Inteligencia Artificial

Inteligencia Artificial
I – Introducción a la IA
2. Agentes Inteligentes
Dr. Edgard Iván Benítez Guerrero
Dr. Edgard I. Benítez G.
Inteligencia Artificial
1
2. Agentes Inteligentes
Agentes y su entorno
Agentes racionales y REAS
Propiedades de los entornos de trabajo
Tipos de agentes
Dr. Edgard I. Benítez G.
Inteligencia Artificial
2
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
como actuadores
Agente robótico: cámaras e infrarrojos como sensores;
motores como actuadores
Dr. Edgard I. Benítez G.
Inteligencia Artificial
3
Agentes y entornos
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)
Dr. Edgard I. Benítez G.
Inteligencia Artificial
4
El mundo de la aspiradora
Percepción: ubicación y contenido, e.g., [A, Dirty]
Acciones: Left, Right, Suck, NoOp
Dr. Edgard I. Benítez G.
Inteligencia Artificial
5
Un agente aspirador
Dr. Edgard I. Benítez G.
Inteligencia Artificial
6
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
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
Dr. Edgard I. Benítez G.
Inteligencia Artificial
7
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
¿El agente limpiador es racional?
Dr. Edgard I. Benítez G.
Inteligencia Artificial
8
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,
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
Dr. Edgard I. Benítez G.
Inteligencia Artificial
9
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
ganancias
Entorno: caminos, tráfico, peatones, clientes
Actuadores: volantes, acelerador, clutch, señales, claxon
Sensores: Camaras, sonar, tacometro, GPS, sensores en el
motor
Dr. Edgard I. Benítez G.
Inteligencia Artificial
10
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
Dr. Edgard I. Benítez G.
Inteligencia Artificial
11
Propiedades de los entornos
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
Dr. Edgard I. Benítez G.
Inteligencia Artificial
12
Propiedades de los entornos
Discreto (vs. continuo)
Discreto: el entorno tiene un número finito de estados
distintos
Continuo: no es posible enumerar los estados
Agente individual (vs. multiagente)
Individual: un solo agente resolviendo un problema
Multiagente: varios compitiendo o cooperando
Dr. Edgard I. Benítez G.
Inteligencia Artificial
13
Propiedades de los entornos
Problema complejo: parcialmente observable,
estocástico, secuencial, dinámico, continuo, multiagente
Las propiedades del entorno determinan en gran
medida el diseño de agentes
Dr. Edgard I. Benítez G.
Inteligencia Artificial
14
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
El programa se ejecutará en alguna computadora con
sensores y actuadores, lo que se conoce como
arquitectura
Agente = arquitectura + programa
Dr. Edgard I. Benítez G.
Inteligencia Artificial
15
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 utilidad
Estos agentes se pueden convertir en agentes
que aprendan
Dr. Edgard I. Benítez G.
Inteligencia Artificial
16
Agentes reactivos simples
Dr. Edgard I. Benítez G.
Inteligencia Artificial
17
Agentes reactivos simples
Dr. Edgard I. Benítez G.
Inteligencia Artificial
18
Agentes reactivos basados en modelos
Dr. Edgard I. Benítez G.
Inteligencia Artificial
19
Agentes reactivos basados en modelos
Dr. Edgard I. Benítez G.
Inteligencia Artificial
20
Agentes basados en objetivos
Dr. Edgard I. Benítez G.
Inteligencia Artificial
21
Agentes basados en utilidad
Dr. Edgard I. Benítez G.
Inteligencia Artificial
22
Agentes que aprenden
Dr. Edgard I. Benítez G.
Inteligencia Artificial
23