Please enable JavaScript.
Coggle requires JavaScript to display documents.
SISTEMAS DE INTELIGENCIA ARTIFICIAL PARA TOMA DE DECISIONES - Coggle…
SISTEMAS DE INTELIGENCIA ARTIFICIAL PARA TOMA DE DECISIONES
Definiciones de Agente:
Agente MuBot: Capacidad del agente para la ejecución autónoma y para realizar un razonamiento orientado al dominio.
Agente AIMA: Cualquier cosa que pueda ser vista como percibiendo su entorno a través de sensores y actuando sobre ese entorno a través de efectores.
Agente Maes: Sistemas computacionales que habitan un entorno dinámico complejo, perciben y actúan de forma autónoma en este entorno y, al hacerlo, realizan un conjunto de objetivos o tareas para los que han sido diseñados.
Agente KidSim: Entidad de software persistente dedicada a un propósito específico
Características comunes:
Autonomía: Capacidad del agente para ejecutar acciones de forma autónoma.
Percepción: Capacidad del agente para recibir información del entorno mediante sensores o mediante la interacción con otros agentes.
Acción: Capacidad del agente para llevar a cabo acciones en el entorno mediante efectores o mediante la interacción con otros agentes.
Propósito o conjunto de objetivos: Razón de ser del agente, es decir, el conjunto de objetivos o tareas que se espera que el agente realice.
Características diferenciadoras:
Razonamiento orientado al dominio (Agente MuBot).
Concepto de entorno (Agente AIMA).
Entornos dinámicos y complejos (Agente Maes).
Persistencia y propósito específico (Agente KidSim).
Funciones del agente inteligente (Hayes-Roth 1995):
Percepción de las condiciones dinámicas del entorno
Acción para afrontar las condiciones del entorno
Razonamiento para interpretar las percepciones, resolver problemas, extraer inferencias y determinar acciones
Definición del agente inteligente de IBM:
Entidades de software que llevan a cabo algún conjunto de operaciones en nombre de un usuario o de otro programa con cierto grado de independencia o autonomía y, al hacerlo, emplean algún conocimiento o representación de los objetivos o deseos del usuario.
Propiedades del agente Wooldridge y Jennings:
Autonomía: los agentes operan sin la intervención directa de humanos u otros, y tienen algún tipo de control sobre sus acciones y estado interno.
Capacidad social: los agentes interactúan con otros agentes (y posiblemente con humanos) a través de algún tipo de lenguaje de comunicación entre agentes.
Reactividad: los agentes perciben su entorno y responden oportunamente a los cambios que se producen en él.
Proactividad: los agentes son capaces de mostrar un comportamiento orientado a objetivos tomando la iniciativa.
Características del agente Foner:
Colabora con sus usuarios para mejorar la realización de las tareas de éstos.
Dialoga con el usuario.
Es digno de confianza.
Se degrada con elegancia ante un "desajuste de las comunicaciones".
La taxonomía de tipos naturales de agentes se puede representar en un mapa conceptual que incluye los siguientes niveles:
Reino: Se clasifican los agentes en biológicos, robóticos o computacionales.
Filo: Se subclasifican los agentes computacionales en agentes de software y agentes de vida artificial.
Clase: Se subclasifican los agentes de software en agentes de tareas específicas, agentes de entretenimiento y virus informáticos.
Familia: Se pueden utilizar diferentes criterios para clasificar los agentes de software, como la estructura de control, el entorno, el lenguaje o las aplicaciones.
Género: Dentro de la subclase de agentes de software, se pueden clasificar por tipo de mecanismo de control, como algorítmico, basado en reglas, planificador, difuso, red neuronal, aprendizaje automático, etc.
Especie: Se pueden hacer clasificaciones binarias, como central vs. distribuida, planificación vs. no planificación, aprendizaje vs. no aprendizaje, móvil vs. no móvil, comunicativo vs. no comunicativo, etc.
Subagentes:
Agentes que forman parte de un sistema multiagente.
Tienen acceso independiente a sensores y acciones y tienen su propia agenda.
Actúan para efectuar su siguiente detección.
Ejemplos: Wanderer, Compressor, Back-Up y Sleepy en el sistema multiagente Sumpy.
Sociedades de agentes:
Conjunto de agentes que trabajan juntos para lograr un objetivo común.
Surge un comportamiento de grupo inteligente.
Ejemplo: un grupo de agentes programadores que se reúnen para programar una reunión entre sus usuarios.
Clasificación de los sistemas multiagente:
Sistemas multiagente discretos: no hay comunicación entre sus subagentes.
Sistemas multiagente totalmente conectados: cada agente se comunica con todos los demás.
Los sistemas multiagente pueden clasificarse por su ancho de banda de comunicación.