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.