Agentes Lógicos

7,591 views

Published on

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

  • Be the first to like this

No Downloads
Views
Total views
7,591
On SlideShare
0
From Embeds
0
Number of Embeds
42
Actions
Shares
0
Downloads
251
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • 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>

    ×