ESCUELA SUPERIOR POLITÉCNICA
AGROPECUARIA DE MANABÍ
MANUEL FÉLIX LÓPEZ
CARRERA
INFORMÁTICA
SEMESTRE SEXTO PERÍODO ABR. – AGO. /2014
INTELIGENCIA
ARTIFICIAL I
TEMA
2: AGENTES INTELIGENTES
*
AGENTES Y SU ENTORNO
*
BUEN COMPORTAMIENTO: EL CONCEPTO DE RACIONALIDAD
AUTORA:
FACILITADORA:
ING.
HIRAIDA SANTANA
INTRODUCCIÓN
En este capítulo aprenderemos
la diferencia entre un agente y un agente racional, así mismo aprenderemos de
la percepción de un agente y de la función que describe el comportamiento del
mismo. Además aprenderemos sobres las medidas de rendimientos que se utilizan
para conocer el rendimiento de un agente, de los factores de los que depende la racionalidad, conocer que es omnisciencia,
aprendizaje y autonomía en un agente.
AGENTES
Y SU ENTORNO
Un agente es cualquier cosa
capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese
medio utilizando actuadores. Un agente humano tiene ojos, oídos y otros órganos
sensoriales además de manos, piernas, boca y otras partes del cuerpo para
actuar. Un agente robot recibe pulsaciones del teclado, archivos de información
y paquetes vía red a modo de entradas sensoriales y actúa sobre el medio con
mensajes en el monitor, escribiendo ficheros y enviando paquetes por la red.
El término percepción se
utiliza en este contexto para indicar que el agente puede recibir entradas en
cualquier instante. La secuencia de percepciones de un agente refleja el
historial completo de lo que el agente ha recibido. En general, un agente
tomará una decisión en un momento dado dependiendo de la secuencia completa de
percepciones hasta ese instante. Si se puede especificar qué decisión tomará un
agente para cada una de las posibles secuencias de percepciones, entonces se
habrá explicado más o menos todo lo que se puede decir de un agente. En
términos matemáticos se puede decir que el comportamiento del agente viene dado
por la función del agente proyecta una percepción dada en una acción.
La función que describe el
comportamiento de un agente se puede presentar en forma de tabla; en la mayoría
de los casos esta tabla sería muy grande (infinita a menos que se limite el
tamaño de la secuencia de percepciones que se quiera considerar). Dado un
agente, con el que se quiera experimentar, se puede, en principio, construir
esta tabla teniendo en cuenta todas las secuencias de percepción y determinando
qué acción lleva a cabo el agente en respuesta. La tabla es, por supuesto, una
caracterización externa del agente. Inicialmente, la función del agente para un
agente artificial se imple mentará mediante el programa del agente Es
importante diferenciar estas dos ideas.
La función del agente es una
descripción matemática abstracta; el programa del agente es una implementación
completa, que se ejecuta sobre la arquitectura del agente.
Buen
comportamiento: el concepto de racionalidad
Un agente racional es aquel que
hace lo correcto; en términos conceptuales, cada elemento de la tabla que
define la función del agente se tendría que rellenar correctamente. Obviamente,
hacer lo correcto es mejor que hacer algo incorrecto, pero ¿qué significa hacer
lo correcto? Como primera aproximación, se puede decir que lo correcto es
aquello que permite al agente obtener un resultado mejor. Por tanto, se
necesita determinar una forma de medir el éxito. Ello, junto a la descripción
del entorno y de los sensores y actuadores del agente, proporcionará una
especificación completa de la tarea que desempeña el agente. Dicho esto, ahora
es posible definir de forma más precisa qué significa la racionalidad.
Medidas
de rendimiento
Las medidas de rendimiento
incluyen los criterios que determinan el éxito en el comportamiento del agente.
Cuando se sitúa un agente en un medio, éste genera una secuencia de acciones de
acuerdo con las percepciones que recibe. Esta secuencia de acciones hace que su
hábitat pase por una secuencia de estados. Si la secuencia es la deseada,
entonces el agente habrá actuado correctamente. Obviamente, no hay una única
medida adecuada para todos los agentes. Se puede preguntar al agente por su
opinión subjetiva acerca de su propia actuación, pero muchos agentes serían
incapaces de contestar, y otros podrían engañarse a sí mismos. Por tanto hay
que insistir en la importancia de utilizar medidas de rendimiento objetivas,
que normalmente determinará el diseñador encargado de la construcción del
agente. La selección de la medida de rendimiento no es siempre fácil.
Racionalidad
La racionalidad en un momento
determinado depende de cuatro factores:
•
La medida de rendimiento que define el criterio
de éxito.
•
El conocimiento del medio en el que habita
acumulado por el agente.
•
Las acciones que el agente puede llevar a cabo.
•
La secuencia de percepciones del agente hasta
este momento.
Esto nos lleva a la definición
de 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
mantiene almacenado.
Puede afirmarse que bajo estas
circunstancias el agente es verdaderamente racional; el rendimiento que se
espera de este agente es por lo menos tan alto como el de cualquier otro
agente.
Fácilmente se puede observar
que el agente puede resultar irracional en circunstancias diferentes.
Omnisciencia,
aprendizaje y autonomía
Es necesario tener cuidado al
distinguir entre racionalidad y omnisciencia Un agente omnisciente conoce el
resultado de su acción y actúa de acuerdo con él; sin embargo, en realidad la
omnisciencia no es posible.
La racionalidad maximiza el
rendimiento esperado, mientras la perfección maximiza el resultado real.
Alejarse de la necesidad de la perfección no es sólo cuestión de hacer justicia
con los agentes. El asunto es que resulta imposible diseñar un agente que
siempre lleve a cabo, de forma sucesiva, las mejores acciones después de un
acontecimiento, a menos que se haya mejorado el rendimiento de las bolas de
cristal o las máquinas de tiempo.
La definición propuesta de
racionalidad no requiere omnisciencia, ya que la elección racional depende sólo
de la secuencia de percepción hasta la fecha. Es necesario asegurase de no
haber permitido, por descuido, que el agente se dedique decididamente a llevar
a cabo acciones poco inteligentes.
Llevar a cabo acciones con la
intención de modificar percepciones futuras, en ocasiones proceso denominado
recopilación de información, es una parte importante de la racionalidad. Un
segundo ejemplo de recopilación de información lo proporciona la exploración
que debe llevar a cabo el agente aspiradora en un medio inicialmente
desconocido.
La definición propuesta implica
que el agente racional no sólo recopile información, sino que aprenda lo máximo
posible de lo que está percibiendo. La configuración inicial del agente puede
reflejar un conocimiento preliminar del entorno, pero a medida que el agente
adquiere experiencia éste puede modificarse y aumentar. Hay casos excepcionales
en los que se conoce totalmente el entorno a priori. En estos casos, el agente
no necesita percibir y aprender; simplemente actúa de forma correcta. Por
supuesto, estos agentes son muy frágiles.
Los agentes con éxito dividen
las tareas de calcular la función del agente en tres períodos diferentes:
cuando se está diseñando el agente, y están los diseñadores encargados de
realizar algunos de estos cálculos; cuando está pensando en la siguiente
operación, el agente realiza más cálculos; y cuando está aprendiendo de la
experiencia, el agente lleva a cabo más cálculos para decidir cómo modificar su
forma de comportarse. Se dice que un agente carece de autonomía cuando se apoya
más en el conocimiento inicial que le proporciona su diseñador que en sus
propias percepciones. Un agente racional debe ser autónomo, debe saber aprender
a determinar cómo tiene que compensar el conocimiento incompleto o parcial
inicial. En la práctica, pocas veces se necesita autonomía completa desde el
comienzo: cuando el agente haya tenido poca o ninguna experiencia, tendrá que
actuar de forma aleatoria a menos que el diseñador le haya proporcionado ayuda.
Así, de la misma forma que la evolución proporciona a los animales sólo los
reactivos necesarios para que puedan sobrevivir lo suficiente para aprender por
ellos mismos, sería razonable proporcionar a los agentes que disponen de
inteligencia artificial un conocimiento inicial, así como de la capacidad de
aprendizaje. Después de las suficientes experiencias interaccionando con el entorno,
el comportamiento del agente racional será efectivamente independiente del
conocimiento que poseía inicialmente. De ahí, que la incorporación del
aprendizaje facilite el diseño de agentes racionales individuales que tendrán
éxito en una gran cantidad de medios.
CIERRE
Los
agentes son capaces de percibir su medioambiente por medio de sensores y
actuadores, la percepción se utiliza para indicar al agente las
entradas recibidas en cualquier instante y la secuencia de las mismas refleja
el historial completo de lo que el agente ha recibido: la manera de presentar
la función de un agente es en forma de tabla, la cual en la mayoría de los
casos puede llegar a ser muy grande.
Un agente racional es aquel que hace lo correcto
es decir, en cada elemento de la tabla que define la función del agente se tendría
que rellenar correctamente. Las medidas de rendimiento tienen que ser objetivas
y además no son fáciles de seleccionar. Por otro lado la racionalidad, depende
de los cuatros factores que son las medidas de rendimiento, el conocimiento del
medio, las acciones, las secuencias de percepciones. La racionalidad maximiza
el rendimiento esperado, mientras la perfección maximiza el resultado real.
BIBLIOGRAFÍA
Russell,
S, y Norving P. 2004. Inteligencia
Artificial Un Enfoque Moderno. 2da ed.
Cap. 2. Pág. 37-62.
