unidad iii - agentes - parte i - 2018 · de gestión de agentes (ams). servicio de transporte de...

Mg.Ing.GustavoE.Juarez

InteligenciaArtificial

FacultaddeCienciasExactasyTecnologíaUniversidadNacionaldeTucumán

Mg.GustavoE.Juárez

Ciclo Lectivo 2018


Introducción. Definición. Intención de la Inteligencia Artificial. Tipificación de los Agentes: racionales,

autónomos, Con Capacidad de Aprendizaje, de Reflejos Simples, Bien Informados, Basados en Metas y

Basados en Utilidad. Entorno de un agente. Programas de Ambientes. Plataforma FIPA (THE

FOUNDATION FOR INTELLIGENT PHYSICAL AGENTS). Ontología. Caso de Estudio:

Arquitectura del Toolkit Zeus. Librería de componentes de Agentes. Como se inicia un Agente Basado

en la Utilidad. Gestión de Agentes. Plataforma de Agentes (AP). Directorio Facilitador (DF). Sistema

de Gestión de Agentes (AMS). Servicio de Transporte de Mensajes (MTS). Especificación de la

Estructura de Mensajes FIPA-ACL. Biblioteca de Especificaciones de comunicación de FIPA-ACL.

FIPA-SL Lenguaje de Especificación de contenido.

UNIDAD TEMÁTICA 3: AGENTES INTELIGENTES DEL SOFTWARE – SOFTBOTS

ApuntesdelMg.GustavoE.Juárez


Parte1


AGENTES INTELIGENTES DEL SOFTWARE – SOFTBOTS


ESQUEMA DE INTERACCIÓN DE LOS AGENTES

PercepcionesAcción que le permite al Agente recibirentradas desde el Entorno. Permitereflejar la trazabilidad de informaciónqueelAgenterecibió.

AccionesPara cada una de las secuenciascompletas de entradas percibidas, elAgente puede tomar una decisión queintentemodificarelentorno.


DEFINICIÓN:LAACADEMIA

Si buscamos la definición de agente en el DRAE, podemos encontrar cosas como estas

“Que obra o tiene virtud de obrar; persona o cosa que produce un efecto; persona

que obra con poder de otra.”

“Un agente es una entidad que percibe o actúa sobre un entorno (de forma

razonada)”


DEFINICIONES

[Russell&Norvig]

“Un agente es cualquier entidad que percibe su entorno a través de sensores y actúa sobre ese entorno

mediante efectores. Un agente es racional cuando realiza la mejor acción posible a partir de los datos

percibidos”

[Wooldridge]

Un agente inteligente es un sistema (hardware o software) situado en un determinado entorno, capaz de

actuar de forma autónoma y razonada en dicho entorno para conseguir unos objetivos”

Mg.Ing.GustavoE.JuarezIng.GustavoE.Juarez

DEFINICIONES

“Losagentessonsistemascomputacionalesquehabitanenentornosdinámicos

complejos,percibenyactúandeformaautónomaeneseentorno,realizandoun

conjuntodetareasycumpliendoobjetivosparaloscualesfuerondiseñados”

Pattie Maes (MassachusettsInstituteofTechnology.MIT)


CARACTERÍSTICAS

PosearecursospropiosPoseafacilidadesparacomunicarseconotrosagentes.

Es esencial definir el campo de aplicación de los Agentes ya que el campo de aplicación es enorme. Es

eficientedescribirunagenteapartirdesuscaracterísticasmasrepresentativas.

Seacapazdepercibir(quizásdemaneralimitada)suentorno.

Dispongadeunarepresentaciónparcialdesuentorno(eventualmentenula).

Poseaexperienciaenciertosámbitosypuedaofrecersus

servicios.

Poseaunconjuntodetendencias,enformadeobjetivosindividualesodefuncionesdesatisfacciónque

intenteoptimizar.


CARACTERÍSTICAS

Autonomíacapacidadparaactuarporcuentapropia.

Inteligenciaincorporaciónde

funcionesadaptablesalentorno(capacidadde

aprendizaje).

Reactividadlossucesosquetienenlugarenelentorno

puedendesencadenarunaacción.

Sociabilidadcapacidadpara

comunicarseconotrosagentes,sistemaso

personas

Movilidadcapacidadpara

desplazarseasistemasremotos,paraelaccesoarecursos,parallevaracabociertastareas.


RACIONALIDAD

Definición:

“En cada posible secuencia de percepciones, un agente racional deberá emprender aquella que

supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la

secuencia de percepciones y en el conocimiento que el agente mantiene almacenado”.


RACIONALIDAD

Medidas de Rendimiento

Las medidas de rendimiento son aquellas que incluyen los criterios que determinan el éxito en el

comportamiento de un Agente.

Cuando se sitúa un agente en un medio, este genera una secuencia de acciones de acuerdo a

las percepciones que recibe.

Esta secuencia de acciones hace que su hábitat pase por una secuencia de estados.


RACIONALIDAD

Factores de la Racionalidad

• La medida de Rendimiento que define el criterio de éxito.

• El conocimiento acumulado del medio en el que habita el agente (Trazabilidad).

• Las acciones que el agente puede llevar a cabo.

• La secuencia de Percepciones del agente hasta el momento.


ENTORNOYPERCEPCIONESDELAGENTE

Caso de Estudio: VEHICULO DE GOOGLE


ENTORNOYPERCEPCIONESDELAGENTE–CASODEESTUDIO:AUTODEGOOGLE

ESPECIFICACIONESDELENTORNODETRABAJO

Elementos

Cuando analizamos el entorno de trabajo del agente, es posible observar elementos que se presentan

de manera recurrente:

• Medidas de Rendimiento

• Entorno

• Actuadores

• Sensores

REAS



CASO DE ESTUDIO: ENTORNO DE UN TAXISTA

Dentro de las cualidades deseables para un agente de este tipo se puede enunciar las siguientes:

• Que llegue al destino correcto.

• Que minimice el consumo de combustible

• Que minimice el tiempo de viaje

• Que minimice el numero de infracciones de transito

• Que maximice la seguridad y la comodidad del pasajero



CASO DE ESTUDIO: REAS DEL ENTORNO DE UN TAXISTA

Tipodeagente Medidaderendimiento

Entorno Actuadores Sensores

Taxista • Seguro• Rápido• Legal• Viajeconfortable• Maximizacióndel

beneficio

• Carreteras• Restodeltrafico• Peatones• Clientes

• Dirección• Acelerador• Freno• Señal• Bocina• Visualizador

• Cámaras• Sonar• Velocímetro• GPS• Tacómetro• Visualizadorde

aceleración• Sensoresdelmotor• Teclado



CASO DE ESTUDIO: PRACTICA CON EL ENTORNO DE UN TAXISTA

Desarrolle 10 reglas que integren los elementos contenidos en el REAS del entorno del taxista y que

garanticen las cualidades deseables para este caso de estudio.


TIPOLOGÍA

Hay muchas formas de combinar las propiedades que hemos establecido como características de los

agentes; dependiendo de en cuáles se haga mayor énfasis, obtendremos una clasificación diferente.

A pesar de que cada una de ellas será, hasta cierto punto al menos, tendenciosa, optaremos por

adoptar una más o menos aceptada; en este caso la de Nwana.


TIPOLOGÍA

En base a sus trabajos teóricos en los laboratorios de BT, propone tres características básicas, y una

clasificación inicial en base a ellas.

Cooperación Aprendizaje

Autonomía

AgentesdeAprendizajeColaborativo

AgentesdeInterfaceAgentesColaborativos


FranceTelecomutilizoAgentesInteligentesdelSoftwareparalareubicaciónóptimadeantenascelularesenlaciudaddeParis,estudiorealizadoapartirde

simulacioneseimplementacionesenunadisciplinadelFutboldeRobot

denominadaMIROSOT.

CasodeEstudio1:FutboldeRobots–FIRA.net


CasodeEstudio1:FutboldeRobots–FIRA.net


CasodeEstudio2:Exoesqueletos

Es el esqueleto externocontinuo que recubretoda la superficie de losa n i m a l e s d e lfiloartrópodos(arácnidos,insectos,crustáceos,miriápodos y otros gruposrelacionados), dondecumple una func iónp r o t e c t o r a , d er e s p i r a c i ó n y o t r am e c á n i c a ,


CasodeEstudio3:ModeloPolíticodeEstimacióndeVotos

PoblaciónInicialdeAgentes/Votantes


Fases Agentes 1 2 3 4 5 6

a1 100 0 0 0 0 0a2 100 200 0 0 0 0a3 100 100 150 150 150 150a4 100 100 100 225 225 225a5 100 100 250 0 0 0a6 100 100 100 225 325 325a7 100 100 100 100 100 0a8 100 100 100 100 0 0

S/RelacionOpinionAgentes Particulas

a6 325a4 225a3 150S/RelacionWeight

Agentes Particulasa6 0,70a4 0,80a3 0,90

OpinionParticipativaPonderada

OPP=((150*0.9)+(325*0.7)+(225*0.8)) OPP= 67,81% 8

Ensayo en una Red TBSN

CasodeEstudio3:ModeloPolíticodeEstimacióndeVotos


CasodeEstudio4:Thenew2009Marsrover2012


ESTANDARIZACIÓN:CONSORCIOSINTERNACIONALES

Foundation for Intelligent Physical Agents (FIPA) www.fipa.org

OMG Agent Special Interest Group (Agent SIG) http://www.objs.com/agent/index.html

Holonic Manufacturing Systems (HMS) Consortium hms.ifw.uni-hannover.de

http://www.fipa.org/

http://www.objs.com/agent/index.html


ESTANDARIZACIÓN:EE.UU.

Control of Agent-Based System (CoABS) coabs.globalinfotek.com/

DARPA Agent Markup Language (DAML) www.daml.org

Java Agent Services (Sun JSR 000087) www.java-agent.org

http://www.daml.org/


PREGUNTAS


MUCHASGRACIAS

unidad iii - agentes - parte i - 2018 · de gestión de agentes (ams). servicio de transporte de...

Documents