INTELIGENCIA ARTIFICIAL Clase #2 : Agentes Inteligentes

Dr. Wladimir Rodrguez Postgrado en Computacin ULA wladimir@ula.ve

Informacin General

Profesor: Wladimir Rodrguez Horario: Lunes 8-12 Pgina WEB: Libro Texto: Stuart Russell
Dr. Wladimir Rodriguez

e-mail: wladimir@ula.ve

http://www.pgcomp.ula.ve/DISTANCIA/ INTELIGENCIA/index.html
y Peter Norvig, Inteligencia Artificial: Un enfoque moderno, Prentice Hall, 1996. (http://aima.cs.berkeley.edu)
2 Inteligencia Artificial

Agenda

Introduccin Qu es un Agente Inteligente? Estructura de los Agentes Inteligentes

Agentes de Reflejo Simple Agentes Bien Informados Agentes Basados en Metas Agentes Basados en Utilidad
3

Ambientes
Dr. Wladimir Rodriguez

Inteligencia Artificial

Agente Inteligente

Dr. Wladimir Rodriguez

Inteligencia Artificial

Agente Humano

Sensores: Ojos (visin), orejas (odo), piel

(tacto), lengua (gusto), nariz (olfato), sistema neuromuscular (propriocepcin) Percepciones:

Al ms bajo nivel seales elctricas Despus del preprocesamiento objetos en el flujos campo visual (posicin, texturas, colores, ),
auditivos (tono, volumen, direccin),

Efctores: Brazos, dedos, ojos, lengua, ... Acciones: alzar el brazo, voltear, caminar, ...
Dr. Wladimir Rodriguez 5 Inteligencia Artificial

Introduccin

Dr. Wladimir Rodriguez

Inteligencia Artificial

Ambiente Aspiradora

Percepciones: Localizacin y contenido, por

ejemplo [A, Sucio] Hacer_Nada

Acciones: Izquierda, Derecha, Aspirar,

Dr. Wladimir Rodriguez

Inteligencia Artificial

Agente Aspiradora
Secuencia de Percepciones [A, Limpio] [A, Sucio] [B, Limpio] [B, Sucio] [A, limpio] [A, Limpio] [A, Limpio] [A, Sucio] ... Accin Derecha Aspirar Izquierda Aspirar Derecha Aspirar ...

Dr. Wladimir Rodriguez

Inteligencia Artificial

Qu tan bueno es un Agente?

Se necesita una medida de desempeo:

La racionalidad de un agente depende de:

Rendimiento Percepciones recibidas Conocimiento interno del agente Las acciones que el agente pueda hacer
9

Objetiva / Subjetiva Cuantitativa / Cualitativa Tiempo de Evaluacin (durante o despus) Mejor / Peor / Promedio

Dr. Wladimir Rodriguez

Inteligencia Artificial

Qu tan bueno es un Agente?

Un agente racional ideal:

casos de Para todos los un agenteposibles secuencias de percepciones, racional deber emprender todas aquellas acciones que favorezcan obtener el mximo de su medida de rendimiento, basandose en las evidencias aportadas por la secuencia de percepciones y en todo el conocimiento incorporado en tal agente

Dr. Wladimir Rodriguez

10

Inteligencia Artificial

Mapeo Percepciones/Acciones

Un mapeo especifica la accin que un agente

debe tomar en respuesta a una secuencia de percepciones.

Puede ser en forma de tabla Pueden ser en forma de funciones

Comportamiento estimulo / respuesta Algoritmos de varios tipos. (ejemplo de la raz cuadrada del texto)
11 Inteligencia Artificial

Planes universales Casos (indexados)

Dr. Wladimir Rodriguez

Tipos de Agentes
Agente Sistema de diagnstico medico Sistema de anlisis de imgenes Robot de recoleccin Controlador de renera Tutor interactivo Perceptos Sntomas, signos, respuestas Pixels Acciones Preguntas, pruebas, tratamientos Clasicar la escena Agarrar partes colocarlas en recipientes Abrir y cerrar vlvulas ... Preguntas, ejercicios, sugerencias ... Objetivos Entorno

Sanar, Paciente, hospital minimizar costes Clasicacin correcta Colocacin correcta Maximizar pureza, produccin Maximizar la puntuacin en un test Imgenes de satelite Cinta deslizante con las partes Renera Conjunto de estudiantes

Pixels Medidas de presin, temperatura Palabras tecleadas

Dr. Wladimir Rodriguez

12

Inteligencia Artificial

Qu es un Agente Inteligente?

Un agente inteligente es cualquier cosa que

pueda

percibir un mundo perceptual en queyest anidado (ambiente) mediante SENSORES actuar sobre ese mundo mediante EFECTORES (o actuadores)

Dr. Wladimir Rodriguez

sinnimo de ambiente es espacio de problema sinnimo de agente inteligente es operador que transforma un input en output dentro del espacio de problema
13 Inteligencia Artificial

Qu es un Agente Inteligente?

META de la Inteligencia Artificial

Discusin sobre adecuadamente

Fijar alguna medida del buen xito

Disear un agente inteligente/racional que opere o acte adecuadamente en sus ambientes.

Tener en cuenta el PRR Principio de Racionalidad Restringida de Herbert Simon

Dr. Wladimir Rodriguez

14

Inteligencia Artificial

Qu es un Agente Racional?

Pensante racionalmente

Dr. Wladimir Rodriguez

Captura de un proceso racional correcto Proceso Irrefutable Metodologa Cmo sabemos si lo hicimos bien

Desarrollar un modelo formal - LGICA FORMAL que siempre conduzca a la respuesta correcta Implementar ese modelo cuando podemos probar que el razonamiento programado fue correcto la lgica de primer orden fue completa
15 Inteligencia Artificial

Qu es un Agente Racional?

Actuante racionalmente

Actuar de forma de lograr las metas deseadas El enfoque del agente racional - a ser encarado en esta disciplina. Imagine usted mismo como se hacen las decisiones correctas

a veces pensando racionalmente (enfoque europeo) otras teniendo reflejos racionales (enfoque truqus)

Dr. Wladimir Rodriguez

16

Inteligencia Artificial

Estructura de los Agentes

Como todos los agentes tienen una estructura

bsica o mnima o esqueltica igual, se puede investigar cul es ella.

function Skeleton-Agent(percept) returns action function Skeleton-Agent(percept) returns action static: memory, the agent's memory of the world static: memory, the agent's memory of the world memory Update-Memory(memory, percept) memory Update-Memory(memory, percept) action Choose-Best-Action(memory) action Choose-Best-Action(memory) memory Update-Memory(memory, action) memory Update-Memory(memory, action) return action return action
Dr. Wladimir Rodriguez 17 Inteligencia Artificial

Agente Basado en Tablas

Dada una percepcin, simplemente buscar la

respuesta. Parece simple, pero existen algunos problemas:

Combinatoria: problemas reales requieren de tablas muy grandes Tablas son difciles de crear
append percept to the end of percepts append percept to the end of percepts action LookUp(percepts, table) action LookUp(percepts, table) return action return action function Table-Driven-Agent(percept) returns action function Table-Driven-Agent(percept) returns action static: percepts, aasequence, initially empty static: percepts, sequence, initially empty table, aatable indexed by percept sequences, initially fully specified table, table indexed by percept sequences, initially fully specified

Dr. Wladimir Rodriguez

18

Inteligencia Artificial

Agentes Reflejo Simple

Las reglas condicin / accin tienen la forma IF condicin THEN accin Aparear regla con la percepcin a partir de un
conjunto completo de reglas ENTONCES especificar accin a tomar.

Peligro puede ser de poco alcance.

Dr. Wladimir Rodriguez

19

Inteligencia Artificial

Agente Reflejo Simple

Dr. Wladimir Rodriguez

20

Inteligencia Artificial

Agente Reflejo Simple

function Simple-Reflex-Agent(percept) returns action function Simple-Reflex-Agent(percept) returns action static: rules, aaset of condition-action rules static: rules, set of condition-action rules state Interpret-Input(percept) state Interpret-Input(percept) rule Rule-Match(state, rules) rule Rule-Match(state, rules) action Rule-Action[rule] action Rule-Action[rule] return action return action

Dr. Wladimir Rodriguez

21

Inteligencia Artificial

Agente Reflejo con Estado

Incluye memoria extendiendo el horizonte de

tiempo del agente. valida.

Peligro: la informacin almacenada puede no ser Un agente reflejo con un estado interno. Opera
encontrando una regla cuya condicin coincida con la situacin actual y luego procede a efectuar la accin que corresponda a la regla

Dr. Wladimir Rodriguez

22

Inteligencia Artificial

Agente Reflejo con Estado

Dr. Wladimir Rodriguez

23

Inteligencia Artificial

Agente Reflejo con Estado

function Reflex-Agent-With-State(percept) returns action function Reflex-Agent-With-State(percept) returns action static: rules, aaset of condition-action rules static: rules, set of condition-action rules state, aadescription of the current world state, description of the current world state Update-State(state, percept) state Update-State(state, percept) rule Rule-Match(state, rules) rule Rule-Match(state, rules) action Rule-Action[rule] action Rule-Action[rule] state Update-State(state, action) state Update-State(state, action) return action return action

Dr. Wladimir Rodriguez

24

Inteligencia Artificial

Agente Basado en Metas

Metas

Ayudan al agente a decidir las acciones correctas. meta ayuda Informacin sobre la deseables. al agente a describir situaciones
a una accin es necesario Si la meta no es inmediatabsqueda y planeacin. realizar algn proceso de

Dr. Wladimir Rodriguez

25

Inteligencia Artificial

Agente Basado en Metas

La toma de decisiones no es tan directa como en

un agente reactivo.

Considera la forma en que cambiar el mundo. Es ms flexible para adaptarse Ej. Agente que conduce

Dr. Wladimir Rodriguez

26

Inteligencia Artificial

Agente Basado en Metas

Dr. Wladimir Rodriguez

27

Inteligencia Artificial

Agente Basado en Metas

Input percept Input percept state Update-State(state, percept) state Update-State(state, percept) goal Formulate-Goal(state, perf-measure) goal Formulate-Goal(state, perf-measure) search-space Formulate-Problem (state, goal) search-space Formulate-Problem (state, goal) plan Search(search-space , ,goal) plan Search(search-space goal) while (plan not empty) do while (plan not empty) do action Recommendation(plan, state) action Recommendation(plan, state) plan Remainder(plan, state) plan Remainder(plan, state) output action output action end end
Dr. Wladimir Rodriguez 28 Inteligencia Artificial

Ejemplo de Agente Basado en Metas

El robot debe mantener el objetivo en la mira La trayectoria del objetivo no es conocida de antemano El robot no sabe de antemano todos los obstculos Se debe actuar rapidmente
29

robot

target
Inteligencia Artificial

Dr. Wladimir Rodriguez

Agente Basado en Utilidad

Las metas no son suficientes para generar un

comportamiento de calidad.

Las utilidades sirven para distinguir la

preferencia de un estado a otro.

La utilidad mapea un estado a un nmero real Debe considerarse las metas conflictivas y las
metas inciertas.

Dr. Wladimir Rodriguez

30

Inteligencia Artificial

Agente Basado en Utilidad

Dr. Wladimir Rodriguez

31

Inteligencia Artificial

Agente Aprendiz

Dr. Wladimir Rodriguez

32

Inteligencia Artificial

Ambiente

Accesible vs inaccesible
Sensores detectan toda la informacin

Determinista vs no determinista
El siguiente estado depende slo del anterior y de la accin actual

Episdico vs no episdico
Existen episodios con percepciones y acciones
Dr. Wladimir Rodriguez 33 Inteligencia Artificial

Ambiente

Esttico vs dinmico
El ambiente no cambia mientras el agente delibera

Discreto vs continuo
Existe un nmero limitado de percepciones y acciones

Dr. Wladimir Rodriguez

34

Inteligencia Artificial

Caractersticas de los Ambientes

Accesible Solitario Backgammon Manejar Taxi Compras Internet Diagnstico Mdico
Dr. Wladimir Rodriguez

Determinista Si No No No No

Esttico Si Si No No No

Discreto Si Si No No No

No Si No No No

35

Inteligencia Artificial

Programa Bsico para el Ambiente

procedure Run-Environment(state, Update-Fn, agents, termination) procedure Run-Environment(state, Update-Fn, agents, termination) input: state, the initial state of the environment input: state, the initial state of the environment Update-Fn, function to modify the environment Update-Fn, function to modify the environment agents, aaset of agents agents, set of agents termination, aapredicate to test when we are done termination, predicate to test when we are done repeat repeat for each agent in agents do for each agent in agents do Percept[agent] Get-Percept(agent, state) Percept[agent] Get-Percept(agent, state) end end for each agent in agents do for each agent in agents do Action[agent] Program[agent](Percept[agent]) Action[agent] Program[agent](Percept[agent]) end end state Update-Fn(actions, agents, state) state Update-Fn(actions, agents, state) until termination(state) until termination(state)

Dr. Wladimir Rodriguez

36

Inteligencia Artificial

Simulador de Ambiente
function Run-Eval-Environment(state, Update-Fn, agents, function Run-Eval-Environment(state, Update-Fn, agents, termination, Performance-Fn) returns scores termination, Performance-Fn) returns scores local : :scores, aavector the same size as agents, initially all 00 local scores, vector the same size as agents, initially all repeat repeat for each agent in agents do for each agent in agents do Percept[agent] Get-Percept(agent, state) Percept[agent] Get-Percept(agent, state) end end for each agent in agents do for each agent in agents do Action[agent] Program[agent](Percept[agent]) Action[agent] Program[agent](Percept[agent]) end end state Update-Fn(actions, agents, state) state Update-Fn(actions, agents, state) scores Performance-Fn(scores, agents, state) scores Performance-Fn(scores, agents, state) until termination(state) until termination(state) return scores return scores

Dr. Wladimir Rodriguez

37

Inteligencia Artificial

Resumen

Un agente es algo que percibe y acta en un

ambiente.

Un agente ideal es aquel que siempre emprende

la mejor accin

Los agente de reflejo responden de inmediato a

las percepciones

Los agentes basados en reglas actan en funcin

del logro de una meta.
Dr. Wladimir Rodriguez 38 Inteligencia Artificial

Resumen

Los agentes basados en la utilidad se esfuerzan

por maximizar una funcin de evaluacin. pueden variar dramticamente.

El ambiente en el cual se encuentra los agentes

Dr. Wladimir Rodriguez

39

Inteligencia Artificial