INTELIGENCIA ARTIFICIAL        Clase #2 :    Agentes Inteligentes     Dr. Wladimir Rodríguez    Postgrado en Computación  ...
Información General           • Profesor: Wladimir Rodríguez                • e-mail: wladimir@ula.ve           • Horario:...
Agenda           • Introducción           • ¿Qué es un Agente Inteligente?           • Estructura de los Agentes Inteligen...
Agente InteligenteDr. Wladimir Rodriguez           4            Inteligencia Artificial
Agente Humano           • Sensores: Ojos (visión), orejas (oído), piel                (tacto), lengua (gusto), nariz (olfa...
IntroducciónDr. Wladimir Rodriguez        6         Inteligencia Artificial
Ambiente Aspiradora           • Percepciones: Localización y contenido, por                ejemplo [A, Sucio]           • ...
Agente Aspiradora                         Secuencia de Percepciones       Acción                                          ...
¿Qué tan bueno es un Agente?           • Se necesita una medida de desempeño:                • Objetiva / Subjetiva       ...
¿Qué tan bueno es un Agente?           • Un agente racional ideal:                • Para todos los un agenteposibles secue...
Mapeo Percepciones/Acciones           • Un mapeo especifica la acción que un agente                debe tomar en respuesta...
Tipos de Agentes                Agente            Perceptos          Acciones           Objetivos          Entorno        ...
¿Qué es un Agente Inteligente?           • Un agente inteligente es cualquier cosa que                pueda               ...
¿Qué es un Agente Inteligente?           • META de la Inteligencia Artificial         Diseñar                un agente int...
¿Qué es un Agente Racional?           • Pensante racionalmente                • Captura de un proceso racional correcto   ...
¿Qué es un Agente Racional?           • Actuante racionalmente                • Actuar de forma de lograr las metas desead...
Estructura de los Agentes           • Como todos los agentes tienen una estructura                básica o mínima o esquel...
Agente Basado en Tablas           • Dada una percepción, simplemente buscar la                respuesta.           •    Pa...
Agentes Reflejo Simple           • Las reglas condición / acción tienen la forma           • IF condición THEN acción     ...
Agente Reflejo SimpleDr. Wladimir Rodriguez             20            Inteligencia Artificial
Agente Reflejo Simple                 function Simple-Reflex-Agent(percept) returns action                  function Simpl...
Agente Reflejo con Estado           • Incluye memoria extendiendo el horizonte de                tiempo del agente.       ...
Agente Reflejo con EstadoDr. Wladimir Rodriguez        23              Inteligencia Artificial
Agente Reflejo con Estado                 function Reflex-Agent-With-State(percept) returns action                  functi...
Agente Basado en Metas           • Metas                • Ayudan al agente a decidir las acciones correctas.              ...
Agente Basado en Metas           • La toma de decisiones no es tan directa como en                un agente reactivo.     ...
Agente Basado en MetasDr. Wladimir Rodriguez         27             Inteligencia Artificial
Agente Basado en Metas                 Input percept                  Input percept                 state ¨ Update-State(s...
Ejemplo de Agente Basado en                          Metas           •    El robot debe                mantener el objetiv...
Agente Basado en Utilidad           • Las metas no son suficientes para generar un                comportamiento de calida...
Agente Basado en UtilidadDr. Wladimir Rodriguez        31          Inteligencia Artificial
Agente AprendizDr. Wladimir Rodriguez          32         Inteligencia Artificial
Ambiente           • Accesible vs inaccesible                • Sensores detectan toda la información           • Determini...
Ambiente           • Estático vs dinámico                • El ambiente no cambia mientras el agente delibera           • D...
Características de los Ambientes                         Accesible   Determinista   Estático   Discreto             Solita...
Programa Básico para el                               Ambiente                         procedure Run-Environment(state, Up...
Simulador de Ambiente                 function Run-Eval-Environment(state, Update-Fn, agents,                  function Ru...
Resumen           • Un agente es algo que percibe y actúa en un                ambiente.           • Un agente ideal es aq...
Resumen           • Los agentes basados en la utilidad se esfuerzan                por maximizar una función de evaluación...
Próxima SlideShare
Cargando en…5
×

Ia agentes comportamiento simplepdf

401 visualizaciones

Publicado el

0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
401
En SlideShare
0
De insertados
0
Número de insertados
9
Acciones
Compartido
0
Descargas
4
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Ia agentes comportamiento simplepdf

  1. 1. INTELIGENCIA ARTIFICIAL Clase #2 : Agentes Inteligentes Dr. Wladimir Rodríguez Postgrado en Computación ULA wladimir@ula.ve
  2. 2. Información General • Profesor: Wladimir Rodríguez • e-mail: wladimir@ula.ve • Horario: Lunes 8-12 • Página WEB: • http://www.pgcomp.ula.ve/DISTANCIA/ INTELIGENCIA/index.html • Libro Texto: • Stuart Russell y Peter Norvig, “Inteligencia Artificial: Un enfoque moderno”, Prentice Hall, 1996. (http://aima.cs.berkeley.edu)Dr. Wladimir Rodriguez 2 Inteligencia Artificial
  3. 3. Agenda • Introducción • ¿Qué es un Agente Inteligente? • Estructura de los Agentes Inteligentes • Agentes de Reflejo Simple • Agentes Bien Informados • Agentes Basados en Metas • Agentes Basados en Utilidad • AmbientesDr. Wladimir Rodriguez 3 Inteligencia Artificial
  4. 4. Agente InteligenteDr. Wladimir Rodriguez 4 Inteligencia Artificial
  5. 5. Agente Humano • Sensores: Ojos (visión), orejas (oído), piel (tacto), lengua (gusto), nariz (olfato), sistema neuromuscular (propriocepción) • Percepciones: • Al más bajo nivel – señales eléctricas • Después del preprocesamiento – objetos en el flujos campo visual (posición, texturas, colores, …), auditivos (tono, volumen, dirección), • Eféctores: Brazos, dedos, ojos, lengua, ... • Acciones: alzar el brazo, voltear, caminar, ...Dr. Wladimir Rodriguez 5 Inteligencia Artificial
  6. 6. IntroducciónDr. Wladimir Rodriguez 6 Inteligencia Artificial
  7. 7. Ambiente Aspiradora • Percepciones: Localización y contenido, por ejemplo [A, Sucio] • Acciones: Izquierda, Derecha, Aspirar, Hacer_NadaDr. Wladimir Rodriguez 7 Inteligencia Artificial
  8. 8. Agente Aspiradora Secuencia de Percepciones Acción Derecha [A, Limpio] Aspirar [A, Sucio] Izquierda [B, Limpio] Aspirar [B, Sucio] Derecha [A, limpio] [A, Limpio] Aspirar [A, Limpio] [A, Sucio] ... ...Dr. Wladimir Rodriguez 8 Inteligencia Artificial
  9. 9. ¿Qué tan bueno es un Agente? • Se necesita una medida de desempeño: • Objetiva / Subjetiva • Cuantitativa / Cualitativa • Tiempo de Evaluación (durante o después) • Mejor / Peor / Promedio • La racionalidad de un agente depende de: • Rendimiento • Percepciones recibidas • Conocimiento interno del agente • Las acciones que el agente pueda hacerDr. Wladimir Rodriguez 9 Inteligencia Artificial
  10. 10. ¿Qué tan bueno es un Agente? • Un agente racional ideal: • Para todos los un agenteposibles secuencias de percepciones, casos de racional deberá emprender todas aquellas acciones que favorezcan obtener el máximo de su medida de rendimiento, basandose en las evidencias aportadas por la secuencia de percepciones y en todo el conocimiento incorporado en tal agenteDr. Wladimir Rodriguez 10 Inteligencia Artificial
  11. 11. Mapeo Percepciones/Acciones • Un mapeo especifica la acción que un agente debe tomar en respuesta a una secuencia de percepciones. • Puede ser en forma de tabla • Planes universales • Casos (indexados) • Pueden ser en forma de funciones • Comportamiento estimulo / respuesta • Algoritmos de varios tipos. (ejemplo de la raíz cuadrada del texto)Dr. Wladimir Rodriguez 11 Inteligencia Artificial
  12. 12. Tipos de Agentes Agente Perceptos Acciones Objetivos Entorno Sistema de Preguntas, Síntomas, signos, Sanar, diagnóstico pruebas, Paciente, hospital respuestas minimizar costes medico tratamientos Sistema de Clasificar la Clasificación Imágenes de análisis de Pixels escena correcta satelite imágenes Agarrar partes Robot de Colocación Cinta deslizante Pixels colocarlas en recolección correcta con las partes recipientes Medidas de Maximizar Controlador de Abrir y cerrar presión, pureza, Refinería refinería válvulas ... temperatura producción Preguntas, Maximizar la Palabras Conjunto de Tutor interactivo ejercicios, puntuación en un tecleadas estudiantes sugerencias ... testDr. Wladimir Rodriguez 12 Inteligencia Artificial
  13. 13. ¿Qué es un Agente Inteligente? • Un agente inteligente es cualquier cosa que pueda • percibir un mundo perceptual en queyesté anidado (“ambiente”) mediante SENSORES • actuar sobre ese mundo mediante EFECTORES (o actuadores) • sinónimo de ambiente es “espacio de problema” • sinónimo de agente inteligente es “operador que transforma un input en output dentro del espacio de problema”Dr. Wladimir Rodriguez 13 Inteligencia Artificial
  14. 14. ¿Qué es un Agente Inteligente? • META de la Inteligencia Artificial Diseñar un agente inteligente/racional que opere o actúe adecuadamente en sus ambientes. • Discusión sobre “adecuadamente” • Fijar alguna medida del buen éxito • Tener en cuenta el PRR Principio de Racionalidad Restringida de Herbert SimonDr. Wladimir Rodriguez 14 Inteligencia Artificial
  15. 15. ¿Qué es un Agente Racional? • Pensante racionalmente • Captura de un proceso racional correcto • Proceso “ Irrefutable” • Metodología • Desarrollar un modelo formal - LÓGICA FORMAL - que siempre conduzca a la respuesta correcta • Implementar ese modelo • Cómo sabemos si lo hicimos bien • cuando podemos probar que el razonamiento programado fue correcto • la lógica de primer orden fue completaDr. Wladimir Rodriguez 15 Inteligencia Artificial
  16. 16. ¿Qué 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 truqués)Dr. Wladimir Rodriguez 16 Inteligencia Artificial
  17. 17. Estructura de los Agentes • Como todos los agentes tienen una estructura básica o mínima o esquelética igual, se puede investigar cuál es ella. function Skeleton-Agent(percept) returns action function Skeleton-Agent(percept) returns action static: memory, the agents memory of the world static: memory, the agents 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 actionDr. Wladimir Rodriguez 17 Inteligencia Artificial
  18. 18. Agente Basado en Tablas • Dada una percepción, simplemente buscar la respuesta. • Parece simple, pero existen algunos problemas: • Combinatoria: problemas reales requieren de tablas muy grandes • Tablas son difíciles de crear 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 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 actionDr. Wladimir Rodriguez 18 Inteligencia Artificial
  19. 19. Agentes Reflejo Simple • Las reglas condición / acción tienen la forma • IF condición THEN acción • Aparear regla con la percepción a partir de un conjunto completo de reglas ENTONCES especificar acción a tomar. • Peligro puede ser de poco alcance.Dr. Wladimir Rodriguez 19 Inteligencia Artificial
  20. 20. Agente Reflejo SimpleDr. Wladimir Rodriguez 20 Inteligencia Artificial
  21. 21. 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 actionDr. Wladimir Rodriguez 21 Inteligencia Artificial
  22. 22. Agente Reflejo con Estado • Incluye memoria extendiendo el horizonte de tiempo del agente. • Peligro: la información almacenada puede no ser valida. • Un agente reflejo con un estado interno. Opera encontrando una regla cuya condición coincida con la situación actual y luego procede a efectuar la acción que corresponda a la reglaDr. Wladimir Rodriguez 22 Inteligencia Artificial
  23. 23. Agente Reflejo con EstadoDr. Wladimir Rodriguez 23 Inteligencia Artificial
  24. 24. 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 actionDr. Wladimir Rodriguez 24 Inteligencia Artificial
  25. 25. Agente Basado en Metas • Metas • Ayudan al agente a decidir las acciones correctas. • Información sobre la deseables. al agente a describir situaciones meta ayuda • Si la meta no es inmediatabúsqueda y planeación. realizar algún proceso de a una acción es necesarioDr. Wladimir Rodriguez 25 Inteligencia Artificial
  26. 26. Agente Basado en Metas • La toma de decisiones no es tan directa como en un agente reactivo. • Considera la forma en que cambiará el mundo. • Es más flexible para adaptarse • Ej. Agente que conduceDr. Wladimir Rodriguez 26 Inteligencia Artificial
  27. 27. Agente Basado en MetasDr. Wladimir Rodriguez 27 Inteligencia Artificial
  28. 28. 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 endDr. Wladimir Rodriguez 28 Inteligencia Artificial
  29. 29. 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 obstáculos • Se debe actuar rapidámente robot target •Dr. Wladimir Rodriguez 29 Inteligencia Artificial
  30. 30. 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 número real • Debe considerarse las metas conflictivas y las metas inciertas.Dr. Wladimir Rodriguez 30 Inteligencia Artificial
  31. 31. Agente Basado en UtilidadDr. Wladimir Rodriguez 31 Inteligencia Artificial
  32. 32. Agente AprendizDr. Wladimir Rodriguez 32 Inteligencia Artificial
  33. 33. Ambiente • Accesible vs inaccesible • Sensores detectan toda la información • Determinista vs no determinista • El siguiente estado depende sólo del anterior y de la acción actual • Episódico vs no episódico • Existen episodios con percepciones y accionesDr. Wladimir Rodriguez 33 Inteligencia Artificial
  34. 34. Ambiente • Estático vs dinámico • El ambiente no cambia mientras el agente delibera • Discreto vs continuo • Existe un número limitado de percepciones y accionesDr. Wladimir Rodriguez 34 Inteligencia Artificial
  35. 35. Características de los Ambientes Accesible Determinista Estático Discreto Solitario No Si Si Si Backgammon Si No Si Si Manejar Taxi No No No No Compras No No No No Internet Diagnóstico No No No No MédicoDr. Wladimir Rodriguez 35 Inteligencia Artificial
  36. 36. Programa Básico 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
  37. 37. 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 scoresDr. Wladimir Rodriguez 37 Inteligencia Artificial
  38. 38. Resumen • Un agente es algo que percibe y actúa en un ambiente. • Un agente ideal es aquel que siempre emprende la mejor acción • Los agente de reflejo responden de inmediato a las percepciones • Los agentes basados en reglas actúan en función del logro de una meta.Dr. Wladimir Rodriguez 38 Inteligencia Artificial
  39. 39. Resumen • Los agentes basados en la utilidad se esfuerzan por maximizar una función de evaluación. • El ambiente en el cual se encuentra los agentes pueden variar dramáticamente.Dr. Wladimir Rodriguez 39 Inteligencia Artificial

×