inteligencia arti cial - uv.mx · reas el rendimiento, el entorno, los actuadores y los sensores...

Inteligencia Artificial

I – Introducción a la IA

Dr. Edgard I. Benítez G. 1Inteligencia Artificial

I – Introducción a la IA

2. Agentes Inteligentes

Dr. Edgard Iván Benítez Guerrero

2. Agentes Inteligentes

� Agentes y su entorno

� Agentes racionales y REAS

� Propiedades de los entornos de trabajo

� Tipos de agentes


Agentes

� Un agente es cualquier cosa que puede percibir su

entorno a través de sensores y actuar sobre él

mediante actuadores

� Agente humano: ojos, oídos, y otros órganos como

sensores; manos, piernas y otras partes del cuerpo


sensores; manos, piernas y otras partes del cuerpo

como actuadores

� Agente robótico: cámaras e infrarrojos como sensores;

motores como actuadores

Agentes y entornos

� La función del agente mapea la historia de las


� La función del agente mapea la historia de las

percepciones a acciones:

[f: P*� A]

� El programa del agente implementa la función

� Descripción matemática abstracta (función) vs

implementación (programa)

El mundo de la aspiradora


� Percepción: ubicación y contenido, e.g., [A, Dirty]

� Acciones: Left, Right, Suck, NoOp

Un agente aspirador


Agentes racionales

� Un agente debe decidir hacer lo correcto, basándose

en lo que puede percibir y las acciones que puede

realizar. La acción correcta es aquella que causará que

el agente tenga más éxito.

� Medida de rendimiento: criterio objetivo para medir el


Medida de rendimiento: criterio objetivo para medir el

éxito de la conducta de un agente

� Ejemplo: las medidas de rendimiento del agente

limpiador pueden ser, entre otras:

� La cantidad de polvo eliminado

� La cantidad de tiempo que le tomó hacerlo

� La cantidad de electricidad consumida

Agente racional

� En cada posible secuencia de percepciones, un agente

racional deberá emprender aquella acción que

supuestamente maximice su medida de rendimiento,

basándose en las evidencias aportadas por la

secuencia de percepciones y en el conocimiento que el

agente tenga almacenado


agente tenga almacenado

� ¿El agente limpiador es racional?

Agentes racionales

� La racionalidad es diferente de la omnisciencia

(conocer todo con conocimiento infinito)

� Los agentes pueden ejecutar acciones con el objetivo

de modificar percepciones futuras para obtener

información útil (recopilación de información,


información útil (recopilación de información,

exploración)

� El agente debe aprender lo máximo posible de lo que

está percibiendo

� Un agente es autónomo si su comportamiento queda

determinado por su propia experiencia, compensando

conocimiento incompleto o parcial

REAS

� El Rendimiento, el Entorno, los Actuadores y los

Sensores (REAS) deben especificarse para guiar el

diseño de agentes

� Ejemplo: la tarea de diseñar un taxista automático

� Rendimiento: Seguro, rápido, legal, viaje cómodo, maximizar


� Rendimiento: Seguro, rápido, legal, viaje cómodo, maximizar

ganancias

� Entorno: caminos, tráfico, peatones, clientes

� Actuadores: volantes, acelerador, clutch, señales, claxon

� Sensores: Camaras, sonar, tacometro, GPS, sensores en el

motor

Propiedades de los entornos

� Totalmente observable (vs. parcialmente observable)

� Totalmente observable: los sensores del agente le proporcionan acceso

al estado completo del entorno; i.e. los sensores detectan todos los

aspectos relevantes a la toma de decisiones

� Parcialmente observable: no es totalmente observable debido al ruido y

a sensores poco exactos o que no reciben la información del sistema


� Determinístico (vs. estocástico).

� Determinista: si el siguiente estado del entorno está totalmente

determinado por su estado actual y la acción ejecutada por el agente

� Estocástico: no determinista

� Entorno estratégico: medio determinista excepto para las acciones de

otros agentes


� Episódico (vs. secuencial)

� Entorno episódico: cuando la experiencia del agente se divide en

episodios atómicos independientes, donde cada episodio consiste en la

percepción del agente y la realización de una única acción posterior

� Entorno secuencial: no existe dicha división y una decisión presente

puede afectar a decisiones futuras


� Estático (vs. dinámico)

� Estático: el entorno no cambia mientras el agente está deliberando

� Dinámico: el entorno sí cambia

� Semi-dinámico: el entorno no cambia con el paso del tiempo, pero el

rendimiento del agente cambia


� Discreto (vs. continuo)

� Discreto: el entorno tiene un número finito de estados

distintos

� Continuo: no es posible enumerar los estados

Agente individual (vs. multiagente)


� Agente individual (vs. multiagente)

� Individual: un solo agente resolviendo un problema

� Multiagente: varios compitiendo o cooperando



� Problema complejo: parcialmente observable,

estocástico, secuencial, dinámico, continuo, multi-

agente

� Las propiedades del entorno determinan en gran

medida el diseño de agentes

Estructura de los agentes

� Un agente es completamente especificado por la

función que mapea secuencias de percepciones a

acciones (e.g. que determina su conducta)

� El trabajo de la IA es diseñar el programa del agente

que implemente la función del mismo


que implemente la función del mismo

� El programa se ejecutará en alguna computadora con

sensores y actuadores, lo que se conoce como

arquitectura

� Agente = arquitectura + programa

Tipos de agentes

� Cuatro tipos básicos en orden incremental de

generalidad:

� Agentes reactivos simples

� Agentes reactivos basados en modelos

� Agentes basados en objetivos


� Agentes basados en objetivos

� Agentes basados en utilidad

� Estos agentes se pueden convertir en agentes

que aprendan

Agentes reactivos simples


Agentes reactivos basados en modelos


Agentes basados en objetivos


Agentes basados en utilidad


Agentes que aprenden


inteligencia arti cial - uv.mx · reas el rendimiento, el entorno, los actuadores y los sensores...

Documents