Your SlideShare is downloading. ×
0
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Agentes Inteligentes
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Agentes Inteligentes

235

Published on

Breve Resumen de la unidad 2 del libro Inteligencia Artificial, un enfoque moderno, de Russel y Norvig. Material para la materia IA de la FCT - UNCA

Breve Resumen de la unidad 2 del libro Inteligencia Artificial, un enfoque moderno, de Russel y Norvig. Material para la materia IA de la FCT - UNCA

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
235
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
18
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. INTELIGENCIA ARTIFICIAL – UNIDAD II AGENTES INTELIGENTES • Agentes y su entorno • Buen comportamiento: el concepto de racionalidad • La naturaleza del entorno • Estructura de los agentes 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 1
  • 2. AGENTES Y SU ENTORNO 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 2
  • 3. AGENTES Y SU ENTORNO • Percepción--------------------------------------- Entrada • Secuencia de Percepciones----------------- Historial • Decisión------------------------------------------ Secuencia • Decisión1-------------------------------------- Secuencia1 • Decisión2-------------------------------------- Secuencia2 • Función del Agente------------------- Tabla • Tabla: -grande---muy grande--------infinita • Programa del agente----------Función del agente • Función: descripción matemática abstracta. • Programa: implementación completa, se ejecuta sobre la estructura del agente. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 3
  • 4. AGENTES Y SU ENTORNO: EL MUNDO DE LAASPIRADORA 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 4
  • 5. AGENTES Y SU ENTORNO: EL MUNDO DE LA ASPIRADORA – TABLADE ESTADOS SIMPLIFICADA 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 5
  • 6. Buen comportamiento: Concepto de Racionalidad • Agente Racional-- hace lo correcto • Lo correcto-------------Obtener un resultado mejor • Mejor??---------------- Medida de Rendimiento • Ejemplo: torneo de fútbol- puntuaciones • Medidas de éxito--- hechas por el diseñador del agente. • Ejemplo para la aspiradora: puntos por basura/tiempo. • PERO… que haría un agente racional para maximizar su rendimiento???? • Limpiaría, ensuciaría, limpiaría, ensuciaría…. (++ puntos!!) 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 6
  • 7. Buen comportamiento: Concepto de Racionalidad • RACIONALIDAD, DEPENDE DE: • Medida de rendimiento • Conocimiento del medio • Acciones • Secuencia de percepciones 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 7 • AGENTE RACIONAL: • Para cada posible Secuencia de percepciones: • Emprende Acciones • Maximicen su Medida de rendimiento • Basándose en su Conocimiento del medio
  • 8. Buen comportamiento: Concepto de Racionalidad: Omnisciencia – Aprendizaje - Autonomía • Omnisciencia: capacidad de saberlo todo. Es un atributo propio de Dios (desde el punto de vista religioso) • Racionalidad ≠ Omnisciencia • Un agente omnisciente YA sabría el resultado de su acción!! • Ejemplo: caso del “idiota muere intentando cruzar la calle”; debatir todo lo que implica cruzar la calle. • Agente Racional: recopila información, explora: APRENDE. • El aprendizaje produce AUTONOMÍA • Ejemplos de Agentes que NO APRENDEN: 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 8
  • 9. La Naturaleza del Entorno • Entorno de trabajo: REAS • R = rendimiento • E = Entorno • A = actuadores • S = Sensores. • Primer paso para diseñar un agente: • Especificar REAS de la forma más completa posible. • Ejemplo: REAS de un agente TAXISTA: 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 9 Agente Medidas de Rendimiento Entorno Actuadores Sensores Taxista Seguro, rápido, confort, bajo consumo Rutas, calles, peatones, clientes, otros vehículos Dirección, acelerador, freno, señalero, bocina, etc. Cámaras, sonar, velocímetro, GPS, tacómetro, teclado, etc..
  • 10. La Naturaleza del Entorno: ejemplos deAgentes y sus REAS 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 10
  • 11. La Naturaleza del Entorno: Propiedades de los entornos de trabajo • Observable: • (acceso al estado completo del medio) • Totalmente • Parcialmente 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 11 • Determinista o Estocástico: • (el siguiente estado  estado actual + acción del agente) • Sí: Determinista • No: Estocástico (incertidumbre) • Si, excepto para acciones de otros agentes: Estratégico • Episódico o Secuencial: • (episodio  percepción + única acción del agente) • Episodios independientes: Episódico • Episodios “seguidos”: Secuencial
  • 12. La Naturaleza del Entorno: Propiedades de los entornos de trabajo • Estático o dinámico: • (entorno  cambia cuando el agente está decidiendo) • Sí: Dinámico (agente, ¿que quieres hacer? ¿ya te decidiste? • No: estático (el agente no necesita estar pendiente) • Entorno no cambia, rendimiento sí: Semidinámico 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 12 • Discreto o contínuo: • (estado – tiempo – percepciones - acciones) • Finitos: discreto (ejemplo: ajedrez) • Infinitos: Contínuo (ejemplo: taxista) • Individual o MultiAgente: • (Cantidad de agentes, más de uno:…) • Competitivos • Cooperativos
  • 13. La Naturaleza del Entorno: Propiedades de los entornos de trabajo 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 13
  • 14. Estructura de los agentes • IA: diseñar: • El programa del agente • Que implemente la • Función del Agente • Arquitectura: computadora + sensores + actuadores • Agente = Arquitectura + Programa 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 14
  • 15. Estructura de los agentes: Programas de los Agentes 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 15 Percepciones Acciones Percepcion1 Percepcion2 Percepcion3 Accion1 Percepcion4 Percepcion5 Percepcion6 Accion2 Percepcion7 Percepcion8 Percepcion9 Accion3
  • 16. Estructura de los agentes: Programas de losAgentes – Tipos básicos de programas: •Agentes Reactivos Simples •Agentes Reactivos Basados en Modelos •Agentes Basados en Objetivos •Agentes basados en utilidad •Todos los tipos se pueden convertir en… •Agentes que Aprendan 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 16
  • 17. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 17 Estructura de los agentes: Programas de losAgentes – Tipos básicos de programas: Agente Reactivo Simple Responden directamente a las percepciones
  • 18. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 18 Estructura de los agentes: Programas de losAgentes – Tipos básicos de programas: Agente Reactivo basado en modelos Mantienen un estado interno que les permite seguir el rastro de los aspectos del mundo que no son perceptibles actualmente
  • 19. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 19 Estructura de los agentes: Programas de losAgentes – Tipos básicos de programas: Agente basado en objetivos Actúan con la intención de alcanzar sus metas
  • 20. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 20 Estructura de los agentes: Programas de losAgentes – Tipos básicos de programas: Agente basado en utilidad Actúan con la intención de maximizar su “felicidad” deseada
  • 21. 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 21 Estructura de los agentes: Programas de los Agentes – Tipos básicos de programas: Agentes que aprenden Todos los agentes pueden mejorar su eficacia con la ayuda de mecanismos de aprendizaje
  • 22. Bibliografía • INTELIGENCIA ARTIFICIAL: UN ENFOQUE MODERNO. • STUART RUSSELL Y PETER NORVIG. • PEARSON EDUCATION • 2da Edición, 2004. • 1240 páginas • Capitulo 2, Paginas 37 a 66 13/03/2014 Ing. Héctor Estigarribia FCT - UNCA 22

×