1 AGENTES I NTEL I GENTES

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. La cons-
truccin de agentes racionales como concepto unicador dentro de la Inteligencia
Articial, constituye el curiosamente llamado, nuevo enfoque de la Inteligencia Arti-
cial, claramente denido en el texto introductorio de Russell y Norvig [19]. Incluso
antagonistas de las tecnologas basadas en agentes, como Lanier
1
, coinciden en que el
concepto de agente es inherente al de Inteligencia Articial.
Ciencias
Cognitivas
Inteligencia
Articial
Filosofa
Neuro
Ciencias
Lingistica
Psicologa
Cognitiva
Figura 1: La Inteligencia Articial en el contexto de las Ciencias Cognitivas: la diferencia es
su constructivismo inherente.
Varela [21] situa a la Inteligencia Articial entre las Ciencias Cognitivas (Ver gura
1), enfatizando su constructivismo inherente que la diferencia de otras disciplinas que
comparten objetivos similares: losofa, neuro ciencias, lingistica, losofa cognitiva,
etc. Esta geografa, cabe mencionar, es de suma utilidad para reexionar acerca del
carcter cientco e ingenieril de la Inteligencia Articial.
Por tanto, no deja de ser sorprendente que no sea hasta nales de los aos ochenta
que el concepto de agente es incorporado a la Inteligencia Articial, como un tema
que se pretende unicador. Parte del problema, pudiera deberse a un distanciamien-
to entre los intereses cientcos y prcticos del rea. Este captulo espera ofrecer un
acercamiento entre ambas perspectivas. Primero Qu es un agente? De donde adop-
tamos este trmino?
1 Lanier [11] argumenta que la interaccin de los agentes articiales con los humanos, difcilmente pueden
calicarse de inteligente. En su opinin nuestros actuales agentes resultan un verdadero peligro para la
humanidad Estos agentes no se volvern inteligentes, pero los humanos ajustarn su comportamiento
y sus expectativas al limitado comportamiento de algo que se les ha presentado como inteligente.
1
2
Histricamente, fuera de la Inteligencia Articial, el trmino agente ha sido usado
con dos acepciones. Primero, a partir de Aristteles [1] 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 [14].
En el contexto de la computacin [25], el concepto de agente se consolida como una
solucin a las demandas actuales: ubicuidad, interconexin, inteligencia, delegacin
y homocentrismo. Esto es, en entornos como el que se muestra en la gura 2,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.
Internet Telefona
Cine/TV
Banca
Tiendas
Trabajo
Escuela
Figura 2: El entorno computacional actual: ubicuo, interconectado, social, inteligente?
Franklin y Graesser [8] argumentan que todas las deniciones del trmino agente
en el contexto de la Inteligencia Articial, se basan en alguna de estas dos acepciones
histricas. Una denicin consensual de agente [19, 26] puede ser:
Un agente es un sistema computacional capaz de actuar de manera aut-
noma para satisfacer sus objetivos y metas, mientras se encuentra situado
persistentemente en su medio ambiente.
Esta denicin que puede parecer demasiado general, provee una abstraccin del
concepto de agente basada en su presencia e interaccin con el medio ambiente (Ver
la Figura 3). Russell y Subramanian [18] encuentran que esta abstraccin presenta al
menos tres ventajas:
1. Nos permite observar las las facultades cognitivas de los agentes al servicio de
encontrar cmo hacer lo correcto.
3
Ambiente
agente
Percepcin
Accin
Figura 3: Abstraccin de un agente a partir de su interaccin con el medio ambiente.
2. Permite considerar diferentes tipos de agente, incluyendo aquellos que no se
supone tengan tales facultades cognitivas.
3. Permite considerar diferentes especicaciones sobre los sub-sistemas que com-
ponen los agentes.
Consideren el ejemplo 1. Es discutible concebir un daemon de sistema operativo co-
mo un agente, pero tal sistema cumple con la denicin consensual de agente. Es ms,
este agente se las arregla para identicar a su usuario, encontrar su buzn electrnico
en la red, buscar mensajes nuevos y comunicar al usuario la presencia de stos. Las
tres ventajas sealadas de tal denicin, se aplican en este caso. El resultado inmediato
es que podemos aproximar la denicin de xbiff de una manera ms comprensible
para el usuario, sin referenciar en lo absoluto a los protocolos propios del correo-e
como POP, IMAP, MAPI, etc., ni a implementacin particular alguna.
Ejemplo 1. El deamon de X Windows xbiff est situado en un ambiente UNIX, vigilando
constantemente el buzn de su usuario para avisarle cuando llegan mensajes nuevos a travs
de una interfaz grca.
Si bien hemos presentado al xbiff como un agente, no hemos dicho que se trate de
una entidad inteligente. Se dice que un agente es racional si hace lo correcto
2
. Una
primera aproximacin a la denicin de lo correcto consiste en asumir que una
accin correcta es aquella que causa que el agente tenga un mayor xito. Esto reduce
el problema de la racionalidad a denir cmo y cuando se debe evaluar el xito del
agente.
El trmino medida de desempeo se reere al criterio usado para determinar el xi-
to 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. Bajo ninguna circunstan-
cia, el agente puede manipular
3
tal estndar. El ejemplo 2 nos muestra una medida
de desempeo que cumple con las caractersticas mencionadas.
Ejemplo 2. En el Segundo Torneo Nacional de Robots Limpiadores 2005 (Xalapa, Ver., M-
xico), el desempeo del agente es establecido por un estndar externo al agente, especicado
mediante la formula de evaluacin diseada por los organizadores:
2 En su ingls original, la frase tiene mayor peso Do the right thing.
3 Un agente que manipula la medida de desempeo, suele llegar a razonamientos del tipo Al n y al
cabo, quin diablos quiere una maestra.
4
PT =
X
i
(CL
i
DA
i
) (TMax/TOper)
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. CL
i
es la i-sima celda limpiada con xito, o si se preere
toma valor 1 si la celda se limpio, y 0 en caso contrario. DA
i
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.
Luego entonces, es posible describir un agente por medio de una tabla con las
acciones que el agente toma en respuesta a cada posible secuencia de percepciones.
Esta tabla se conoce como el mapeo percepcin-accin. Por lo tanto un mapeo ideal
describe a un agente ideal y dene el diseo de un agente ideal. A la bsqueda de
un mecanismo que aproxime este mapeo ideal, se le conoce como el problema de
seleccin de accin. El ejemplo 3 muestra el mapeo ideal de xbiff.
Ejemplo 3. En el caso de xbiff el mapeo ideal es muy sencillo. Si el buzn contiene al menos
un mensaje con la etiqueta nuevo, desplegar el icono de mensaje nuevo; en cualquier otro
caso, desplegar el icono de mensajes ledos.
.
Independientemente de la implementacin usada para construir a xbiff, no resulta
natural identicar a los daemons de UNIX como agentes y menos an como agentes
inteligentes. Foner [7] argumenta que para ser percibido como inteligente, un agente
debe exhibir cierto tipo de comportamiento, caracterizado ms tarde por Wooldridge
. 5
y Jennings [26], como comportamiento exible y autnomo. Este tipo comportamien-
to se caracteriza por su:
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 (pro-
activeness).
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 por Covrigaru y Lind-
say [4]. Su desiderata, que incluye algunos de los aspectos ya mencionados, expresa
que un agente se percibe como autnomo en la medida en que:
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 satisfa-
cer 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 in-
formacin.
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.
De entre todos estos puntos, el sexto requiere una defensa rpida puesto que la
dimensin social de los agentes no ser abordada en este texto
4
. En losofa poltica
liberal, es aceptado que los agentes solo pueden llegar a ser autnomos si se da un
conjunto de condiciones necesarias para ello. Diferentes condiciones son consideradas,
por ejemplo Rawls [17] habla de bienes primarios, bienes que son medios necesarios
para que el agente tenga mayor xito para satisfacer sus intenciones y avanzar en
su plan de vida a largo trmino. Es necesaria una pluralidad de tales bienes para
congurar lo que l llama contexto de eleccin. Esta pluralidad es posible nicamente
si el agente tiene una relacin cercana con su ambiente social y cultural. En el contexto
de Inteligencia Articial, es Newell [16] en su Unied Theories of Cognition (p. 20),
4 Castelfranchi [3] presenta una excelente introduccin a las interacciones sociales entre agentes.
6
quien ofrece argumentos similares y seala la bimodailidad entre la autonoma y la
pertenencia a una comunidad social.
Covrigaru y Lindsay argumentan que ser autnomo, depende no slo de la habili-
dad 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 ar-
ticiales son usualmente diseados para llevar a cabo tareas por nosotros, de forma
que debemos comunicarles que es lo que esperamos que hagan. En un sistema compu-
tacional tradicional esto se reduce a escribir el programa adecuado y ejecutarlo. Un
agente puede ser instruido sobre que hacer usando un programa, con la ventaja co-
lateral de que su comportamiento estar libre de incertidumbre. Pero programar un
agente de esta forma, atenta contra su autonoma, teniendo como efecto colateral la
incapacidad del agente para enfrentar situaciones imprevistas mientras ejecuta su pro-
grama. Las metas y las funciones de utilidad son dos maneras de indicarle a un agente
lo que hacer, sin decirle cmo hacerlo.
.
Por medio ambiente, entendemos el espacio donde un agente, o un grupo de ellos, se
encuentra situado. Brooks [2] 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 [5], 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. En esta presentacin asumimos la posicin de
Etzioni, resaltando que lo importante es que la interaccin del agente con su ambiente
se de en los trminos sealados en nuestra denicin de agente, esto es, en forma
autnoma bajo persistencia temporal. Russell y Norvig [19] sealan que, ms all de
esta controversia, es importante identicar que existen diferentes tipos de ambientes:
Observable vs. Parcialmente observable. Si los sensores de un agente le per-
miten percibir el estado completo del ambiente en cada punto en el tiempo,
decimos que el ambiente es observable. Un ambiente es efectivamente observa-
ble si los sensores del agente detectan todos los aspectos relevantes para decidir
que accin debe llevarse a cabo. Relevancia aqu depende de la denicin de
funcin de desempeo. Los ambientes observables son convenientes debido a
que en ellos, un agente no necesita mantener el historial de estados del ambien-
te para ser efectivo. 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 determina-
do por la accin que ejecuta el agente, se dice que el ambiente es determinista. Si
otros factores inuyen en el prximo estado del ambiente, ste es estocstico. Si
el ambiente es parcialmente observable, entones aparecer como no estocstico.
Esto es particularmente cierto en el caso de ambientes complejos, donde es di-
fcil dar seguimiento a los aspectos no observables del ambiente. Generalmente
. 7
es mejor considerar estas propiedades del ambiente, desde el punto de vista del
agente. 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.
Por ello, es ms sencillo construir agentes en ambientes deterministas. Si el am-
biente es determinista, excepto para las acciones de otros agentes, se dice que el
ambiente es estratgico.
Episdico vs. Secuencial. En un ambiente episdico, la experiencia de un agen-
te 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: la decisin de si una botella esta
sucia o no, no depende de los casos anteriores. Dada la persistencia temporal de
los agentes, estos tienen que hacer continuamente decisiones locales que tienen
consecuencias globales. Los episodios reducen el impacto de estas consecuen-
cias, 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 en-
cuentra 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: Un agente debe percibir con-
tinuamente, porque an si no ha ejecutado ninguna accin entre los tiempos t
0
y t
1
, el agente no puede asumir que el estado del ambiente sea el mismo en t
0
que en t
1
; Otros procesos en el ambiente pueden interferir con las acciones del
agente, incluyendo las acciones de otros agentes. Por lo tanto, es ms sencillo
disear agentes en ambientes estticos.
Discreto vs. Continuo. Si hay un nmero limitado de posibles estados del am-
biente, distintos y claramente denidos, se dice que el ambiente es discreto; de
otra forma se dice que es 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 siste-
mas continuos con el grado de precisin deseado, una parte de la informacin
disponible se pierde al hacer esta aproximacin. Por lo tanto, la informacin
que manejan los agentes discretos en ambientes continuos es inherentemente
aproximada.
Mono vs. Multi-Agente A pesar de que esta categorizacin de los ambientes
parece obvia, esconde una cuestin en extremo relevante: Qu entidades en el
sistema son considerados por el agente como agentes? En general, un agente
8
considerara a otra entidad como un agente si su desempeo depende del com-
portamiento de esa entidad. La clave aqu es el concepto de interaccin que da
lugar a ambientes competitivos y cooperativos.
Esta categorizacin sugiere que es posible encontrar diferentes clases de ambientes.
Russell y Norvig [19] presentan algunos ejemplos de ambientes bien estudiados en
Inteligencia Articial y sus propiedades (ver Cuadro 1). Cada ambiente, o clase de am-
bientes, requiere de alguna forma agentes diferentes para que estos tengan xito. La
clase ms compleja de ambientes corresponde a aquellos que son inaccesibles, no epi-
sdicos, dinmicos, continuos y multi-agente, lo que desgraciadamente corresponde
a nuestro ambiente cotidiano.
Ambiente Observable Determinista Episdico Esttico Discreto SMA
Crucigrama si si no si si mono
Ajedrez con reloj si estratgico no semi si multi
Backgammon si estocstico no si si multi
Poker parcial estocstico no si si multi
Tutor ingls parcial estocstico no no si multi
Brazo robtico efectivo estocstico si no no mono
Control renera parcial estocstico no no no mono
Robot navegador parcial estocstico no no no mono
Anlisis imgenes si si si semi no mono
Manejo de autos parcial estocstico no no no multi
Diagnstico parcial estocstico no no no mono
Cuadro 1: Ejemplos de ambientes estudiados en Inteligencia Articial y sus propiedades se-
gn Russell y Norvig [19].
Con los elementos discutidos hasta ahora, es posible denir a un agente racional
como aquel que exhibe un comportamiento exible y autnomo, mientras est situado
en un sistema de informacin, por ej., un sistema operativo o el web. Esto constituye lo
que Wooldridge y Jennings [26] llaman la nocin dbil de agente, como contra parte
de una nocin fuerte que adems de las propiedades mencionadas hasta ahora, utiliza
trminos que hacen referencia a propiedades que solemos aplicar exclusivamente a
los seres humanos y que he entrecomillado hasta ahora en el texto: creencias, deseos,
intenciones. Si descartamos que el medio ambiente sea un sistema de informacin
necesariamente, los robots pueden ser caracterizados como agentes racionales.
.
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. Nues-
tro trabajo consistir en disear un programa de agente: una funcin que implemente la
seleccin de accin. Asumimos que tal programa se ejecutar en algn dispositivo de
cmputo, identicado como la arquitectura del agente. La arquitectura de un agente
puede ser una simple computadora, o puede incluir dispositivos hardware especiales,
como cmaras de vdeo, sonares, etc. Adems, la arquitectura puede proveer software
. 9
Agente Desempeo Ambiente Actuadores Sensores
Sistema salud paciente, paciente, hospital, preguntas, lecturas,
diagnstico minimizar costos y persona, pruebas reportes,
mdico demandas tratamientos diagnsticos, respuestas
Cuadro 2: Ejemplos de agentes y su descripcin PAGE segn Russell y Norvig [19].
que funcione como el sistema operativo del agente, por ejemplo, que facilite la inter-
accin 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:
agente = arquitectura +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 am-
biente en la que el agente estar situado. Por sus siglas en ingls, a esta descripcin se
le conoce como PEAS (performance, environment, actuators, sensors). El Cuadro 2 mues-
tra un caso de estudio.
.
Se sugiere una lectura rpida de los captulos uno y dos del libro de Russell y Nor-
vig [19] para una panormica del tema de los agentes racionales con respecto a la
Inteligencia Articial. Huns y Singh [10] ofrecen una coleccin de artculos funda-
mentales en el rea, algunos de los cuales sern revisados en las tareas del curso.
Wei [23] estructur el primer texto completo y coherente sobre el estudio de los Sis-
temas Multi-Agentes. Su introduccin al libro es altamente recomendable como una
revisin de los problemas propios del rea. Finalmente Wooldridge [25] 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?
Problema 2. Describa un agente nanciero que opera en un mercado de valores, en los trmi-
nos utilizados en este captulo.