Descargar para leer sin conexión
Agentes Racionales en Inteligencia Artificial.pptx
- 1. Agentes Racionales en InteligenciaArtificial –Conceptos clave, arquitecturas y aplicaciones –Autor: Julio Cesar Mercedes –Fecha: 27|3|25
- 2. Introducción • Definición deagente: • Sistema computacional autónomo que interactúa con un entorno para alcanzar objetivos. • Objetivo del capítulo: • Explorar agentes racionales, su diseño, y su relación con el entorno.
- 3. Agentes Computacionales •Definición consensual •Unagente es un sistema computacional capaz de actuar autónomamente en un entorno para satisfacer metas. •Ejemplo •xbiff notificador de correo en UNIX ¿Es un agente? Discusión sobre su racionalidad y limitaciones.
- 4. Comportamiento Flexible yAutónomo • Características clave: • Reactividad: Respuesta a cambios en el entorno. • Iniciativa: Acciones orientadas a metas. • Sociabilidad: Interacción con otros agentes/humanos. • Autonomía (Covrigaru & Lindsay): • Capacidad de seleccionar metas, robustez ante cambios, y operación sin reprogramación constante.
- 5. Medio Ambiente (PEAS) •Especificación PEAS: • Ejemplo (Agente Taxista): • Performance: Seguridad, eficiencia, ganancias. • Ambiente: Calles, tráfico, peatones. • Actuadores : Acelerador, freno, comunicación. • Sensores: Cámaras, GPS, sensores de proximidad. • Propiedades del entorno: Observable, determinista, multiagente, dinámico.
- 6. Arquitecturas de Agentes •Tipos principales: • Reactivos: Acciones basadas en percepciones actuales (Ej: reglas condición-acción). • Con estado: Mantienen historial de percepciones para decisiones complejas. • Basados en metas: Buscan estados deseables (Ej: silogismo práctico). • Basados en utilidad: Maximizan una función de desempeño (Ej: filtro de spam).
- 7. Ejemplo de AgenteLógico •Base de conocimiento: •Fórmulas lógicas que representan el entorno. •Selección de acciones: •Demostración de teoremas para decidir acciones (ej: Δ ρ ⊢ ejecuta(a)). •Limitaciones: •Complejidad computacional en entornos no discretos.
- 8. Agentes Óptimos yRacionalidad Acotada •Utilidad esperada: •Agente óptimo maximiza u(r)P(r|Ag, Env) ∑ . •Racionalidad acotada (Simon): •Agentes con limitaciones de tiempo/resources (Ej: Agsm en máquinas con restricciones).
- 9. Aplicaciones y Ejemplos •Casos de estudio: • Robots limpiadores (Ejemplo 2.2). • Diagnóstico médico (Tabla 2.1). • SMA (Sistemas Multi-Agente) en entornos colaborativos/competitivos.
- 10. Conclusión Puntos clave: • Agentesracionales integran autonomía, percepción y acción. • El diseño depende del entorno (PEAS) y la arquitectura elegida. • La racionalidad acotada es esencial en aplicaciones reales.
- 11. Referencias Bibliográficas • Wooldridge(2009), Russell & Norvig (2010), Covrigaru & Lindsay (1991). • Artículos clave sobre SMA y teoría de decisiones.