Introduccion A Los Agentes Inteligentes PDF

Introducción a los Agentes Inteligentes
y Sistemas Multi-Agente
UCR – ECCI
PF-3874 Tecnologías para el Desarrollo de
Sistemas Multi-Agente
Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Orígenes de los Agentes
 La computación siempre ha buscado:
 Eficiencia: reducción del costo computacional.
 Comunicación: entre distintos sistemas.
 Inteligencia: resolución de problemas complejos delegando en
las computadoras.
 Orientación humana: uso de conceptos y metáforas
antropomorfas.
Esto es el mundo de los agentes

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 2
Introducción a los Agentes Inteligentes y Sistemas Multi-Agente
Áreas Relacionadas
UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

Introducción a los Agentes Inteligentes y Sistemas Multi-Agente 3
Áreas Relacionadas
En la teoría
 Programación OO
 Sistemas distribuidos
 Economía
 Sociología
 Psicología
 IA e IA distribuida
 Teoría de la decisión
 Biología

Áreas Relacionadas
En la práctica
 Internet
 Sistemas de Información
 IA
 Sistemas Cooperativos
 E-Commerce
 Recuperación de Información
 Gestión del conocimiento
 Sistemas distribuidos
 Robótica
 Interfaces de usuario
Agente
 Sistema computacional capaz de ejecutar acciones de forma
autónoma en un ambiente determinado, con el fin de cumplir
con sus objetivos de diseño.
 Característica principal: autonomía.
 Capaz de actuar independientemente.
Entradas
Agente Ambiente
Salidas
Agente (cont.)
 Un agente:
 Percibe el entorno  sensores
 Actúa en el entorno  efectores
 Asigna percepciones a acciones percibe
 Mide lo “bien” que lo ha hecho
Ambiente
actúa
Agentes
 Tipos de agentes:
 Naturales
 Cuerpos biológicos.
 Ambiente  Naturaleza.
 Medida de rendimiento: supervivencia, reproducción, etc.

Agentes (cont.)
 Artificiales
 Hardware (robots):
 Actúan directamente en el ambiente físico.
 Sensores: cámaras, odómetros, etc.
 Efectores: ruedas, brazos mecánicos, etc.

Agentes (cont.)
 Artificiales
 Software (softbots):
 Entornos virtuales (por ejemplo: Internet).
 Sensores y efectores: dependientes del dominio.

Características de un Agente
 Flexibilidad (a la hora de tomar decisiones):
 Reactivo
 Pro-activo
 Sociable
 Características opcionales:
 Móviles
 Veracidad
 Benévolos
 Adaptarse y aprender del ambiente
 Orientados hacia metas específicas
Características Básicas
 Autonomía. Los agentes actúan sin intervención humana
directa o de otros agentes y tienen alguna clase de control
sobre sus acciones y estado interno. El software tradicional se
ejecuta en entornos interactivos, donde responde a órdenes
directas del usuario.
 Sociabilidad. Capacidad de interaccionar con otros agentes
(incluso humanos) utilizando alguna clase de lenguaje de
comunicación de agentes. Los agentes colaboran entre sí para
la ejecución de tareas (SMA).

Características Básicas (cont.)
 Reactividad. Percibe el ambiente en el que está inmerso y
responde de manera oportuna a cambios que tienen lugar en él
(para actuar adecuadamente un agente debe de poder conocer
en todo momento el “mundo” que le rodea).
 Iniciativa (proactividad): Tiene que tener un carácter
emprendedor y tomar la iniciativa para actuar guiado por los
objetivos que debe de satisfacer. En cada momento el agente
decide que acción llevar a cabo. No sólo actúa en función de
los estímulos que percibe sino que realiza acciones como
resultado de sus decisiones.

Características Complementarias
 Movilidad: habilidad para trasladarse en una red electrónica.
 Veracidad: es la suposición de que un agente no comunica
información falsa intencionadamente.
 Benevolencia: es la suposición de que un agente no tiene
objetivos contradictorios y siempre intenta realizar la tarea que
se le solicita.
 Inteligencia: racional, coherente y adaptable.

Características Complementarias (cont.)
 Racional. Similar a la característica en los humanos, el agente
tiene conocimientos de su ambiente, objetivos y reglas que
determinan como alcanzar los objetivos a partir del
conocimiento que maneja.
 Coherente. El conocimiento que maneja el agente (base de
conocimiento) tiene un alto grado de cohesión, para que el
comportamiento del agente sea el adecuado.
 Adaptable. El agente es capaz de actualizar su base de
conocimiento y su comportamiento (base de reglas) a partir de
las percepciones que recibe del entorno y de sus
comportamientos anteriores (aprender). Es una de las
características más complejas y difíciles de llevar a cabo.
Características del Ambiente
 El ambiente puede ser:
 Accesible/Inaccesible
 Determinista/No determinista
 Estático/Dinámico
 Discreto/Continuo

Características del Ambiente (cont.)

Percepción (de un agente sobre el ambiente)
Entradas
ObservarAgente
Ej. Acción Ambiente
Salidas

Percepción (de un agente sobre el ambiente)
Entradas
Observar Ej. Acción Ambiente
Estado i Estado j
Salidas

Agentes
 Programa de agente:
 Determina el comportamiento del agente:
 memory ← perceive(memory, percept)
 action ← action-selection(memory, performance-measure)
 memory ← act(memory, action)
 Arquitectura del agente:
 Estructura (componentes) de los programas de agente:
 Componente de percepción
 Componente de selección de acciones
 Componente de acción

Agentes Inteligentes
 Comportamiento racional:
 Los agentes inteligentes interactúan racionalmente con su
ambiente.
 Secuencia de percepciones hasta el momento actual +
conocimiento a priori sobre el ambiente.
 Seleccionan la acción que les reporta mayor utilidad (individual).
 Racionalidad ≠ Omnisciencia.

Agentes Inteligentes (cont.)
 Autonomía:
 Al comienzo “sólo” la inteligencia del diseñador.
 Un agente es más autónomo cuanto…
 … más experiencia tiene y más guía ésta su comportamiento.
 … menos depende de su comportamiento a priori.

Agentes Inteligentes (cont.)
 Agente Inteligente = Comportamiento Racional+Autonomía
Ejemplo: agentes deliberativos en el mundo de los bloques
• Racionalidad: encontrar el plan más corto desde el estado actual hasta
el estado deseado
• Autonomía: debe adaptarse dinámicamente si el plan va mal
A
A
B
B
C
C D E
D
E

¿Son los agentes individuos disfrazados?
Agentes Inteligentes vs. Objetos
Objeto Agente
 Encapsulamiento de estados.  Autonomía. Mayor noción de
 Paso de mensajes. autonomía; ellos deciden (por si
 Métodos activados por mensajes. mismos) si realizar o no una acción
requerida por otro agente.
 Listos. Capaces de mostrar un
comportamiento flexible (reactivo,
proactivo, social); el modelo
estándar de los objetos no tiene nada
que ver con este tipo de
comportamiento.
 Activos. Un sistema multi-agente es
inherentemente multihilo, en el que
“Objects do it for free; se asume que cada agente posee al
agents do it for money” menos un hilo de control activo.
Agentes Inteligentes vs. Objetos (cont.)
 Agentes autónomos vs. objetos activos
 Objetos activos:
 Controlan su estado, pero no su comportamiento.
 Si un método es público, será ejecutado si es invocado.
 La decisión está en el objeto que invoca (no en el invocado).
 Agentes:
 Controlan su estado y su comportamiento.
 Pueden rechazar la ejecución de una acción.
 La decisión de realizar una acción está en el agente y está basada
en sus intereses (racionalidad).

Agentes vs. Sistemas Expertos
 Los sistemas expertos incorporan un “conocimiento experto”
acerca de algún dominio del discurso.
 Un paquete de conocimiento en forma de reglas.
 Advierte de hechos y hace preguntas a los usuarios.
 Mayores diferencias.
 Los agentes están situados en un ambiente.
 Los agentes actúan.
 Algunos sistemas expertos en tiempo real son agentes.

Agentes vs. Inteligencia Artificial
 La IA tiene como meta construir sistemas que entiendan el
lenguaje natural, que piensen de un modo creativo, que
entiendan escenas, que usen el sentido común.
 Por tanto, ¿necesitamos resolver toda la IA antes de construir
un agente?
 Cuando construimos un agente, buscamos un sistema que elija
la acción correcta para realizar, típicamente en un dominio
limitado.
 No tenemos que resolver todos los problemas de la IA para
construir un agente útil.

Organizaciones Involucradas
 OMG (Object Management Group)
 Mobile Agent System Interoperability Facilities (MASIF)
 KSE (Knowledge Sharing Effort)
 Knowledge Querying and Manipulation Language (KQML)
 Ontolingua
 Knowledge Interchange Format (KIF)
 FIPA (Foundation for Intelligent Physical Agents)
 Especificaciones de arquitectura, infraestructura y aplicaciones
 Agent Society
 Arquitectura y protocolos de comunicación genéricos
Ambientes Multi-Agente
 SMA. Varios agentes interactuando en el mismo ambiente.
 Las acciones de un agentes influencian las acciones del resto
(utilidad individual).
 Autonomía: un agente NO puede controlar las acciones de los
otros.
 Racionalidad: un agente SÍ puede predecir las acciones de los
otros.

Líneas de Investigación
 Heterogeneidad:
 Agent communication languages (ACLs).
 Semántica: ontologías, directorios de servicios, matchmaking.
 Coordinación:
 Alcanzar consenso resolviendo conflictos de interés:
 Formación de coaliciones, negociación, confianza, etc.
 Mecanismos de acuerdos regulares:
 Organizaciones virtuales, normas, incentivos de ingeniería, etc.
 Hacer que la información esté disponible:
 Planeamiento MA, optimización MA, POMDPs, etc.

Líneas de Investigación (cont.)
 AOSE: SOC, OOP, Grid, AOP
 Plataformas, middleware, herramientas.
 Metodologías POA.
 Interacción Humano-Computadora
 Avatares, agentes emocionales, etc.

 ¿Lo mismo que Sistemas Distribuidos/Ingeniería de Software?
 Sí, pero añadiendo autonomía + racionalidad.
 Coordinación no precompilada.
 No hay asunción de benevolencia.
 ¿Lo mismo que Sistemas Expertos/Inteligencia Artificial?
 Sí, pero añadiendo interoperabilidad + sociabilidad.
 Percepción, planificación, razonamiento, aprendizaje, etc.
 Interacciones sociales: negociación, compromisos, confianza.
 ¿Lo mismo que Economía/Teoría de Juegos?
 Sí, pero añadiendo computación y racionalidad limitada.
¿Cuándo buscar una solución basada en agentes?
 Modularidad:
 Un problema es modular cuando puede dividirse fácilmente en
subproblemas.
 Se asigna un agente a cada problema (subproblema).
 Descentralización:
 Un problema descentralizado puede descomponerse en procesos
independientes (standalone).
 No necesita un hilo principal de control.
 Hay poca comunicación entre los procesos.
 Ventajas de la descentralización:
 Paralelismo.
 Elimina el derroche de llamadas a métodos.
Arquitecturas de Agentes
 Una metodología particular para construir agentes.
 Especifica cómo el agente puede ser descompuesto en un
conjunto de módulos componentes y cómo estos módulos
pueden interactuar.
 El conjunto total de módulos y sus interacciones deben
proveer una respuesta a la pregunta de cómo el dato
monitoreado y el estado interno del agente determinan las
acciones y estados internos futuros.

Arquitecturas de Agentes (cont.)
 En Wooldridge y Jennings se propone una clasificación de
arquitectura de agentes, según lo que considera como motor de
acción del agente.
 Observa tres categorías principales:
 Arquitecturas deliberativas.
 Arquitecturas reactivas.
 Arquitecturas híbridas.

Arquitecturas de Agentes Deliberativos
 Contiene un mundo representado explícitamente y un modelo
lógico del mismo, en la cual las decisiones (por ejemplo
acerca de las acciones a realizar) son hechas por medio de un
razonamiento lógico, basado en concordancia de patrones y
manipulación simbólica.
 Ejemplos:
 Planning Agents
 IRMA
 HOMER
 GRATE
 BDI
Arquitecturas de Agentes Reactivos
 Una arquitectura para agente reactivo es aquella que no
incluye ningún tipo de modelo simbólico central del mundo, y
no utiliza razonamiento simbólico complejo.
 Ejemplos:
 Sumbsumption Architecture
 PENGI
 Situated Automata
 Arquitectura de Red de agentes

Arquitecturas para Agentes Híbridos
 Un enfoque completamente deliberativo ó uno completamente
reactivo no es adecuado para construir agentes, según
investigadores. Por lo cuál se dan los sistemas híbridos, que
intentan unir los enfoques deliberativos y reactivos.
 Un enfoque obvio es construir un agente compuesto por dos
subsistemas:
 Deliberativo, que contiene un módulo simbólico del
mundo, que desarrolla planes y efectúa decisiones de la
manera propuesta por la inteligencia artificial simbólica.
 Reactivo, que es capaz de reaccionar a eventos que
ocurren en el ambiente sin necesitar un razonamiento
complejo.
Arquitecturas para Agentes Híbridos (cont.)
 A menudo, al componente reactivo se le da cierto grado de
precedencia sobre el deliberativo, de tal manera a proveer una
pronta respuesta a eventos ambientales importantes.
 En una arquitectura tal, los sistemas de control del agente se
arreglan en una jerarquía, con las capas más altas tratando con
información de mayor nivel de abstracción.
 Así, por ejemplo, las capas inferiores pueden mapear datos
crudos (monitoreados) directamente a los efectores de salida,
mientras que las capas superiores tratan con objetivos a largo
plazo.

Arquitecturas para Agentes Híbridos (cont.)
 Ejemplos:
 PRS
 TouringMachines
 COSY
 Composicional
 BDI Composicional

Referencias Bibliográficas
 Franklin S.; Graesser A. “Is It an Agent, or Just a Program?: A
Taxonomy for Autonomous Agents”. Proceedings of the
Workshop on Intelligent Agents III, Agent Theories,
Architectures, and Languages (ATAL’96). Springer-Verlag.
Págs. 21-35.
 Wooldridge, M. “An Introduction to Multiagent Systems”.
Wiley, 2002.


Introduccion A Los Agentes Inteligentes PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Introduccion A Los Agentes Inteligentes PDF

Transféré par

Droits d'auteur :

Formats disponibles

Introducción a los Agentes Inteligentes

Esto es el mundo de los agentes

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

Observar Ej. Acción Ambiente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 21

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 22

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 23

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 25

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 29

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 30

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente 31

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

UCR-ECCI PF-3874 Tecnologías para el Desarrollo de Sistemas Multi-Agente

Vous aimerez peut-être aussi