es identificar y

diagnosticar problemas en los componentes del hardware de un sistema. Esto
implica la detección de fallas, mal funcionamiento o cualquier otro problema
que pueda afectar el rendimiento del sistema.

Un agente de diagnóstico busca lograr la máxima precisión en sus

evaluaciones. La meta es proporcionar informes detallados y precisos sobre
los problemas específicos que afectan al hardware, permitiendo una
reparación eficiente. También tiene como meta minimizar el tiempo
requerido para diagnosticar y analizar los problemas de hardware. Esto
puede ser crucial para restaurar rápidamente la funcionalidad del sistema y
minimizar el tiempo de inactividad.

Ejemplos:

o Speccy: Proporciona información detallada sobre los componentes

del hardware de un sistema, incluyendo CPU, RAM, tarjetas gráficas,
y dispositivos de almacenamiento. Identifica problemas potenciales,
como temperaturas elevadas, y ofrece detalles sobre la salud y el
rendimiento de los componentes.
o AIDA 64: Proporciona información detallada sobre hardware y
software. Identifica problemas de hardware, temperatura, y
rendimiento, además de realizar pruebas de estabilidad.
o SIW (System Information for Windows): Ofrece información
detallada sobre el hardware y el software del sistema. Ayuda a
identificar problemas de hardware y proporciona detalles sobre los
dispositivos conectados al sistema.