Upload
phamlien
View
220
Download
0
Embed Size (px)
Citation preview
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
Dr. Edgard I. Benítez G. 2Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 3Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 4Inteligencia Artificial
� 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
Dr. Edgard I. Benítez G. 5Inteligencia Artificial
� Percepción: ubicación y contenido, e.g., [A, Dirty]
� Acciones: Left, Right, Suck, NoOp
Un agente aspirador
Dr. Edgard I. Benítez G. 6Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 7Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 8Inteligencia Artificial
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,
Dr. Edgard I. Benítez G. 9Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 10Inteligencia Artificial
� 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
Dr. Edgard I. Benítez G. 11Inteligencia Artificial
� 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
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
Dr. Edgard I. Benítez G. 12Inteligencia Artificial
� 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
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)
Dr. Edgard I. Benítez G. 13Inteligencia Artificial
� Agente individual (vs. multiagente)
� Individual: un solo agente resolviendo un problema
� Multiagente: varios compitiendo o cooperando
Propiedades de los entornos
Dr. Edgard I. Benítez G. 14Inteligencia Artificial
� 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
Dr. Edgard I. Benítez G. 15Inteligencia Artificial
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
Dr. Edgard I. Benítez G. 16Inteligencia Artificial
� Agentes basados en objetivos
� Agentes basados en utilidad
� Estos agentes se pueden convertir en agentes
que aprendan
Agentes reactivos simples
Dr. Edgard I. Benítez G. 17Inteligencia Artificial
Agentes reactivos simples
Dr. Edgard I. Benítez G. 18Inteligencia Artificial
Agentes reactivos basados en modelos
Dr. Edgard I. Benítez G. 19Inteligencia Artificial
Agentes reactivos basados en modelos
Dr. Edgard I. Benítez G. 20Inteligencia Artificial
Agentes basados en objetivos
Dr. Edgard I. Benítez G. 21Inteligencia Artificial
Agentes basados en utilidad
Dr. Edgard I. Benítez G. 22Inteligencia Artificial
Agentes que aprenden
Dr. Edgard I. Benítez G. 23Inteligencia Artificial