Please enable JavaScript.
Coggle requires JavaScript to display documents.
Capitulo 2 INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO (Estructura de los…
Capitulo 2
INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO
Agentes y su entorno
Medioambiente:
Un agente es cualquier cosa capaz de percibir su medioambiente con la ayuda de sen-
sores y actuar en ese medio utilizando actuadores
Percepcion:
Indicar que el agente puede recibir entradas en cualquier instante
Secuencia de perceptores:
refleja el historial completo de lo que el agente ha recibido
Funcion del agente:
da el comportamiento del agente y proyecta la percepcion dada en una accion
Programa del agente:
Funcion principal del agente
Buen comportamiento: El concepto de racionalidad
Agente racional:
Aquel que hace lo correcto
Medidas de rendimiento:
Incluyen los criterios que determinan el éxito en el com-
portamiento del agente.
Racionalidad:
depende de 4 factores:
La medida de rendimiento que define el criterio de éxito.
El conocimiento del medio en el que habita acumulado por el agente.
Las acciones que el agente puede llevar a cabo.
La secuencia de percepciones del agente hasta este momento.
Omniscencia, aprendizaje y autonomia
Onmisciencia:
Un agente
omnisciente conoce el resultado de su acción y actúa de acuerdo con él; sin embargo,
en realidad la omnisciencia no es posible.
Recopilacion de informacion:
Llevar a cabo acciones con la
intención de modificar percepciones futuras
Exploracion:
debe llevar a cabo el agente aspiradora en un medio inicialmente desconocido.
Aprendizaje:
La definición propuesta implica que el agente racional no sólo recopile información,
sino que aprenda lo máximo posible de lo que está percibiendo.
Autonomia:
se apoya más en el conocimiento
inicial que le proporciona su diseñador que en sus propias percepciones
La naturaleza del entorno
Entornos de trabajo:
esencialmente los «problemas» para los que los agentes racionales son las «soluciones».
Especificacion del entorno de trabajo:
REAS:
Rendimiento, Entorno, Actuadores, Sensores
Agentes de software:
existen en entornos ricos y practicamente ilimitados
Propiedades de los entornos de trabajo
Totalmente observable:
Si los sensores del agente le proporcionan acceso al estado completo del medio
en cada momento, entonces se dice que el entorno de trabajo es totalmente observable
parcialmente observable:
debido al ruido y a la existencia de sensores poco exactos o
porque los sensores no reciben información de parte del sistema
Determinista:
Si el siguiente estado del medio está totalmente determinado por el estado actual
y la acción ejecutada por el agente
Estocastico:
si el medio es parcialmente observable
Episodico:
la experiencia del agente se divide en episo-
dios atómicos
Secuencial:
la decisión presente puede afectar a decisiones futuras
Estatico:
fáciles de tratar ya que el agente no necesita estar
pendiente del mundo mientras está tomando una decisión sobre una acción, ni necesita preocuparse sobre el paso del tiempo
Dinamico:
Si el entorno puede cambiar cuando el agente está deliberando
Discreto vs. Continuo:
La distinción entre discreto y continuo se puede aplicar al estado del medio, a la
forma en la que se maneja el tiempo y a las percepciones y acciones del agente.
Agente individual vs. multiagente:
un agente resol-
viendo un crucigrama por sí mismo está claramente en un entorno de agente individual, mientras que un agente que juega al ajedrez está en un entorno con dos agentes
Estructura de los agentes
Programas de los agentes:
reciben las percepciones actuales como entradas de los sensores y devuelven una acción a los actuadores
Agentes reactivos simples
Agente reactivo simple:
Estos agentes seleccionan
las acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas
regla de condición-acción:
dispara algunas conexiones establecidas en el programa del agente para que se ejecute la acción
Aleatorio:
Salir de los bucles infinitos es posible si los agentes pueden seleccionar sus acciones aleatoriamente.
Agentes reactivos basados en modelos
Estado interno:
depende de la historia percibida y que de ese modo refleje por lo menos alguno de los aspectos no observables del estado actual
Agente basado en modelos:
conocimiento acerca de «cómo funciona el mundo», tanto si está implementado con un circuito booleano simple o con teorías científicas completas, se denomina modelo del mundo. Un agente que utilice este modelo es un agente basado en modelos.
Agentes basados en objetos
Meta:
l agente necesita algún tipo de información sobre su meta que describa las situaciones que son deseables
Agentes basados en utilidad
Utilidad:
indica que se prefiere un estado del mundo a otro es que un estado tienen mas utilidad.
Funcion de utilidad:
proyecta un estado en un numero real, que representa un nivel de felicidad
Agentes que aprenden
La distinción más importante entre el elemento de aprendizajey el elemento de actuaciónes que el primero está responsabilizado de hacer mejoras y el segundo se responsabiliza de la selección de acciones externas
El elemento de aprendizaje se realimenta con las críticas sobre la actuación del agente y determina cómo se debe modificar el elemento de actuación para proporcionar mejores resultados en el futuro.
Generador de problemas:
Es responsable de sugerir acciones que lo guiarán hacia experiencias nuevas e informativas.
Daniela Porras Quiros
2015071255