Inteligencia Artificial (EC5)

Agentes

Inteligentes del

Software

Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán

Mg. Gustavo E. Juárez

Apuntes del Mg. Gustavo E. Juárez

UNIDAD TEMÁTICA 3: AGENTES INTELIGENTES DEL SOFTWARE – SOFTBOTS

Introducción. Definición. Intención de la Inteligencia Artificial. Tipificación de los

Agentes: racionales, autónomos, Con Capacidad de Aprendizaje, de Reflejos Simples,

Bien Informados, Basados en Metas y Basados en Utilidad. Entorno de un agente.

Programas de Ambientes. Plataforma FIPA (THE FOUNDATION FOR INTELLIGENT

PHYSICAL AGENTS). Ontología. Caso de Estudio: Arquitectura del Toolkit Zeus.

Librería de componentes de Agentes. Como se inicia un Agente Basado en la Utilidad.

Gestión de Agentes. Plataforma de Agentes (AP). Directorio Facilitador (DF). Sistema de

Gestión de Agentes (AMS). Servicio de Transporte de Mensajes (MTS). Especificación

de la Estructura de Mensajes FIPA-ACL. Biblioteca de Especificaciones de comunicación

de FIPA-ACL. FIPA-SL Lenguaje de Especificación de contenido.

UNIDAD TEMÁTICA 3: AGENTES INTELIGENTES DEL SOFTWARE – SOFTBOTS

Parte 2

TIPOLOGIA: AGENTES RACIONALES

“"Los agentes constituyen el próximo avance más significativo en el desarrollo de

sistemas y pueden ser considerados como la nueva revolución en el software” (Dr.

Nicholas Jennings)

Un agente racional (agente racional ideal para Russell y Norvig) es aquel que hace

lo correcto, escogiendo acciones posibles a partir de una secuencia de

percepciones que tratan de optimizar su medida de rendimiento. En otras palabras,

que obtenga un 'buen desempeño', partiendo de la evidencia aportada por la

secuencia de percepciones y cualquier otro conocimiento incorporado al agente.

NOTA: Es aquel que se rige por el Principio de Racionalidad de Newell.

TIPOLOGIA: AGENTES RACIONALES

TIPOLOGIA: AGENTES DE REFLEJO SIMPLE

Todos los agentes son movidos por tendencias. Algunas de ellas pueden

provenir de su entorno mientras que otras son internas de los agentes En el

primer caso se habla de agentes reflejos simples (Simple-Reflex Agent: SRA).

Una salida elegante a esta explosión en tamaño es recurrir a reglas de

condición-acción, tan utilizadas desde la década del 70 en la representación del

conocimiento en Sistemas Expertos, del tipo:

if <condición> then <acción>

TIPOLOGIA: AGENTES DE REFLEJO SIMPLE

TIPOLOGIA: AGENTES DE REFLEJO SIMPLE

procedure Simpíe-Reflex. Agent (percept)

parameter conjunto de reglas condición-acción: rules

state interpretar entradas (percept)

rule regla selección (state, rules)

action regla disparo (rule)

return action

End Simpíe-Reflex Agent

TIPOLOGIA: AGENTES BIEN INFORMADO

La actualización del estado interno en función del tiempo lleva a incluir dos

tipos de conocimiento en el programa del agente:

1) Información relativa a cómo evoluciona el mundo independiente del

agente.

2) Información relativa a cómo afectan al mundo las acciones del

agente.

Estos agentes reciben el nombre de agentes bien informados o agentes reflejos

con estado (Reflex-Ageflt-With-State RAWS). En las Fig 1.5 y 1.6 se muestran

su esquema y programa, respectivamente.

TIPOLOGIA: AGENTES BIEN INFORMADO

TIPOLOGIA: AGENTES BASADO EN METAS

Muchas veces no basta con el conocimiento del estado del entorno para tomar

decisiones. Con frecuencia se encuentran situaciones donde es imprescindible

tener en cuenta la meta, entonces se pide que el agente concilie las

características de un agente bien informado con los resultados de posibles

acciones a encarar, permitiéndole refinar el método de alcanzar una meta.

TIPOLOGIA: AGENTES BASADO EN METAS

procedure Reflex - Agent - With - State (percept)

parameter state (descripción del estado del mundo)

conjunto de reglas condición-acción: rules

state actualizar_estado (state, percept)

rule regla selección <state, rules>

action regla disparo (rule>

state actualizar_estado <state, action)

retum action

end Reflex - Agent - With - State

TIPOLOGIA: AGENTES BASADO EN METAS

TIPOLOGIA: AGENTES BASADO EN METAS

TIPOLOGIA: AGENTES BASADO EN UTILIDAD

La utilidad de un agente es una función que cuantifica el grado de satisfacción

con un numero real, caracterizador del grado de satisfacción del agente. Una

especificación de la función de utilidad permite que un agente resuelva

problemas encontrados en la solución obtenida, como ocurre en los siguientes

casos:

• Cuando la consecución de una meta implica conflictos entre

parámetros del sistema

• Cuando existen simultáneamente varias metas que el agente

deba satisfacer

TIPOLOGIA: AGENTES BASADO EN UTILIDAD

TIPOLOGIA: AGENTES CON CAPACIDAD DE APRENDIZAJE

Hasta el momento se analizaron variantes que no poseían une estructura con

capacidad de aprender. Al plantearse esta necesidad se propone un agente que

difiere un tanto de la propuesta de Russell-Norvig [1]. En el esquema se muestra

un esquema de esta estructura, notándose en ella dos módulos:

I. Módulo Ejecutor (ME)

II. Él Módulo Aconsejador MA)

TIPOLOGIA: AGENTES CON CAPACIDAD DE APRENDIZAJE

El Módulo Ejecutor integra elementos típicos de los agentes en su estructura interna,

teniendo especial cuidado con el efecto que sobre ellos produce el Modulo

Aconsejador mediante las líneas modificaciones y modificaciones alternativas.

La visión del mundo que percibe el agente a través de sus sensores puede ser una

visión parcial. Esta situación podría causar errores significativos, debida a que las

señales generadas por el ENTORNO (llevadas a través de una línea multivaluada a

los SENSORES) no resulten una muestra significativa del estado de dicho MEDIO.

TIPOLOGIA: AGENTES CON CAPACIDAD DE APRENDIZAJE

TIPOLOGIA: AGENTES CON CAPACIDAD DE APRENDIZAJE

procedure learning (percepción, ideal)

parametros: metas

divergencia función_critico (percepción, ideal>

modifica1 función aprendizaje (divergencia, metas, comp actual) modifica2 <-variante_modifica (metas)

case modifica1

comp_actual

función comportamiento (modifica1, percepción) modifica2

comp_actual función comportamiento (modifica2, percepción) end case

return acción (comp actual)

end learning

COMENTARIO

"[...] Agents are here to stay, not least because of their diversity, their wide range of

applicability and the broad spectrum of companies investing in them. As we move

further and further into the information age, any information-based organisation

which does not invest in agent technology may be committing commercial hara-kiri“.

Hyacinth S. Nwana

"[...] Los agentes llegaron para quedarse, no debido solo a su diversidad, su

aplicabilidad y el amplio espectro de empresas que invierten dinero en ellos. Como

nos movemos cada vez mas lejos en la era de la información, cualquier organización

que se base en la información y que no invierta dinero en la tecnología de Agente,

puede cometer haraquiri comercial "

ESTANDARIZACION: CONSORICIOS INTERNACIONALES

Foundation for Intelligent Physical Agents (FIPA)

www.fipa.org

OMG Agent Special Interest Group (Agent SIG)

http://www.objs.com/agent/index.html

Holonic Manufacturing Systems (HMS) Consortium

hms.ifw.uni-hannover.de

ESTANDARIZACION: USA

Control of Agent-Based System (CoABS)

coabs.globalinfotek.com/

DARPA Agent Markup Language (DAML)

www.daml.org

Java Agent Services (Sun JSR 000087)

www.java-agent.org

Apuntes del Mg. Gustavo E. Juárez