Información sobre Agentes de Russel y Norvig

Información sobre Agentes de Russel y Norvig:

Agentes y su entorno

Definición de Agente: Un agente es cualquier cosa capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores.

El término de percepción se refiere a las entradas que puede recibir nuestro agente en cualquier momento. Hablaremos de secuencia de percepciones como el conjunto de todas las anteriores percepciones hasta la actual.

Por lo que un agente toma una decisión en un instante dependiendo de la secuencia completa hasta ese instante.

En conclusión, un agente utiliza una función “Decisión” que toma como entrada una percepción y genera una acción como respuesta.

Tenemos que diferenciar entre función del agente como una descripción matemática abstracta del programa del agente que sería la implementación completa que ejecuta nuestro agente sobre su arquitectura.

Buen comportamiento: el concepto de racionalidad

Un agente racional es aquel que en cada elemento de la tabla que define su función de agente se tendría rellenar correctamente.

Entendemos como concepto de correcto aquella acción que realiza el agente y le proporciona un mejor resultado en la función que desempeña.

Por lo que nos surge la necesidad de medir este rendimiento.

Las medidas de rendimiento incluyen los criterios que determinan el éxito en el comportamiento del agente. Cuando un agente realiza varias acciones en su entorno lo modifica y si el resultado final es el esperado, el agente está realizando con éxito su función.

Importante: Como normal general siempre es mejor diseñar las medidas de utilidad de acuerdo a lo que se quiere para el entorno, que de acuerdo con cómo se cree que el agente debe comportarse.

La racionalidad en un momento determinado depende de:

-        - La medida de rendimiento que define el criterio de éxito.

-        - El conocimiento acumulado por nuestro agente sobre el medio.

-        - Las acciones posibles que puede realizar el agente.

-        - La secuencia de percepciones que el agente lleva hasta ese momento.

Por lo tanto, un agente racional se puede definir como:

En cada posible secuencia de percepciones, un agente deberá emprender aquella acción que supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado.

Un agente debe ser capaz de aprender a determinar cómo tiene que compensar el conocimiento incompleto o parcial inicial. Es decir, carece de autonomía cuando se apoya más en el conocimiento que le proporciona su diseñador que en sus propias percepciones.

La naturaleza del entorno:

Se denomina entorno de trabajo al conjunto formado por medidas de rendimiento, entorno, actuadores y sensores del agente.

Notación para discusión: Conductor autónomo imposible debido a las ilimitadas combinaciones que casos que un agente puede encontrarse.

Se denomina softbot a aquellos agentes que no tiene una función a desarrollar sobre entornos físicos. Por ejemplo, un softbot que revise fuentes de información de internet.

Dentro de las propiedades a destacar de los entornos de trabajo:

-         Totalmente observable vs Parcialmente observable: En este caso el agente podría obtener a través de sus sensores una percepción total (totalmente observable) o solo una porción (parcialmente observable).

-         Determinista vs Estocástico:  Se denomina entorno determinista aquel en el que el agente sabe el comportamiento (predicción) del mundo y sabe cuál va a ser su estado antes de que cambie. Si el agente no es capaz de saber cómo cambia el mundo que lo rodea se denomina estocástico. Existe una excepción denominada entorno estratégico en la que el medio es determinista excepto para las acciones de otros agentes.

-         Estático vs Dinámico: Un entorno es dinámico si puede cambiar mientras el agente está pensando que acción realizar. Por el contrario, si no cambia mientras el agente piensa una acción se denomina Estático.

-         Episódico vs Secuencial: Se denomina entorno episódico a aquel que cuando un agente toma una decisión no le influye en sus acciones siguientes. Por el contrario, si las decisiones del agente se ven afectados por decisiones anteriores en el mundo se denomina Secuencial, el claro ejemplo de este tipo sería una partida de ajedrez.

-         Discreto vs Continuo: Si el entorno tiene un número determinado de percepciones que genera será discreto, en el caso de que sea un número constante de percepciones entonces será Continuo.

-         Agente Individual vs Multiagente: Dentro del entorno podemos encontrar entornos donde solo actué un agente (Individual) y entornos donde varios agentes actúen a la vez, pudiendo tener interacción entre ellos. Aquí salen dos ramas: la competitiva en la que varios agentes intentan alcanzar un objetivo de manera exclusiva. Y cooperativo en lo que los agente tienen que alcanzar un objetivo común ayudándose si es posible unos con otros.

Estructura de los agentes:

Un agente está conformado por una arquitectura (computador + sensores + actuadores) y un programa (función del agente).

Los programas de los agentes reciben percepciones de los sensores y devuelve una acción a los actuadores.

Podemos diferenciar en 4 tipos básicos de programas para agentes:

-       -  Agentes Reactivos simples

-        - Agentes Reactivos basados en modelos

-       -  Agentes basados en Objetivos

-        - Agentes basados en Utilidad

1º AGENTES REACTIVOS SIMPLES:

Es el más sencillo de todos. Este agente selecciona una acción mediante la percepción recibida, ignorando el resto de percepciones anteriores.

Una regla de condición-acciones es:

Si ________________ entonces _______________;

Este agente funcionara solo si los entornos son totalmente observables, por lo que si hay una pequeña porción no observable del entorno generara muchos problemas a nuestro agente.

Notación: para salir de bucles infinitos de decisión es mejor otorgar la posibilidad de acción aleatoria al agente.

2º AGENTES REACTIVOS BASADOS EN MODELOS:

Este tipo de agentes tiene in estado interno para almacenar las historias percibidas anteriormente y refleje algunos aspectos no observables.

El conocimiento acerca del mundo se denomina modelo del mundo y el agente que utilice esto se denomina agente basado en modelos.

 

3º AGENTES BASADOS EN OBJETIVOS:

Para este tipo de agentes se caracteriza porque la decisión de realizar una acción se ve condicionada por una meta que tiene que alcanzar y habrá movimientos que favorecerán más a alcanzar ese objetivo que otros.

Entonces nos encontramos con dos subcampos muy importantes a la hora de satisfacer estas metas. Serian la búsqueda y la planificación. Que hablaremos de ello más adelante.

4º AGENTES BASADOS EN UTILIDAD:

Satisfacer solo las metas no generan un comportamiento de alta calidad, ya que para el ejemplo de la conducción de un taxi no solo nuestro fin es llegar al objetivo. A lo mejor queremos que sea lo más seguro posible, la más rápida, la más barata etc. Entonces necesitamos una función de utilidad que calcule para un movimiento cuanto favorece la utilidad deseada.