Académique Documents
Professionnel Documents
Culture Documents
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
Ambientes
Dr. Wladimir Rodriguez
Inteligencia Artificial
Agente Inteligente
Inteligencia Artificial
Agente Humano
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
Inteligencia Artificial
Ambiente Aspiradora
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 ...
Inteligencia Artificial
Objetiva / Subjetiva Cuantitativa / Cualitativa Tiempo de Evaluacin (durante o despus) Mejor / Peor / Promedio
Inteligencia Artificial
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
10
Inteligencia Artificial
Mapeo Percepciones/Acciones
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
12
Inteligencia Artificial
Qu es un Agente Inteligente?
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?
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)
16
Inteligencia Artificial
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
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
18
Inteligencia Artificial
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.
19
Inteligencia Artificial
20
Inteligencia Artificial
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
21
Inteligencia Artificial
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
22
Inteligencia Artificial
23
Inteligencia Artificial
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
24
Inteligencia Artificial
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
25
Inteligencia Artificial
Considera la forma en que cambiar el mundo. Es ms flexible para adaptarse Ej. Agente que conduce
26
Inteligencia Artificial
27
Inteligencia Artificial
robot
target
Inteligencia Artificial
La utilidad mapea un estado a un nmero real Debe considerarse las metas conflictivas y las
metas inciertas.
30
Inteligencia Artificial
31
Inteligencia Artificial
Agente Aprendiz
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
34
Inteligencia Artificial
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
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
37
Inteligencia Artificial
Resumen
Resumen
39
Inteligencia Artificial