Inteligencia Artificial (EC5)...2018/06/06 · Apuntes del Mg. Gustavo E. Juárez UNIDAD TEMÁTICA...
Transcript of Inteligencia Artificial (EC5)...2018/06/06 · Apuntes del Mg. Gustavo E. Juárez UNIDAD TEMÁTICA...
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