1 de 52

1
Datos de la AsignaturaTemarío

• Introducción a la IA. (Cap. 1)
• Introducción a los Agentes Inteligentes (Cap. 2)
• Métodos de búsqueda de soluciones (Cap. 3-7)
• Espacio de estados.
• Búsqueda no informada.
• Búsqueda informada y heurística.
• Sistemas basados en el conocimiento (Cap. 8-12)
• Mediante lógica de predicados.
• Mediante Sistemas de producción.
• Tratamiento de la incertidumbre (Cap. 13-15)
• Redes Bayesianas.
• Razonamiento aproximado (lógica difusa).

2
Universidad de Castilla-La ManchaInteligencia
Artificial e Ingeniería del Conocimiento

• Tema2 Introducción a los Agentes Inteligentes

Profesores Luis Jiménez Linares.
Luis Enrique Sánchez Crespo.
3
Introd. a los Agentes Inteligentes

• Agentes y su entorno.
• Buen comportamiento el concepto de racionalidad.
• La naturaleza del entorno.
• Estructura de los agentes.
• Resumen.

4
Introd. a los Agentes Inteligentes
Agentes y su entorno
5
Introd. a los Agentes Inteligentes

• Un agente ? Un agente es cualquier cosa capaz de
  percibir su medioambiente con la ayuda de
  sensores y actuar en ese medio utilizando
  actuadores.
• Ejemplos
• Labores diarias realizadas en internet.
• Comprar por internet (la tienda en casa).
• Sistema de diagnóstico médico
• Análisis de imágenes satelitales
• Robot ensamblador de partes
• Controlador de una refinería

6
Introd. a los Agentes Inteligentes
Un agente inteligente
ENTRADAS
Procesos INTERNOS
Conoce
Sensor del ambiente
Comprensión/ intencionalidad
Ve Oye Toca Gusta Huele
Razona
Comportamiento
SALIDAS
7
Introd. a los Agentes Inteligentes
Tipificando a un agente inteligente
SENSORES
PERCEPCIONES
AMBIENTE
AGENTE
?
ACCIONES
EFECTORES
8
Introd. a los Agentes Inteligentes

• Un agente es un sistema de computación capaz de
  actuar de forma autónoma y flexible en un
  entorno, entendiendo por flexible que sea
• Reactivo El agente es capaz de responder a
  cambios en el entorno en que se encuentra
  situado.
• Pro-activo El agente debe ser capaz de intentar
  cumplir sus propios planes u objetivos.
• Social Debe poder comunicarse con otros agentes
  mediante algún tipo de lenguaje de comunicación
  de agentes.
• Wooldridge 1995

9
Introd. a los Agentes Inteligentes
Buen comportamiento El concepto de racionalidad
10
Introd. a los Agentes InteligentesQué es un
agente inteligente?

• Un agente inteligente es cualquier cosa que pueda
• percibir un mundo perceptual en que esté anidado
  (ambiente) mediante SENSORES y
• actuar sobre ese mundo mediante EFECTORES (o
  actuadores)
• sinónimo de ambiente es espacio de problema
• sinónimo de agente inteligente es operador que
  transforma un input en output dentro del espacio
  de problema
• META de la IA ? Diseñar un agente
  inteligente/racional que opere o actúe
  adecuadamente en sus ambientes.
• Discusión sobre adecuadamente
• Fijar alguna medida del buen éxito
• Tener en cuenta el PRR ? Principio de
  Racionalidad Restringida de Herbert Simon

11
Introd. a los Agentes InteligentesQué es un
agente racional?

• Pensante racionalmente
• Captura de un proceso racional correcto
• Proceso Irrefutable
• Metodología
• Desarrollar un modelo formal - LÓGICA FORMAL -
  que siempre conduzca a la respuesta correcta
• Implementar ese modelo
• Cómo sabemos si lo hicimos bien
• cuando podemos probar que el razonamiento
  programado fue correcto
• la lógica de primer orden fue completa
• Actuante racionalmente
• Actuar de forma de lograr las metas deseadas
• Imagine usted mismo como se hacen las decisiones
  correctas
• a veces pensando racionalmente (enfoque europeo)
• otras teniendo reflejos racionales (enfoque
  truqués)

12
Introd. a los Agentes InteligentesQué es un
agente racional?

• El que actúa maximizando el valor esperado de la
  medida de buen éxito (función de utilidad) en el
  logro de su meta
• esta no es la definición habitual de racionalidad
  ideal basada en la lógica teórica
• Racional no es omnisciente
• Racional no es clarividente
• Racional ideal en conflicto con el PRR (Principio
  de Racionalidad Restringida).

13
Introd. a los Agentes InteligentesRacionalidad

• Satisfacción de restricciones
• Depende de
• LA SECUENCIA DE PERCEPCIONES - TODO LO QUE EL
  AGENTE HA PERCIBIDO HASTA AHORA (GESTIÓN DE LA
  MEMORIA).
• No se puede criticar a un agente por no saber
  lo que nunca supo
• LA MEDIDA DE BUEN ÉXITO ELEGIDA
• función de utilidad
• CUÁNTO CONOCE EL AGENTE DEL AMBIENTE EN QUE OPERA
• Lista de hipótesis de cómo es el mundo
• LAS ACCIONES QUE EL AGENTE ESTÉ EN CONDICIONES DE
  REALIZAR

14
Introd. a los Agentes InteligentesAgente
Inteligente Ideal

• El agente inteligente ideal es el que, para
  cualquier secuencia arbitraria de percepciones,
  logre con su ACCION maximizar la medida de su
  buen éxito.
• Para ello usa
• su conocimiento internalizado
• su secuencia de percepciones

15
Introd. a los Agentes Inteligentes
Mapeo idealpercepciones ? acciones

• El diseño o mapeo ideal especifica qué acciones
  debe encarar el agente ideal en respuesta a
  cualquier secuencia arbitraria de percepciones
• Se concreta con una tabla real o virtual
• Ejercicio de la racionalidad ?
• Sandwich
• Percepciones ? Razonamiento ? Acciones

16
Introd. a los Agentes InteligentesPrograma con
tabla y ejemplo

• Table (Percept Sequence,Action)
• Action Function(Percept Sequence)
• If (Percept Sequence) then do Action
• Ejemplo - Glóbulos vivos finitos predictores - de
  Dewdney - ingresar iterativamente
  010011010011010011
• Contrajemplo ingresar 011000010110

Cita bibliogr. - Inv y Ciencia, ene 1986, p94
17
Introd. a los Agentes Inteligentes Programa con
tabla y ejemplo

18
Introd. a los Agentes InteligentesPRR (Herbert
Simon)

• El Principio de la Racionalidad Restringida alega
  que la racionalidad óptima ideal NO es el buen
  éxito perfecto.
• Ningun ser humano apela a una mayor racionalidad
  que la justo necesaria para sus fines prácticos.
• Las limitaciones de un agente
• con los SENSORES que tiene
• con los EFECTORES que tiene y
• con la POTENCIA COMPUTACIONAL
• disponible y
• (en algunos casos) óptima económica
• conducen a que la racionalidad ideal sea
• imposible e
• impráctica.

19
Introd. a los Agentes InteligentesAlgo más
(Herbert Simon)

• La razón es solamente un instrumento porque no
  nos puede predecir hacia donde ir - no nos
  propone metas a lo sumo nos ayuda a decidirnos
  cómo llegar a una meta

20
Introd. a los Agentes InteligentesAlgo más
(Randall Beer)

• Los navegantes europeos aplican la planificación
  a su derrotero ? lo trazan en el mapa y se
  sujetan a él, corrigiendo los desvíos.
• Los navegantes truqueses aplican toda su atención
  a todos los detalles ? de las olas, los vientos,
  las aves y las corrientes de cada momento y
  llegan a su destino de una manera práctica.
• A la hora de explicar por qué hicimos lo que
  hicimos, no seremos truqueses disfrazados de
  europeos?
• Los agentes racionales suelen mostrar
  inteligencia académica,
• pero hay otra inteligencia mucho más adaptiva,
  mostrada por los agentes autónomos, que los ayuda
  en la meta de sobrevivir.

21
Introd. a los Agentes InteligentesAgentes
Autonomos

• La parábola de los navegantes Europeos y los
  Truqueses
• Unos aplican su inteligencia a planear por
  adelantado toda su conducta futura y corregir
  cualquier defecto en el rumbo planeado
• En el otro caso, aplican su inteligencia a
  PERCIBIR atentamente todo lo que está pasando y
  aplicarla a tender hacia la meta adaptándola a
  las contingencias cuidadosamente correlacionadas.
• De nuevo seremos truqueses que nos disfrazamos
  de europeos a la hora de dar explicaciones de
  nuestra conducta?
• Son agentes autónomos los que no se guían por
  reglamento externo impuesto alguno.
• Dos tipos
• Conducta determinada por su propia experiencia.
• Conducta autoorganizada a partir de su red neural.

22
Introd. a los Agentes InteligentesTeoría de la
completitud NP

• La completitud NP se refiere a algoritmos
  polinómicos no determinísticos.
• Algunos problemas, como quizás el clásico del
  viajante de comercio, es probable que sean
  imposibles de resolver en cualquier computadora
  arbitraria
• De ello se deduce que
• ya sea la inteligencia natural
• o la inteligencia artificial
• NO son
  ilimitadas en sus capacidades.
• De ello se vuelve a deducir que la racionalidad
  práctica resulta estar restringida.
• ? Nadie debe esmerarse por aplicar la
  racionalidad más allá de sus necesidades
  prácticas. ? PRR
• Caso límite ? el termóstato con sus dos reglas -
  Alto nivel de conocimiento.

23
Introd. a los Agentes Inteligentes
Grado de Racionalidad - Nivel de Conocimiento -
Newell

• Grado de racionalidad ? grado con el cual el
  agente pensante y actuante maximiza la medida de
  buen éxito para lograr su meta,
  
  sujeta a su disponibilidad de
• sensores, efectores, potencia de cómputo y
  conocimiento internalizado.
• Allen Newell define el nivel de conocimiento por
  el número de reglas usadas respecto de su
  disponibilidad total de reglas. Ningún SoftBots
  es responsable por no usar reglas que no conoce.
• a un termostato le han dado dos reglas y las
  usa

24
Introd. a los Agentes Inteligentes
La naturaleza del entorno
25
Introd. a los Agentes InteligentesCometido de la
IA

• El cometido de la IA es el diseño de un Programa
  de Agente una función que permita implantar el
  mapeo del agente para pasar por el sandwich de
  percepciones a acciones. Este programa se
  ejecutará en algún tipo de dispositivo de
  cómputo, al que se denominará arquitectura (puede
  ser una computadora sencilla o hardware
  especial). En algunos ámbitos se utilizan agentes
  de software (o robots de software o softbots).
• Agente arquitectura programa

26
Introd. a los Agentes InteligentesFunciones y
programas de agentes

• El agente queda completamente especificado con la
  función del agente que mapea lo que describe la
  ecuación
• a f (P,M,A)
• sobre todo el componente principal a f (P)
• en principio uno puede suministrar cualquier
  secuencia perceptual posible para ver qué sucede
  - una tabla que resuma esa información podría ser
  inmensa
• donde la función del agente es f
• El programa de agente trata de implementar la
  función de agente en forma concisa
• Un programa de agente toma una percepción
  singular como input y mantiene el estado interno

27
Introd. a los Agentes InteligentesREAS

• Para definir el entorno de trabajo de un agente
  se utiliza el acronimo REAS Rendimiento,
  Entorno, Actuadores, Sensores.
• En el diseño de un agente inteligente la primera
  tarea es ubicarnos en el panorama
• a f(datos)
• a f(P,M,A)
• Ejemplo Descripción REAS del entorno de trabajo
  de un taxista automático.
• Medidas de Rendimiento ??
• Entorno ??
• Actuadores ??
• Sensores ??

28
Introd. a los Agentes InteligentesREAS - Ejemplos

• Ejemplo Descripción REAS del entorno de trabajo
  de un taxista automático.
• Medidas de Rendimiento
• Entorno
• Actuadores
• Sensores

29
Introd. a los Agentes Inteligentes
Tachero new age?piloto automático

• Percepciones
• video
• acelerómetro, instrumental del tablero
• sensores del motor
• teclado
• Acciones
• gestión del volante
• acelerar y frenar
• bocina
• hablar/graficar
• Metas
• seguridad, llegar a destino, maximizar ganancias,
  obedecer las leyes, satisfacción del cliente
• Ambiente
• calles urbanas, avenidas, tráfico, peatones,
  clima, tipo de cliente

30
Introd. a los Agentes InteligentesREAS Otros
Ejemplos

• Para identificar a un agente debemos analizar su
  REAS

Ejemplos de descripciones REAS de un dado agente
típico P-percepción a-acción M-meta A-ambiente
31
Introd. a los Agentes InteligentesAnálisis REAS

• El análisis REAS es un ejemplo de
• la estrategia general de la ingeniería de
  dividir para conquistar
• ? REAS ? cada sumando es más fácil que la
  suma ponderada.
• la aplicación del ANÁLISIS DE REQUISITOS, que
  resuelve un problema analizando qué es obtenible
  como input y qué es deseado como output.
• Otro Ejemplo al analizar un sistema de imágenes
  satelitales,
• percepciones pixels de intensidad y longitud de
  onda variables
• acciones mover la cámara, cambiar el filtro,
  imprimir letreros como tanque82"
• metas identificación cercana a la realidad de
  todos los objetos de la imagen
• ambiente imágenes distorsionadas provenientes
  de una cámara satelital

32
Introd. a los Agentes InteligentesPropiedades de
los entornos de trabajo

• Accesible/Inaccesible
• Si los sensores proporcionan todo lo que hay que
  saber sobre el estado completo del ambiente -
  necesario para elegir una acción - entonces el
  ambiente es accesible al agente. Esos ambiente
  resultan convenientes, ya que liberan al agente
  de la tarea de mantener actualizado su inventario
  del mundo.
• Determinístico/No-determinístico (estocástico)
• Si el estado siguiente del ambiente está
  determinado plenamente por el estado presente del
  mismo, y por la acción del agente - se trata de
  un ambiente determinístico. Así el agente escapa
  de la incertidumbre.
• Episódico/No-episódico
• Un ambiente episódico implica que los episodios
  siguientes no dependen de las acciones que
  ocurrían en episodios previos (como en las
  clásicas cadenas de Markov). Esto le autoriza al
  agente que no se deba preocupar por la
  planificación de lo que puede ocurrir.

33
Introd. a los Agentes InteligentesPropiedades de
los entornos de trabajo

• Estático/Dinámico
• Será estático todo ambiente que no cambie
  mientras el agente está pensando. No tiene
  importancia el tiempo que se usa en pensar y no
  necesita monitorear el mundo mientras piensa. El
  tiempo carece de valor mientras se computa una
  buena estrategia. En el otro caso será dinámico.
• Discreto/Continuo
• Discreto - con escaso número de percepciones y
  acciones en el ambiente.
• Continuo - el otro caso.
• Sin adversario/con adversarios racionales
• Sin adversario - ausencia de otros agentes
  racionales adversarios la consecuencia es que el
  agente se libera de la preocupación de la
  estrategia de dichos adversarios en el mismo
  juego.
• Los ambientes ingenieriles suelen ser sin
  adversario.
• Los ambientes sociales y económicos aumentan en
  su complejidad por la presencia de interacciones
  entre uno o más adversarios (por ejemplo en la
  Bolsa).

34
Introd. a los Agentes InteligentesEjemplos de
los entornos de trabajo
35
Introd. a los Agentes InteligentesEjemplos de
los entornos en Internet

• e_mail
• Grupos de noticias
• WWW
• FTP
• Juegos en línea
• Foros
• Buscadores con diversos agentes
• Ambiente apto para minería de datos
• Bibliotecas virtuales (p.ej., de IA)

36
Introd. a los Agentes Inteligentes
Estructura de los Agentes
37
Introd. a los Agentes InteligentesPrograma
básico para el entorno
procedure Run-Environment(state, Update-Fn,
agents, termination) input state, the initial
state of the environment Update-Fn,
function to modify the environment
agents, a set of agents termination,
a predicate to test when we are done repeat
for each agent in agents do
Perceptagent Get-Percept(agent, state)
end for each agent in agents do
Actionagent Programagent(Perceptagent)
end state Update-Fn(actions, agents,
state) until termination(state)

• Programa básico simulador ambiental
• proporciona las percepciones a los agentes
  anidados en ese ambiente
• absorbe una acción de cada agente en la unidad de
  tiempo
• actualiza el ambiente para cada unidad de tiempo

38
Introd. a los Agentes InteligentesSimulación de
entorno
function Run-Eval-Environment(state, Update-Fn,
agents, termination, Performance-Fn) returns
scores local scores, a vector the same size
as agents, initially all 0
repeat for each agent in agents do
Perceptagent Get-Percept(agent, state)
end for each agent in agents do
Actionagent Programagent(Perceptagent)
end state Update-Fn(actions, agents,
state) scores Performance-Fn(scores,
agents, state) until termination(state)
return scores

• Casi siempre, los agentes se han diseñado para
  satisfacer una cierta clase de ambiente
• medición de buen éxito en ese ambiente, definido
  por un estado inicial singular y una función de
  actualización particular.

39
Introd. a los Agentes InteligentesEstructura de
un agente inteligente

• Como todos los agentes tienen una estructura
  básica o mínima o esquelética igual, se puede
  investigar cuál es ella.
• Resulta así un AGENTE ESQUELÉTICO
• Desde un punto de vista estricto, no es necesario
  que el agente guarde en su memoria las
  percepciones entrantes ? depende del dominio. Un
  dominio es un fragmento del mundo acerca del que
  deseamos adquirir conocimiento.
• El agente esquelético no incorpora la medida de
  buen éxito en su meta ? se entiende que ella está
  siendo aplicada externamente.

function Skeleton-Agent(percept) returns action
static memory, the agent's memory of the world
memory Update-Memory(memory, percept)
action Choose-Best-Action(memory) memory
Update-Memory(memory, action) return action
40
Introd. a los Agentes InteligentesIdeal
Disponer de una tabla

• Lo básico de un agente tabla-intensivo
• Por qué fracasa el ideal de disponer de una
  tabla de consulta?
• Esta arquitectura adolece de
• tamaño excesivo (no factible)
• falta de adaptación.
• Qué tamaño tendría que tener la tabla? (Caso
  límite, el termóstato)
• El agente podría aprender de sus errores?
• De dónde podría provenir dicha tabla en primera
  instancia?

function Table-Driven-Agent(percept) returns
action static percepts, a sequence, initially
empty table, a table indexed by
percept sequences, initially fully specified
append percept to the end of percepts action
LookUp(percepts, table) return action
41
Introd. a los Agentes InteligentesTipos de
Agentes

• Tabla-intensivos
• para encontrar la acción siguiente ? usar una
  tabla en memoria del tipo secuencia de
  percepciones/acción. Se trata de una tabla
  bastante voluminosa para repetir la acción ya
  experimentada antes.
• Agentes reflejos con un único estado (simples)
• se basan en reglas condición/acción y se
  implementan con un sistema de PRODUCCIÓN. Carecen
  de memoria referente a estados pasados del mundo.
• Bien informados de lo que pasa
• Agentes con memoria
• con un estado interno usado para seguirle la
  pista a los estados pasados del mundo.
• Agentes meta-intensivos
• además de disponer de información sobre el
  estado, tienen una clase de información sobre la
  meta que describe situaciones deseables. Agentes
  de este tipo tienen bajo consideración eventos
  del futuro.
• Utilidad-intensivos
• basan su decisión en la teoría axiomática clásica
  de la utilidad para actuar racionalmente.

42
Introd. a los Agentes InteligentesAgente
reactivo simple

• Las reglas condición-acción permiten establecer
  la conexión entre percepción y acción.
• A la derecha del agente se indica el estado
  interno, único en un momento dado del proceso
  decisional.
• A la derecha está la base de conocimiento en
  forma de reglas de producción.
• El sencillo programa del agente aparece más abajo
• Interpret-input genera una descripción abstracta
  del estado mostrado por la percepción
• Rule-match produce una regla del conjunto que
  satisface la percepción

function Simple-Reflex-Agent(percept) returns
action static rules, a set of condition-action
rules state Interpret-Input(percept) rule
Rule-Match(state, rules) action
Rule-Actionrule return action
43
Introd. a los Agentes InteligentesAgentes
reactivos basados en modelos

• La actualización del estado interno requiere dos
  tipos de conocimiento codificado
• conocimiento acerca de la forma como el mundo
  cambia - independiente de las acciones del
  agente.
• conocimiento acerca de la forma en que el mundo
  cambia con motivo de la acción del agente
• Pero el conocimiento del estado interno no
  siempre es suficiente
• para elegir entre rutas decisionales
  alternativas(en una intersección doblar o no
  doblar el volante del coche?)
• pues se requiere conocer la meta a lograr

function Reflex-Agent-With-State(percept) returns
action static rules, a set of condition-action
rules state, a description of the
current world state Update-State(state,
percept) rule Rule-Match(state, rules)
action Rule-Actionrule state
Update-State(state, action) return action
44
Introd. a los Agentes InteligentesAgentes
basados en objetivos

• Razonando acerca de acciones
• un agente reflejo solo actúa basado en
  conocimientos precomputados (reglas)
• la búsqueda y la planificación ayudan a razonar
  acerca de cuál acción logra la meta
• el agente es menos eficiente pero más adaptativo
  y flexible
• Qué argumentar acerca de acciones alternativas
  que llegan a la meta
• hay que maximizar la utilidad de las acciones,
  esto es, elegir aquélla que logra la meta mejor
  que otras.

45
Introd. a los Agentes Inteligentes Agentes
basados en objetivos (Arquitectura)
Input percept state Update-State(state,
percept) goal Formulate-Goal(state,
perf-measure) search-space Formulate-Problem
(state, goal) plan Search(search-space ,
goal) while (plan not empty) do action
Recommendation(plan, state) plan
Remainder(plan, state) output action end

• Los agentes simples no tienen acceso a su medida
  de buen éxito
• En ese caso el diseñador elige la meta y la
  incorpora por diseño a su agente
• Similarmente, los agentes tontos no pueden
  formular su propio problema
• en cuyo caso dicha formulación también se debe
  incorporar al diseño
• El bucle while (mientras) - ver arriba - es la
  fase de ejecución de la conducta de este tipo de
  agentes
• Nótese que en esta arquitectura se sobreentiende
  que para la fase de ejecución no importa
  monitorear el ambiente.

46
Introd. a los Agentes InteligentesAgentes
basados en utilidad

• Función Utilidad
• es un mapeo de estados bajo la forma de números
  reales
• lleva a decisiones racionales en dos tipos de
  situaciones
• evaluación de trueques entre metas en conflicto
• evaluación de metas en conflicto

47
Introd. a los Agentes Inteligentes Agentes
basados en utilidad

• Las metas no bastan para generar una conducta de
  alta calidad.
• Las metas permiten establecer una distinción
  entre estados felices e infelices.
• Si se prefiere un estado en lugar de otro, se
  dice que ese estado ofrece mayor utilidad al
  agente.
• Utilidad
• Función que caracteriza el grado de satisfacción.
• En temas venideros se mencionará frecuentemente
  el PRINCIPIO DE MAXIMA UTILIDAD ESPERADA

48
Introd. a los Agentes InteligentesAgentes que
aprenden
Medio Ambiente
49
Introd. a los Agentes Inteligentes Agentes que
aprenden

• En la gráfica previa se estudia un modelo general
  de agente aprendiz, modelo novedoso con respecto
  a lo ya estudiado.
• Comparado con los tres diagramas del capítulo 2
  de rn (Agentes inteligentes), este cuarto
  diagrama tiene diferencias.
• Aparece una entrada adicional (en rojo) ajeno al
  agente, que es el estándar de desempeño que
  está marcado aparte por el diseñador si se trata
  de un agente aprendiz autónomo o no supervisado,
  o bien corresponde a un maestro en el
  aprendizaje supevisado. El error debe irse
  corrigiendo.
• La zona de conexión directa entre sensores y
  efectores está regulada por un elemento de
  procesamiento del desempeño en el futuro
  inmediato, influible por maquinaria auxiliar de
  aprendizaje, maquinaria corregida por el error
  detectado.
• Las metas del aprendiz pueden tener distintos
  significados.
• Estudiaremos algunos de estos módulos en detalle.

50
Introd. a los Agentes Inteligentes
Resumen
51
Introd. a los Agentes InteligentesResumen

• Las principales preocupaciones de este capitulo
• Un agente percibe y actúa en un cierto ambiente,
  posee una dada arquitectura y está implementado a
  través de un programa de agente.
• Un agente ideal (omnisciente) siempre elige
  aquella acción mediante la cual se maximiza su
  logro esperado, sujeta a la secuencia de
  percepciones recibida hasta ese momento.
• Un agente autónomo usa su experiencia propia en
  lugar de usar conocimiento incorporado por su
  diseñador referente al ambiente.
• Un programa de agente mapea la ruta entre
  percepción y acción y actualiza el estado interno
  de dicho agente.
• Un agente reflejo (o reactivo) responde de
  inmediato a las percepciones.

52
Introd. a los Agentes InteligentesResumen

• Otras preocupaciones
• Un agente meta-intensivo (o basado en metas)
  actúa de tal manera de obtener el logro de su
  meta internalizada.
• Un agente utilidad intensivo (o basado en
  utilidad) maximiza su propia función de utilidad.
  
• Poder representar el conocimiento (y a veces
  lograr que ese conocimiento pueda ser legible por
  el humano) es importante para que el diseño tenga
  éxito.
• Los ambientes cambian y se presentan como
  dramaticamente más difíciles para unos agentes
  que para otros. Los más difíciles son los
  ambientes inaccesibles, no-determinísticos,
  no-episódicos, dinámicos y continuos. Un ambiente
  fácil es el representado por un robot encargado
  de hacer tostadas.

53
Introd. a los Agentes InteligentesConclusiones

• La inteligencia artificial se ha presentado como
  la tecnología de la construcción de agentes
  inteligentes, con lo cual se unifican temas que
  no tenían relación con otros enfoques (caso de la
  robótica y la visión).
• Quedó evidente que el hilo conductor es el de ir
  complicando gradualmente los programas de agente,
  las funciones de agente y los programas de
  ambiente.
• El futuro estará en los agentes que se comunican,
  que abarcan numerosos ejemplos de los siete
  presentados en la serie de diapositivas.
• Obviamente la noción de agente aglutina en una
  meta clara a toda la inteligencia artificial, la
  cual, sin embargo, al estar enlazada con los
  ambientes, pierde toda posibilidad de ser una
  disciplina auto-contenida, pasando a tener
  condición de multi-disciplinaria.

54
Universidad de Castilla-La Mancha

• Luis Jiménez Linares
• Luis.jimenez_at_uclm.es
• Luis Enrique Sánchez Crespo
• LuisEnrique.sanchez_at_uclm.es