Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Agentes Lógicos

9,177 views

Published on

Published in: Education
  • Login to see the comments

  • Be the first to like this

Agentes Lógicos

  1. 1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL Agentes Lógicos
  2. 2. Agentes basados en conocimiento
  3. 3. Introducción <ul><li>El conocimiento y razonamiento son importantes para los agentes artificiales, porque: </li></ul><ul><ul><li>les permiten comportamiento con éxito, </li></ul></ul><ul><ul><li>juegan un papel importante cuando se trata con entornos parcialmente observables. </li></ul></ul><ul><li>Los agentes basados en conocimiento: </li></ul><ul><ul><li>pueden combinar el conocimiento general con las percepciones reales para inferir aspectos ocultos del estado del mundo, antes de seleccionar cualquier acción. </li></ul></ul><ul><ul><li>son flexibles , pues son capaces de aceptar tareas nuevas en forma de objetivos descritos y pueden adaptarse a cambios del entorno. </li></ul></ul>
  4. 4. <ul><li>“ Un agente basado en conocimiento (ABC) es aquel sistema que posee conocimiento de su mundo y que es capaz de razonar sobre las posibles acciones que puede tomar para cambiar el estado de su mundo” </li></ul><ul><li>http://www.wiphala.net/courses/090178/2005-I/class/class_31_logical_agents.pdf </li></ul>
  5. 5. Figura 1. Estructura de un agente basado en conocimiento
  6. 6. Componentes de un Agente basado en conocimientos (I) <ul><li>Base de conocimiento (BC): conjunto de sentencias. Cada sentencia se expresa en un lenguaje denominado lenguaje de representación del conocimiento y representa alguna aserción acerca del mundo. Tareas asociadas y requieren realizar inferencia: </li></ul><ul><ul><li>DECIR, para añadir sentencias nuevas </li></ul></ul><ul><ul><li>PREGUNTAR, para preguntar qué se sabe. </li></ul></ul>
  7. 7. Componentes de un Agente basado en conocimientos (II) <ul><li>Inicialmente contiene algún conocimiento de antecedentes (conocimiento previo no aprendido) </li></ul><ul><li>Cada vez que se invoca el programa del agente , se realizan dos cosas: </li></ul><ul><ul><li>DICE a la base de conocimiento lo que ha percibido. </li></ul></ul><ul><ul><li>PREGUNTA, a la base de conocimiento qué acción debe ejecutar, luego graba la respuesta. </li></ul></ul><ul><li>Una vez que se ha elegido la acción el agente graba su elección mediante un DECIR y ejecuta la acción. </li></ul>
  8. 8. Niveles de un agente <ul><li>Un agente basado en conocimiento obtiene las acciones de acuerdo a un nivel de conocimiento (en el que se especifica lo que el agente sabe y los objetivos que tiene para establecer su comportamiento; es el nivel abstracto, describe qué es lo que el agente sabe; corresponde al dominio del conocimiento </li></ul><ul><li>El Nivel lógico, e s donde el conocimiento se codifica mediante oraciones o sentencias. </li></ul><ul><li>Nivel de implementación, e s el que opera la arquitectura del sistema y dónde se encuentra las representaciones físicas de las oraciones correspondientes al nivel lógico </li></ul>
  9. 9. Tipos de enfoque para la representación del conocimiento <ul><li>Enfoque declarativo (saber qué). El conocimiento se representa mediante un conjunto de sentencias junto con unos procedimientos generales que las manipulan </li></ul><ul><li>E nfoque procedural (saber cómo) , el conocimiento está descrito mediante un conjunto de procedimientos que permiten resolver un problema. </li></ul><ul><li>Para que un agente tenga éxito su diseño debe combinar ambos elementos declarativos y procedurales </li></ul>
  10. 10. Mundo de Wumpus
  11. 11. Mundo de wumpus
  12. 12. Descripción del agente cazador (I) <ul><li>Entorno: </li></ul><ul><ul><li>Matriz de 4 x 4 habitaciones </li></ul></ul><ul><ul><li>El agente siempre empieza en la casilla etiquetada con [1,1] y orientado a la derecha. </li></ul></ul><ul><ul><li>Las posiciones del oro y del wumpus se escogen de forma aleatoria </li></ul></ul>
  13. 13. Descripción del agente cazador (II) <ul><li>Sensores/Percepciones : </li></ul><ul><ul><ul><li>[Hedor, Brisa, Resplandor, Golpe , Grito] </li></ul></ul></ul>En la casilla del wumpus o cuadros adyacentes En los cuadros adyacentes a un hoyo Donde está el oro, percibe su resplandor Si avanza hasta un muro, sentirá un golpe Cuando mata al wumpus, percibe un grito
  14. 14. Descripción del agente cazador (III) <ul><li>Actuadores/acciones </li></ul><ul><ul><li>Avanzar, girar 90 grados a la izquierda o derecha, </li></ul></ul><ul><ul><li>Agarrar, para tomar un objeto de la misma casilla en donde se encuentre el agente. </li></ul></ul><ul><ul><li>Disparar flecha (wumpus o pared), y </li></ul></ul><ul><ul><li>Salir (si se encuentra en la casilla de salida) </li></ul></ul>
  15. 15. Descripción del agente cazador (IV) <ul><li>Rendimiento </li></ul><ul><ul><li>Objetivo: Encontrar el oro y volver a la salida lo más rápidamente posible </li></ul></ul><ul><ul><li>+1000 por recoger el oro, </li></ul></ul><ul><ul><li>-1000 por caer en un hoyo o ser comido por un wumpus, </li></ul></ul><ul><ul><li>-1 por cada acción, </li></ul></ul><ul><ul><li>-10 por lanzar la flecha </li></ul></ul>
  16. 16. Consideraciones preliminares <ul><li>En algunos casos el agente debe escoger entre volver a casa con las manos vacías o arriesgarse para encontrar el oro. </li></ul><ul><li>La base de conocimiento inicial del agente contiene las reglas del entorno ([1,1] es segura) </li></ul><ul><li>Su conocimiento evoluciona a medida que recibe nuevas percepciones y las acciones se van ejecutando. </li></ul>
  17. 17. Inferencias <ul><li>Primera percepción: [Hedor, Brisa, Resplandor, Golpe , Grito] </li></ul><ul><ul><li>No hay hedor ni brisa en la casilla [1,1] </li></ul></ul><ul><ul><ul><li>[1,2] y [2,1] están libres de peligro, marcar con estado (OK). </li></ul></ul></ul>
  18. 18. Lógica
  19. 19. Conceptos de la representación y razonamiento lógicos (I) <ul><li>Las sentencias se expresan de acuerdo a la sintaxis del lenguaje de representación del conocimiento. </li></ul><ul><li>Las sentencias de la BC son configuraciones físicas reales del agente. El razonamiento implica generar y manipular estas configuraciones. </li></ul><ul><li>La semántica del lenguaje define el valor de verdad de cada sentencia respecto de cada mundo posible (modelo) </li></ul>
  20. 20. Conceptos de la representación y razonamiento lógicos (II) <ul><li>Modelo : entornos reales en los que el agente puede o no estar; son abstracciones matemáticas que nos permiten definir la verdad o falsedad de cada sentencia que sea relevante. </li></ul><ul><li>Implicación lógica entre sentencias : </li></ul><ul><li>α ├ β </li></ul><ul><li>El valor de verdad de β <<está contenido>> en el valor de verdad de α </li></ul>
  21. 21. <ul><li>La BC es falsa en los modelos que contradicen lo que el agente sabe: </li></ul><ul><li>α 1 = <<No hay un hoyo en la casilla [1,2]>> </li></ul>2 3 = 8 posibles modelos
  22. 22. Referencias Bibliográficas <ul><li>García César. Representación del conocimiento. Disponible en: http://pisuerga.inf.ubu.es/cgosorio/SExInArt/UD4/introKR.pdf </li></ul>

×