Inteligencia Artificial

Tema 2
Estructura de un Agente

Ivan Olmos Pineda

Contenido

„ Clasificación de Agentes
‰ Agentes de Reflejo Simple
‰ Agentes Bien Informados de lo que Pasa
‰ Agentes Basados en Metas
‰ Agentes Basados en Utilidad
„ Tipos de Arquitectura para un Agente
„ Ambientes

BUAP Inteligencia Artificial 2

1
 Clasificación de Agentes

Importante

„ Antes de diseñar un agente, se tiene que

considerar:
‰ Percepciones Posibles
‰ Acciones Posibles
‰ Medida de desempeño u objetivos que debe
lograr
‰ Tipos de entorno en los que va a operar

BUAP Inteligencia Artificial 4

2
Ejemplo

„ Considere un piloto automático para un carro

(PAC)
‰ Cantidad de variables ilimitada
„ Cuáles serían sus:
‰ Percepciones
‰ Acciones
‰ Metas
‰ Ambiente

BUAP Inteligencia Artificial 5

Tipos de Agente

„ Para el piloto automático, se pueden

considerar diversos tipos de agentes:
‰ Agentes de reflejo simple
‰ Agentes bien informados de todo lo que pasa
‰ Agentes basados en metas
‰ Agentes basados en utilidad

BUAP Inteligencia Artificial 6

3
Agentes de Reflejo Simple

„ Estrategia: resumir lo más importante

‰ Basada en reglas

„ Reglas de condición – acción

‰ Si el carro de adelante esta frenando, entonces
empezar a frenar

„ Los agentes de reflejo simple funcionan si se

toma la acción correcta con base en la
percepción del momento
BUAP Inteligencia Artificial 7

Agentes de Reflejo Simple

AGENTE Sensores

Como es el mundo
en este momento
Ambiente

Reglas Condición - Acción ¿Qué acción debo

emprender?

Efectores

BUAP Inteligencia Artificial 8

4
Agentes Bien Informados

„ Se considera el entorno para decidir

acciones
„ Por ejemplo, para cambiar de carril, el PAC
debe verificar el estado de los carros
cercanos
„ Por tanto, se requiere:
‰ Información de cómo evoluciona el mundo
‰ Información sobre como las acciones del agente
afectan al mundo

BUAP Inteligencia Artificial 9

Agentes Bien Informados

AGENTE
Sensores
Estado

Como evoluciona el mundo Como es el mundo

en este momento
Ambiente

Que producen mis acciones

Reglas Condición - Acción ¿Qué acción debo

emprender?

Efectores

BUAP Inteligencia Artificial 10

5
Agentes Basados en Metas

„ No basta con conocer el entorno, sino

además es necesario determinar las
acciones a seguir que permitan alcanzar la
meta
„ Elegir las acciones correctas varia en
complejidad (IA)
‰ Búsqueda
‰ Planificación

BUAP Inteligencia Artificial 11

Agentes Basados en Metas

„ Este enfoque considera el “futuro”, a

diferencia de las reglas “condición-acción”
‰ ¿Qué sucedería si se realiza la acción “X”? ¿ó
“Y”?

„ Estos tipos de agente son más flexibles con

respecto a su entorno
‰ Se modifica su comportamiento con base en los
estímulos recibidos

BUAP Inteligencia Artificial 12

6
Agentes Basados en Metas
AGENTE Sensores

Estado Como es el mundo

en este momento
Como evoluciona el mundo

Ambiente
Que producen mis acciones
¿Qué sucedería si
Emprendo la acción
“A”?

Reglas Condición - Acción ¿Qué acción debo

emprender?

Efectores

BUAP Inteligencia Artificial 13

Agentes Basados en Utilidad

„ Las metas no bastan para generar una

conducta de alta calidad
‰ Secuencias más óptimas para alcanzar la meta
„ La utilidad es una función (fU) que relaciona
un estado y un número real mediante el cual
se caracteriza el estado de satisfacción del
agente
‰ 0: ningún avance hasta la meta
‰ 1: se ha alcanzado la meta

BUAP Inteligencia Artificial 14

7
Agentes Basados en Utilidad

„ Una correcta especificación de la función de

utilidad, permite la toma de decisiones
racionales en dos casos
‰ El logro de algunas metas implica un conflicto y
solo algunas de ellas se pueden obtener (define
el compromiso adecuado)
‰ Cuando son varias las metas y no existe la
certeza de poder lograr alguna, fU sirve para
ponderar la posibilidad de tener éxito
considerando la importancia de cada meta

BUAP Inteligencia Artificial 15

Arquitectura para un Agente

8
Arquitectura de un Agente (1/2)

„ Basadas en la Lógica (agentes deliberativos).

‰ Toma de decisiones basada en la deducción
lógica.

„ Agentes reactivos
‰ Toma de decisiones basada en el mundo actual
sin tomar en cuenta el pasado.

BUAP Inteligencia Artificial 17

Arquitectura de un Agente (2/2)

„ Arquitectura creencia-deseo-intención.
‰ Toma de decisiones depende de la manipulación
de estructuras de datos que representan
creencias, deseos e intenciones del agente.

„ Arquitecturas híbridas.
‰ Toma de decisiones utilizando varias capas.

BUAP Inteligencia Artificial 18

9
Agentes Deliberativos (basados en lógica)

„ Comportamiento inteligente:
‰ Representación simbólica del medio y del
comportamiento.
„ Fórmulas lógicas.

‰ Manipulación sintáctica de las representaciones.

„ Deducción lógica o comprobación de teoremas

BUAP Inteligencia Artificial 19

Agentes Deliberativos

„ Teoría (especificación comportamiento)

‰ Estado interno: BD fórmulas de primer orden.
„ Simulan creencias humanas.
„ Son actualizadas mediante sensores.
Abierto(valvula83)
Temperatura(horno13,590)
Presion(tanque8,35,normal)

‰ Toma de decisiones: reglas de deducción.

„ Regla probada = acción a realizar.
Abierto(X) & Presion(Y,X,baja) -> Cerrar(X).
„ Ninguna acción puede ser probada -> reportarlo.

BUAP Inteligencia Artificial 20

10
Agentes Deliberativos

„ Ventajas de la arquitectura deliberativa

‰ “Elegantes”.
‰ Semántica clara (lógica).

„ Desventajas
‰ Complejidad computacional para la comprobación de
teoremas (lenta ejecución para agentes en tiempo real).
‰ Toma de decisiones -> ambiente no cambia mientras se
decide que hacer.
‰ Acción racional al iniciar toma de decisiones = racional al
finalizar.

BUAP Inteligencia Artificial 21

Agentes Reactivos

„ Nueva forma de atacar el problema:

‰ Rechazo a la representación simbólica.

‰ Comportamiento inteligente
„ Ligado al medio ambiente:
‰ Producto de la interacción del agente-ambiente.
„ Emerge de la interacción de varios comportamientos
más sencillos.

BUAP Inteligencia Artificial 22

11
Agentes Reactivos

„ Denominaciones:
‰ Basados en comportamiento (behavioural)
„ Desarrollo y mezcla de comportamientos individuales.

‰ Situados (situated)
„ Agentes situados en un ambiente, no fuera de el.

‰ Reactivos (reactive)
„ Reaccionan al medio ambiente sin “razonar”.

BUAP Inteligencia Artificial 23

Agentes Reactivos

„ Arquitectura de Integración (subsumption)

‰ Dos características principales:
1. Toma de decisiones: conjunto de comportamientos que
realizan tareas.
‰ Comportamiento:
ƒ Acción simple.
ƒ Implementado como una máquina de estados finitos.

‰ No hay representación simbólica compleja.

ƒ Bajo o nulo procesamiento de datos de sensores.

‰ No hay razonamiento simbólico.

ƒ Situación -> acción

BUAP Inteligencia Artificial 24

12
Agentes Reactivos

„ Arquitectura de Integración...
2. Varios comportamientos pueden activarse a la vez.
‰ Jerarquía de integración (mecanismo selección acción).
‰ Comportamientos arreglados en capas.
‰ Capas inferiores inhiben a las superiores.
‰ Capa menor
ƒ Mayor prioridad.
ƒ Comportamientos sencillos.
‰ Capa mayor
ƒ Menor prioridad.
ƒ Comportamiento abstracto.

BUAP Inteligencia Artificial 25

Ejemplo: Explorador de Marte

„ Explorador de Marte
‰ Se necesita explorar un planeta para recoger muestras de
roca.
‰ No se sabe donde se encuentra la roca deseada pero se
conoce que se encuentra generalmente amontonada.
‰ Un conjunto de vehículos autónomos deben recorrer el
planeta recolectando muestras.
‰ Al terminar deben de regresar a la nave base.
‰ No existe mapa del planeta pero se conoce que el terreno
es accidentado lo que imposibilita comunicación alguna
entre vehículos.

BUAP Inteligencia Artificial 26

13
Explorador de Marte

„ Solución:
‰ Dos mecanismos esenciales:
1. Campo gradiente:
‰ Nave emite señal de radio.
‰ Esta se debilita al alejarse.
‰ No contiene información alguna.
2. Método de comunicación indirecta:
‰ Agentes cargan “moronas radioactivas”
‰ Pueden ser tiradas, levantadas y detectadas.

‰ Dos tipos de comportamientos:

„ Recolección individual de muestras.
„ Solución cooperativa entre todos los agentes.

BUAP Inteligencia Artificial 27

Explorador de Marte

„ Comportamiento individual (no cooperativo).

‰ Capa 1: Evitar obstáculos.
Si se detecta un obstáculo -> cambiar dirección
‰ Capa 2: Llevar muestras a la nave.
Si lleva muestras y esta en la nave -> soltarlas.
Si lleva muestras y no esta en la nave-> ir a la nave.
‰ Capa 3: Recolectar muestras.
Si se detecta muestra -> recogerla.
‰ Capa 4: Explorar
Si no hay nada mejor que hacer -> moverse
aleatoriamente.

BUAP Inteligencia Artificial 28

14
Explorador de Marte

BUAP Inteligencia Artificial 29

Explorador de Marte

„ Comportamiento colaborativo.
‰ Camino hacia una muestra encontrada.
„ Capa 1: Evitar obstáculos.
Si se detecta un obstáculo -> cambiar dirección
„ Capa 2: Llevar muestras a la nave.
Si lleva muestras y en nave -> soltarlas
Si lleva muestras y no en nave -> tirar 2 moronas e ir nave
„ Capa 3: Recolectar muestras.
Si se detecta muestra -> recogerla
„ Capa 4: Moronas.
Si se detectan moronas -> tomar 1 y seguir camino.
„ Capa 5: Explorar
Si no hay nada mejor que hacer -> moverse aleatoriamente

BUAP Inteligencia Artificial 30

15
Explorador de Marte

BUAP Inteligencia Artificial 31

Agentes Reactivos

„ Ventajas de la arquitectura reactiva:

‰ Velocidad: en hw provee de decisión constante.
‰ Simplicidad computacional.
‰ Economía.
‰ Seguridad en caso de falla.
‰ Elegancia (sencillez).

BUAP Inteligencia Artificial 32

16
Agentes Reactivos

„ Desventajas:
‰ Agente sin modelo del ambiente -> suficiente
información en el ambiente local.
‰ Toma de decisiones a corto plazo (info. local).
‰ Dificultad en los agentes puramente reactivos
para aprender y mejorar.
‰ No existe una metodología formal para construir
agentes -> prueba y error.
‰ Gran dificultad para construir agentes con
muchas capas. Relaciones muy complejas
BUAP Inteligencia Artificial 33

Arquitectura Creencia-Deseo-Intención

„ Basadas en el razonamiento práctico (usado

en la vida cotidiana).
‰ Dos procesos importantes:
„ Deliberación: decidir que metas se desean.
„ Planeación: decidir cómo llevar acabo las metas.

BUAP Inteligencia Artificial 34

17
Arquitectura Creencia-Deseo-Intención

„ Ej: ser académico.

‰ Graduación -> estudio opciones: academia, industria,
negocio.
‰ Selección opción -> compromiso.
‰ Opciones seleccionadas -> intenciones.
‰ Intenciones -> acciones.
„ Actuar (acción).
„ Persistencia.
‰ Intentos razonables.
‰ Intentar varias veces una acción.
‰ Cambio si se determina intención imposible.
„ Eliminación metas incoherentes (con intención).
„ Relacionadas con creencias sobre el futuro.

BUAP Inteligencia Artificial 35

Arquitectura Creencia-Deseo-Intención

„ Componentes básicos de CDI:

‰ Estructuras de datos:
„ Creencias.
„ Deseos.
„ Intenciones.
‰ Funciones de deliberación y planeación.
‰ Intenciones:
„ Parte central.
„ Permiten enfocar razonamiento práctico del agente.
„ Estabilidad para la toma de decisiones.

BUAP Inteligencia Artificial 36

18
Arquitectura Creencia-Deseo-Intención

„ Ventajas:
‰ Intuitiva.
‰ Descomposición funcional clara.

„ Desventaja:
‰ Implementación (¿cómo implementarla?)

BUAP Inteligencia Artificial 37

Arquitecturas Híbridas

„ Comportamiento reactivo y deliberativo.

„ Basadas en jerarquías de capas.
‰ Capas interactúan entre si.
‰ Al menos 2 capas (reactiva y deliberativa).
‰ Mas capas -> mayor dificultad control.
‰ Dos tipos:
„ Horizontales.
„ Verticales.

BUAP Inteligencia Artificial 38

19
Arquitecturas Híbridas

BUAP Inteligencia Artificial 39

Arquitecturas Híbridas

„ Disposición Horizontal
‰ Cada capa actúa como si fuera un agente.
„ Sugiere acciones.
‰ Ventaja: simplicidad conceptual.
„ n comportamientos -> n capas.
‰ Desventajas: competencia entre capas.
„ Comportamiento global incoherente.
‰ Introducción control global (mediador) -> cuello de botella
‰ Necesidad de considerar todas las interacciones (mn).

BUAP Inteligencia Artificial 40

20
Arquitecturas Híbridas

„ Disposición Vertical
‰ Paso sencillo
„ Secuenciales.
‰ Paso doble
„ Similares a una organización.
‰ Ventaja
„ Complejidad menor: m2(n-1)
‰ Desventaja
„ Reducción en flexibilidad.
‰ Información por todas las capas.
‰ No tolerante a fallas.

BUAP Inteligencia Artificial 41

Ambientes

21
Ambientes

„ Existen diferentes tipos de ambientes:

‰ Accesibles y no accesibles
‰ Deterministas y no deterministas
‰ Episódicos y no episódicos
‰ Estáticos y dinámicos
‰ Discretos y continuos

BUAP Inteligencia Artificial 43

Ambientes
Accesibles y no accesibles
„ Si a través de los sensores, el agente tiene
acceso al estado total del ambiente,
entonces éste es accesible
„ Los ambientes accesibles son cómodos, ya
que el agente no mantiene un estado interno
para estar al tanto de lo que sucede en el
mundo

BUAP Inteligencia Artificial 44

22
Ambientes
Deterministas y no deterministas
„ Si el estado siguiente se determina a partir
del estado y las acciones elegidas por el
agente
Ambiente determinista
„ Si el ambiente no es accesible, entonces
podría parecer que no es determinista (en
especial en un ambiente complejo)

BUAP Inteligencia Artificial 45

Ambientes
Episódicos y no episódicos
„ En un ambiente episódico, la experiencia del
agente se divide en “episodios”
„ Cada episodio consta de un agente que
percibe y actúa
„ Los ambientes episódicos son más sencillos
puesto que el agente no tiene que pensar por
adelantado

BUAP Inteligencia Artificial 46

23
Ambientes
Estáticos y dinámicos
„ Si el ambiente cambia mientras un agente
toma una acción a seguir, entonces se dice
que el ambiente es “dinámico”
„ Es más simple trabajar con ambientes
estáticos puesto que no se tiene que
observar y pensar al mismo tiempo

BUAP Inteligencia Artificial 47

Ambientes
Discretos y continuos
„ Si existe una cantidad limitada de
percepciones y acciones distintas y
discernibles, se dice que el ambiente es
discreto
„ Si no es posible enumerarlos, entonces es un
ambiente continuo

BUAP Inteligencia Artificial 48

24
Trabajo

„ Considere el juego de domino

‰ Diseñe un esquema de agentes simples que
puedan jugar una partida de domino
‰ Si deseamos que los agentes jueguen en pareja,
¿Qué tipo de agentes propondrías? Explica tu
respuesta
‰ Diseña un conjunto de agentes basados en metas
que jueguen en parejas en un torneo a 100 pts.
Analiza cada posible estado y considéralo en el
esquema propuesto.

BUAP Inteligencia Artificial 49

25