TEMA 2.3. LA NATURALEZA DEL ENTORNO

INTRODUCCIÓN

El funcionamiento de los agentes inteligentes, depende de muchos factores entre los cuales se encuentra su entorno y la naturaleza del mismo, es muy importante conocer cuál será el entorno en el que se desenvolverá el agente, para de esta forma pueda realizar todas las acciones de manera correcta.

En el desarrollo de este tema se conocerán los diversos tipos de entornos en los cuales va a interactuar el agente, cuáles serán las percepciones y las acciones posibles que tomara el agente, pero tomando en cuenta cual es la naturaleza del entorno en el cual se desarrolla.

ESPECIFICACIÓN DEL ENTORNO DE TRABAJO

El medio ambiente que influye un comportamiento del agente puede ser influenciado por el mismo agente. Siempre se ha tenido la tendencia a pensar que el medio ambiente es el que influye sobre el agente, pero se puede decir que la influencia es bidireccional, es decir el agente altera el ambiente y al mismo tiempo se altera el comportamiento del agente. (Grobstein, 2005).

El entorno de trabajo está compuesto de las medidas de rendimiento, el entorno en sí, los sensores y los actuadores, todo esto es conocido con las siglas REAS (Rendimiento, Entorno, Actuadores, Sensores), para poder realizar el diseño de un agente se debe primeramente especificar cuál será el entorno de trabajo de la forma más completa posible.

A continuación se presenta una tabla con la descripción REAS del Agente Taxista:

 PROPIEDADES DE LOS ENTORNOS DE TRABAJO

Un entorno puede tener varios atributos o propiedades desde el punto de vista del agente.  A continuación se presenta una serie de atributos que se pueden presentar en el entorno de trabajo.

Ejemplos de los entornos según sus atributos.

Ejemplo de entorno total y parcialmente observable.

Ejemplos de entorno determinista, estocático y estratégico.

Ejemplos de entorno episódico y secuencial.

Ejemplos de entorno estático y dinámico.

Ejemplos de entorno discreto y continuo.

Ejemplos de entorno agente simple y multi - agente.

CONCLUSIÓN

Es muy importante conocer cuál es el ambiente (entorno) en el que se va a desarrollar el agente, saber cuáles son sus propiedades o atributos, esto con la finalidad de que el agente pueda realizar sus funciones (acciones) de una forma adecuada.

Un entorno puede tener muchos atributos, al ser de este tipo se puede decir que el agente va a ser capaz de realizar muchas acciones y que las realizara de manera correcta, además si el agente es autónomo, su capacidad ira incrementando a medida que avance su desenvolvimiento con el medio (entorno).

BIBLIOGRAFÍA

Teahan, W. 2010. Artificial Intelligence – Agents and Environments. (En Línea).  EC. Consultado, 7 de Oct. 2014. Formato PDF. Disponible en http://www.bookboon.com.

García, A.2012. Inteligencia Artificial. Fundamentos, práctica y aplicaciones. (En Línea). ES. Consultado, 10 de Oct. 2014. Disponible en http://books.google.com.ec/books.

Russell, S y Norving, P. 2004. Inteligencia Artificial un enfoque moderno. Pearson Education. 2 ed. Mexico. p 1-5.

Grobstein, P. 2005. Exploring Emergence. The world of langton’s Ant :Thinking about puporse. (En Línea).  EC. Consultado, 7 de Nov. 2014. Disponible en http://www.serendip.brynmawer.edu.

TEMA 2.2. BUEN COMPORTAMIENTO: EL CONCEPTO DE RACIONALIDAD

INTRODUCCIÓN

Un Agente racional es aquel que hace lo correcto, pero hacer lo correcto no significa no equivocarse, pensar racionalmente es tomar una decisión que aparentemente es la mejor en la circunstancia en la que nos encontramos, pero no por esto significa es la decisión tomada ha sido correcta.

En este capítulo conoceremos temas importantes como la racionalidad, la omnisciencia, el aprendizaje y la autonomía, todos ellos necesarios dentro del desarrollo de los sistemas inteligentes.

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.

Es decir que al pensar racionalmente el agente debe definir o medir el éxito que tendremos al realizar una acción, también debemos tener en cuenta el medio ambiente en el que se encuentra el agente, saber cuáles son las posibles acciones que puede realizar y por ultimo hacer un análisis de todas las percepciones recibidas hasta ese momento, en base a todo ello el agente puede tomar una decisión racional. En un ejemplo. Un taxista automático.

En este ejemplo se puede decir que el taxista piensa de forma racional, sin embargo puede que una decisión tomada no sea la mejor, por ejemplo en esa ruta ocurrió un accidente y la carretera está cerrada, entonces el taxi debe volver a tomar otra ruta, lo cual conlleva a una pérdida de tiempo.

OMNISCIENCIA, APRENDIZAJE Y AUTONOMÍA

Se debe tener mucho cuidado entre la racionalidad y la omnisciencia, ya que son dos conceptos muy diferentes, por una parte al tomar una decisión de manera racional, por ejemplo cruzar la calle si no hay vehículos puede que sea correcto, pero no sabemos qué pasará mientras estamos cruzando la calle, en cambio la omnisciencia conoce de manera anticipada el efecto de su acción, es decir que va a pasar luego, por lo que esto es muy poco probable.

Se dice que un agente racional debe aprender de sus acciones, es decir toma información del medio y las almacena, de esta forma sabrá como actuar frente a situaciones similares. Esta propuesta no solo implica que el agente recopile información, sino más bien que aprenda lo máximo posible de su entorno.

Un agente racional debe contar con autonomía de esta forma no va a depender de los conocimientos dados por su diseñador, es importante que estos agentes cuenten con esta característica para de esta manera poder aprender de las percepciones recibidas, un agente al contar con autonomía va a ser mucho más eficiente, nuevamente tomamos el ejemplo del taxista, si es autónomo, puede guardar rutas alternas, si encontró un obstáculo (muros) que no estaban puede mejorar el servicio.

A continuación se presenta un ejemplo en el que se puede ver que el aprendizaje y la autonomía, hacen mucho más eficaz el desarrollo de acciones del agente.

“Supongamos que el taxista automático, va por una carretera en la que anteriormente no había muros, va rápido y de pronto se encuentra con un obstáculo (muro), deberá frenar de manera rápida para evitar un mal golpe, si el taxista no es autónomo, es decir no puede aprender, nunca va a poder frenar a tiempo, en cambio si ya sabe que en ese lugar existe un muro, entonces podrá saber que debe bajar la velocidad”. 

En este caso nos damos cuenta que es muy necesario que el agente cuente con autonomía.

CONCLUSIÓN

El pensar racionalmente no significa no cometer errores, sin embargo se puede aprender de ellos.

Una de las características necesarias que debe tener un agente racional es el aprendizaje, ya que si comete un error puede guardar esa información (percepción), y de esta manera no hacer lo mismo otra vez.

Por esto es necesario que los agentes racionales cuenten con autonomía, es decir no sean dependientes de la información dada por sus diseñadores, ellos deben aprender de sus percepciones y de las acciones que realicen.

BIBLIOGRAFÍA

Teahan, W. 2010. Artificial Intelligence – Agents and Environments. (En Línea).  EC. Consultado, 7 de Oct. 2014. Formato PDF. Disponible en http://www.bookboon.com.

García, A.2012. Inteligencia Artificial. Fundamentos, práctica y aplicaciones. (En Línea). ES. Consultado, 10 de Oct. 2014. Disponible en http://books.google.com.ec/books.

Pino, R; Gómez, A; Abajo, N. 2010. Introducción a la Inteligencia Artificial. Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva. (En Línea). ES. Consultado, 10 de Oct. 2014. Disponible en http://books.google.com.ec/book.

Russell, S y Norving, P. 2004. Inteligencia Artificial un enfoque moderno. Pearson Education. 2 ed. Mexico. p 1-5.

TEMA 2.1. AGENTES Y SU ENTORNO

INTRODUCCIÓN

Los Agentes Inteligentes o Racionales son el centro de la Inteligencia Artificial, debido a que son estos los que nos permiten conocer si los avances de  la IA van por buen camino, es decir, si estos responden de la manera deseada.

En este capítulo conoceremos un poco más sobre los agentes y su entorno y cuáles deberían ser las acciones que tomen estos de acuerdo a las percepciones obtenidas del medio.

“Agents represent the most important new paradigm for software development sincce object-orientation” (McBurney et al, 2004)

MARCO TEÓRICO

¿Qué es un Agente?

Históricamente, una de las primeras áreas enfocadas dentro de la IA ha sido la construcción de sistemas inteligentes, tal y como indican Russell y Norving, El concepto de Agente racional es un tema central para tener una aproximación a lo que es la IA. Es por esto que los agentes que razonan son también conocidos como Inteligentes. (Teahan, 2010).

Russell, S y Norving, P. 2004, indican que un Agente es cualquier cosa que sea capaz de recibir percepciones del medio ambiente (mediante sensores), y además actuar en dicho ambiente con los actuadores (elementos que reaccionan frente a un estímulo realizando una acción). Imagen 1 y 2.

Como nos podemos dar cuenta en la imagen los Agentes reciben una percepción del medio, las cuales llegan por medio de los sensores, luego el Agente las procesa y después pasa a los actuadores quienes envían acciones al medio ambiente de acuerdo a lo percibido. Por ejemplo, el Agente peatón: El peatón va a cruzar la calle, pero en ese instante va cruzando un carro, entonces el agente recibe esto como una percepción mediante el sensor vista, dicho agente procesa esta información recibida y con los actuadores piernas envía la acción detenerse hasta que pase el carro.

El agente puede percibir una percepción en cualquier instante, a esto se lo conoce como una secuencia de percepciones que siempre va acompañada de una acción, en el ejemplo del peatón (Imagen 2) la secuencia de percepciones seria como se muestra en la Imagen 3.

La función que describe el comportamiento de un agente se puede presentar en forma de tabla (Imagen 4), aunque en la mayoría de los casos esta tabla sería muy grande (infinita a menos que se limite el tamaño de la secuencia de percepciones que se quiera considerar). Dado un agente, con el que se quiera experimentar, se puede, en principio, construir esta tabla teniendo en cuenta todas las secuencias de percepción y determinando qué acción lleva a cabo el agente.

Es necesario aclarar que la función del Agente viene dada por o se implemente por medio del programa del agente, es decir que la función solo es una descripción matemática abstracta mientras que el programa en si es una implementación completa sobre la arquitectura del agente.

CONCLUSIÓN

En conclusión se puede decir que un agente es una de las partes principales dentro de la IA, debido a que mediante este podemos implementar un sistema y ver como actúa según las percepciones recibidas.

Un agente está compuesto principalmente por sensores y actuadores, los sensores son los que le permiten recibir percepciones del medio en el que se encuentra y los actuadores le ayudan a interactuar con el medio, mediante las acciones que realiza.

BIBLIOGRAFÍA

McBurney, P. et al. 2004. AgentLink III: A coordination Networks for Agent-Based Computing. (En línea). EC. Consultado, 6 de Nov. 2014. Disponible en Http://dbs.cordis.lu/fepcgi.

García, A.2012. Inteligencia Artificial. Fundamentos, práctica y aplicaciones. (En Línea). ES. Consultado, 10 de Oct. 2014. Disponible en http://books.google.com.ec/books.

Pino, R; Gómez, A; Abajo, N. 2010. Introducción a la Inteligencia Artificial. Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva. (En Línea). ES. Consultado, 10 de Oct. 2014. Disponible en http://books.google.com.ec/book.

Russell, S y Norving, P. 2004. Inteligencia Artificial un enfoque moderno. Pearson Education. 2 ed. Mexico. p 1-5.