UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIN

FACULTAD DE SISTEMAS Y COMPUTACION VII

SEMESTRE

ALUMNO: YAURI SANTA CRUZ, Bryan Omar

DOCENTE: RARAZ TUPACYUPANQUI, Omar
TEMA: Resumen de Agentes Inteligentes
CURSO: Inteligencia Artificial

CERRO DE PASCO - 2016

AGENTESINTELIGENTES

La Inteligencia Articial tiene como objetivo el estudio de las entidades

inteligentes; pero a diferencia de la losofa, la psicologa, las
neurociencias, y dems disciplinas cuyo objeto de estudio est
relacionado con la inteligencia, su meta no tiene que ver nicamente con la
comprensin de estas entidades, sino con su construccin.

Histricamente, fuera de la Inteligencia Articial, el trmino agente ha sido

usado con dos aceptaciones. Primero, a partir de Aristteles y hasta
nuestros das, en losofa el trmino agente se ha referido a una entidad
que acta con un propsito dentro de un contexto social.
Segundo, la nocin legal de agente, como la persona que acta en benecio
de otra con un propsito especco, bajo la delegacin limitada de autoridad
y responsabilidad, estaba ya presente en el derecho Romano y ha sido
ampliamente utilizada en economa
En el contexto de la computacin el concepto de agentes se consolida como
una solucin a las demandas actuales: interconexin, inteligencia,
delegacin y homocentrismo. Donde tenemos una diversidad de dispositivos
de cmputo distribuidos en nuestro entorno e interconectados, los agentes
inteligentes emergen como la herramienta para delegar adecuadamente
nuestro trabajo y abordar esta problemtica desde una perspectiva ms
familiar para usuarios, programadores y diseadores.

Un agente es un sistema computacional capaz de actuar de manera

autnoma para satisfacer sus objetivos y metas, mientras se encuentra
situado persistentemente en su medio ambiente.
1. Nos permite observar las facultades cognitivas de los agentes al
servicio de encontrar cmo hacer lo correcto.
2. Permite considerar diferentes tipos de agente, incluyendo aquellos
que no se supone tengan tales facultades cognitivas.
3. Permite considerar diferentes especicaciones sobre los subsistemas que componen los agentes.

El trmino medida de desempeo se reere al criterio usado para

determinar el xito de un agente. Es preferible manejar una medida de
desempeo objetiva impuesta por alguna forma de autoridad. Esto es,
nosotros como observadores estableceremos para cada agente, un estndar
de lo que signica ser exitoso en un ambiente dado, y usaremos ese
estndar para medir el desempeo del agente.

Donde: PT es el puntaje total. El segundo trmino evala la persistencia del

agente: TMax es el tiempo mximo de la prueba y TOper es el tiempo que el
robot se mantuvo en operacin. Si el robot trabaja durante toda la prueba
no es penalizado, si no la puede terminar, si lo es. El primer trmino evala
la capacidad del agente. Para ello el piso a limpiar, rectangular, se divide
conceptualmente en celdas. CLi es la i-sima celda limpiada con xito, o si
se preere tomar valor 1 si la celda se limpi, y 0 en caso contrario. DAi es
el valor de dicultad de acceso a la i-sima celda limpiada.

Es necesario precisar que la racionalidad de un agente se dene en relacin

con el xito esperado dado lo que el agente ha percibido. Esto es, no
podemos exigir a un agente que tome en cuenta lo que no puede percibir, o
haga lo que sus efectores no pueden hacer. Por lo tanto, la racionalidad de
un agente a un tiempo dado depende de:

La medida de desempeo que dene el estndar de xito.

La secuencia de percepciones del agente, esto es, todo lo que el
agente halla percibido hasta el tiempo dado.
El conocimiento del agente sobre el medio ambiente en el que est
situado.
La habilidad del agente, esto es, las acciones que el agente puede
llevar a cabo con cierta destreza.

Un agente racional ideal es aquel que para toda secuencia de percepciones

posible, selecciona y ejecuta una accin que se espera maximice la medida
de desempeo, con base en la informacin que proveen su percepcin y
conocimiento sobre el ambiente.
1.1

COMPORTAMIENTO FLEXIBLE Y AUTNOMO

Este tipo comportamiento se caracteriza por su:( Wooldridgey Jennings)

Reactividad. Los agentes inteligentes deben ser capaces de percibir

su medio ambiente y responder a tiempo a los cambios en l, a travs
de sus acciones.
Iniciativa. Los agentes inteligentes deben exhibir un comportamiento
orientado por sus metas, tomando la iniciativa para satisfacer sus
objetivos de diseo.
Sociabilidad. Los agentes inteligentes deben ser capaces de
interaccionar con otros agentes, posiblemente tan complejos como
los seres humanos, con miras a la satisfaccin de sus objetivos.
Una caracterizacin ms detallada de autonoma es presentada (Covrigaru
y Lindsay)
1. Su comportamiento est orientado por sus metas y es capaz de
seleccionar que meta va a procesar a cada instante.
2. Su existencia se da en un perodo relativamente mayor al
necesario para satisfacer sus metas.
3. Es lo sucientemente robusto como para seguir siendo viable a
pesar de los cambios en el ambiente.
4. Puede interaccionar con su ambiente en la modalidad de
procesamiento de informacin.
5. Es capaz de exhibir una variedad de respuestas, incluyendo
movimientos de adaptacin uidos; y su atencin a los estmulos es
selectiva.

6. Ninguna de sus funciones, acciones o decisiones, est totalmente

gobernada por un agente externo.
7. Una vez en operacin, el agente no necesita ser programado
nuevamente por un agente externo.

Covrigaru y Lindsay argumentan que ser autnomo, depende no slo de

la habilidad para seleccionar metas u objetivos de entre un conjunto de
ellos, ni de la habilidad de formularse nuevas metas, sino de tener el tipo
adecuado de metas. Los agentes articiales son usualmente diseados para
llevar
a
cabo
tareas
por
nosotros,
de
forma
quedebemoscomunicarlesqueesloqueesperamosquehagan.Enunsistemacom
putacional tradicional esto se reduce a escribir el programa adecuado y
ejecutarlo.
1.2

MEDIO AMBIENTE

Por medio ambiente, entendemos el espacio donde un agente, o un grupo

de ellos, se encuentran situado. (Brooks) argumenta que el medio
ambiente por excelencia es el mundo real, y en su propuesta todo agente
toma una forma robtica. Por el contrario, (Etzioni), considera que no es
necesario que los agentes tengan implementaciones robticas porque los
ambientes virtuales, como los sistemas operativos y el web, son igualmente
vlidos que el mundo real, es importante identicar que existen diferentes
tipos de ambientes:

Observable vs. Parcialmente observable.- Un ambiente puede

ser parcialmente observable debido a la imprecisin y el ruido en los
sensores; o bien porque algunos aspectos del ambiente caen fuera
del rango de lectura de los sensores. Un ambiente puede ser
parcialmente observable debido a la imprecisin y el ruido en los
sensores; o bien porque algunos aspectos del ambiente caen fuera
del rango de lectura de los sensores.
Determinista vs. Estocstico.- Si el prximo estado del ambiente
est determinado por la accin que ejecuta el agente, se dice que el
ambiente es determinista. El carcter estocstico del ambiente
captura dos nociones importantes:
1. El hecho de que los agentes tienen una esfera de inuencia
limitada, es decir, en el mejor de los casos tienen un control
parcial de su ambiente;
2. Y el hecho de que las acciones de un agente puede fallar y
no lograr el resultado deseado por el agente.
Episdico vs. Secuencial.- En un ambiente episdico, la
experiencia de un agente puede evaluarse en rondas. Las acciones
se evalan en cada episodio o ronda, esto es, la calidad de la accin

en los episodios subsecuentes, no depende de las acciones ocurridas

en episodios previos. Por ejemplo, el detector de basura en las
botellas de una cervecera es episdico. Los episodios reducen el
impacto de estas consecuencias, y por lo tanto es ms fcil construir
agentes en ambientes episdicos. Un programa que juega ajedrez
est en un ambiente secuencial.
Esttico vs. Dinmico.- Si el ambiente puede cambiar mientras el
agente se encuentra deliberando, se dice que es dinmico; de otra
forma, se dice esttico. Si el ambiente no cambia con el paso del
tiempo, pero si lo hace con las acciones del agente si lo hace, se dice
que el ambiente es semi-dinmico. Los ambientes dinmicos tienen
dos consecuencias importantes

Discreto vs. Continuo.- Esta propiedad puede aplicarse al estado

del ambiente; a la forma en que se registra el tiempo y; a las
percepciones y acciones de los agentes. Es ms fcil construir
agentes en ambientes discretos, porque las computadoras tambin
son sistemas discretos y aunque es posible simular sistemas
continuos con el grado de precisin deseado, una parte de la
informacin disponible se pierde al hacer esta aproximacin.
Mono vs. Multi-Agente.- En general, un agente considerara a otra
entidad como un agente si su desempeo depende del
comportamiento de esa entidad. La clave aqu es el concepto de
interaccin que da lugar a ambientes competitivos y cooperativos.

CATEGORIZACIN

1.3

PEAS

Hasta el momento hemos hablado de los agentes en trminos de su

comportamiento. En algn momento tendremos que discutir los detalles
internos de los agentes. Nuestro trabajo consistir en disear un programa
de agente: una funcin que implemente la seleccin de accin que funcione
como el sistema operativo del agente, por ejemplo, que facilite la
interaccin del programa de agente con la computadora donde se ejecuta,
de forma que el agente pueda ser programado a un nivel ms alto. La

siguiente expresin resume la relacin entre agente, arquitectura y

programa:

Antes de disear al programa de un agente, debemos tener una idea clara

de las posibles percepciones, acciones, medida de desempeo a satisfacer y
la clase de ambiente en la que el agente estar situado.
1.4 LECTURAS Y EJERCICIOS SUGERIDOS
Se
una

sugiere
lectura
rpida
de
los
captulos uno y dos del libro de (Russell y Norvig) para una panormica
del tema de los agentes racionales con respecto a la Inteligencia Articial.
(Huns y Singh) ofrecen una coleccin de artculos fundamentales en el
rea, algunos de los cuales sern revisados en las tareas del curso. (Wei)
estructur el primer texto completo y coherente sobre el estudio de los
Sistemas Multi-Agentes. Su introduccin al libro es altamente recomendable
como una revisin de los problemas propios del rea. Finalmente
(Wooldridge) nos ofrece un texto de introduccin bsico a los Sistemas
Multi-Agentes, imprescindible por su cobertura y complejidad moderada.
Problema 1. Describa un ejemplo de agente y su medio ambiente. Base su
descripcin en el esquema PEAS Existe un mapeo ideal para su agente?
Puede denir una medida de desempeo para su agente?
Agente
Sistema
de
ensean
za
Docente

Desempe
o
Atencin y
maximizar
el
desempeo
de
los
Alumnos

Ambiente

Actuadores

Sensores

Institucion
es,
alumnos,
mtodos
de
enseanza

Preguntas,
exmenes,
controles
de lectura

Lecturas
Mdulos
Ejercicios
resueltos

Problema 2. Describa un agente nanciero que opera en un mercado de

valores, en los trminos utilizados en este captulo