INTELIGENCIA ARTIFICIAL Clase #2 : Agentes Inteligentes

Dr. Wladimir Rodríguez Postgrado en Computación ULA [email protected]

Información General

• Profesor: Wladimir Rodríguez • e-mail: [email protected]

• Horario: Lunes 8-12 • Página WEB:

• http://www.pgcomp.ula.ve/DISTANCIA/ INTELIGENCIA/index.html

• Libro Texto: • Stuart Russell

y Peter Norvig, “Inteligencia Artificial: Un enfoque moderno”, Prentice Hall, 1996. (http://aima.cs.berkeley.edu)

Dr. Wladimir Rodriguez

2

Inteligencia Artificial

Agenda

• Introducción • ¿Qué es un Agente Inteligente? • Estructura de los Agentes Inteligentes • Agentes de Reflejo Simple • Agentes Bien Informados • Agentes Basados en Metas • Agentes Basados en Utilidad

• Ambientes Dr. Wladimir Rodriguez

3

Inteligencia Artificial

Agente Inteligente

Dr. Wladimir Rodriguez

4

Inteligencia Artificial

Agente Humano

• Sensores: Ojos (visión), orejas (oído), piel •

(tacto), lengua (gusto), nariz (olfato), sistema neuromuscular (propriocepción) Percepciones:

• Al más bajo nivel – señales eléctricas del preprocesamiento – objetos en el • Después campo visual (posición, texturas, colores, …), flujos auditivos (tono, volumen, dirección),

• Eféctores: Brazos, dedos, ojos, lengua, ... • Acciones: alzar el brazo, voltear, caminar, ... Dr. Wladimir Rodriguez

5

Inteligencia Artificial

Introducción

Dr. Wladimir Rodriguez

6

Inteligencia Artificial

Ambiente Aspiradora

• Percepciones: Localización y contenido, por ejemplo [A, Sucio]

• Acciones: Izquierda, Derecha, Aspirar, Hacer_Nada

Dr. Wladimir Rodriguez

7

Inteligencia Artificial

Agente Aspiradora Secuencia de Percepciones

Derecha Aspirar Izquierda Aspirar Derecha Aspirar ...

[A, Limpio] [A, Sucio] [B, Limpio] [B, Sucio] [A, limpio] [A, Limpio] [A, Limpio] [A, Sucio] ...

Dr. Wladimir Rodriguez

Acción

8

Inteligencia Artificial

¿Qué tan bueno es un Agente?

• Se necesita una medida de desempeño:

• Objetiva / Subjetiva • Cuantitativa / Cualitativa • Tiempo de Evaluación (durante o después) • Mejor / Peor / Promedio

• La racionalidad de un agente depende de: • Rendimiento • Percepciones recibidas • Conocimiento interno del agente • Las acciones que el agente pueda hacer

Dr. Wladimir Rodriguez

9

Inteligencia Artificial

¿Qué tan bueno es un Agente?

• Un agente racional ideal:

todos los casos de posibles secuencias de • Para percepciones, un agente racional deberá emprender todas aquellas acciones que favorezcan obtener el máximo de su medida de rendimiento, basandose en las evidencias aportadas por la secuencia de percepciones y en todo el conocimiento incorporado en tal agente

Dr. Wladimir Rodriguez

10

Inteligencia Artificial

Mapeo Percepciones/Acciones

• Un mapeo especifica la acción que un agente debe tomar en respuesta a una secuencia de percepciones.

• Puede ser en forma de tabla • •

Planes universales

• •

Comportamiento estimulo / respuesta

Casos (indexados)

• Pueden ser en forma de funciones

Dr. Wladimir Rodriguez

Algoritmos de varios tipos. (ejemplo de la raíz cuadrada del texto) 11

Inteligencia Artificial

Tipos de Agentes Agente

Perceptos

Acciones

Síntomas, signos, respuestas

Preguntas, pruebas, tratamientos

Pixels

Clasificar la escena

Clasificación correcta

Imágenes de satelite

Robot de recolección

Pixels

Agarrar partes colocarlas en recipientes

Colocación correcta

Cinta deslizante con las partes

Controlador de refinería

Medidas de presión, temperatura

Abrir y cerrar válvulas ...

Tutor interactivo

Palabras tecleadas

Preguntas, ejercicios, sugerencias ...

Sistema de diagnóstico medico Sistema de análisis de imágenes

Dr. Wladimir Rodriguez

12

Objetivos

Entorno

Sanar, Paciente, hospital minimizar costes

Maximizar pureza, producción Maximizar la puntuación en un test

Refinería Conjunto de estudiantes

Inteligencia Artificial

¿Qué es un Agente Inteligente?

• Un agente inteligente es cualquier cosa que pueda

un mundo perceptual en que esté anidado • percibir (“ambiente”) mediante SENSORES y sobre ese mundo mediante EFECTORES (o • actuar actuadores)

• • Dr. Wladimir Rodriguez

sinónimo de ambiente es “espacio de problema” sinónimo de agente inteligente es “operador que transforma un input en output dentro del espacio de problema” 13

Inteligencia Artificial

¿Qué es un Agente Inteligente?

• META de la Inteligencia Artificial

Diseñar un agente inteligente/racional que opere o actúe adecuadamente en sus ambientes.

• Discusión sobre “adecuadamente” • •

Dr. Wladimir Rodriguez

Fijar alguna medida del buen éxito Tener en cuenta el PRR Principio de Racionalidad Restringida de Herbert Simon

14

Inteligencia Artificial

¿Qué es un Agente Racional?

• Pensante racionalmente

• Captura de un proceso racional correcto • Proceso “ Irrefutable” • Metodología • •

Desarrollar un modelo formal - LÓGICA FORMAL que siempre conduzca a la respuesta correcta Implementar ese modelo

• Cómo sabemos si lo hicimos bien • • Dr. Wladimir Rodriguez

cuando podemos probar que el razonamiento programado fue correcto la lógica de primer orden fue completa 15

Inteligencia Artificial

¿Qué es un Agente Racional?

• Actuante racionalmente

• Actuar de forma de lograr las metas deseadas enfoque del agente racional” - a ser encarado en • “El esta disciplina. usted mismo como se hacen las decisiones • Imagine correctas

• • Dr. Wladimir Rodriguez

a veces pensando racionalmente (enfoque europeo) otras teniendo reflejos racionales (enfoque truqués)

16

Inteligencia Artificial

Estructura de los Agentes

• Como todos los agentes tienen una estructura

básica o mínima o esquelética igual, se puede investigar cuál es ella.

function functionSkeleton-Agent(percept) Skeleton-Agent(percept)returns returnsaction action static: memory, the agent's memory of the world static: memory, the agent's memory of the world memory memory¨ ¨Update-Memory(memory, Update-Memory(memory,percept) percept) action ¨ Choose-Best-Action(memory) action ¨ Choose-Best-Action(memory) memory memory¨ ¨Update-Memory(memory, Update-Memory(memory,action) action) return action return action Dr. Wladimir Rodriguez

17

Inteligencia Artificial

Agente Basado en Tablas

• Dada una percepción, simplemente buscar la •

respuesta. Parece simple, pero existen algunos problemas:

problemas reales requieren de tablas • Combinatoria: muy grandes

• Tablas son difíciles de crear

function functionTable-Driven-Agent(percept) Table-Driven-Agent(percept)returns returnsaction action static: percepts, a sequence, initially empty static: percepts, a sequence, initially empty table, table,aatable tableindexed indexedby bypercept perceptsequences, sequences,initially initiallyfully fullyspecified specified append appendpercept percepttotothe theend endofofpercepts percepts action ¨ LookUp(percepts, action ¨ LookUp(percepts,table) table) return returnaction action Dr. Wladimir Rodriguez

18

Inteligencia Artificial

Agentes Reflejo Simple

• Las reglas condición / acción tienen la forma • IF condición THEN acción • Aparear regla con la percepción a partir de un conjunto completo de reglas ENTONCES especificar acción a tomar.

• Peligro puede ser de poco alcance.

Dr. Wladimir Rodriguez

19

Inteligencia Artificial

Agente Reflejo Simple

Dr. Wladimir Rodriguez

20

Inteligencia Artificial

Agente Reflejo Simple

function functionSimple-Reflex-Agent(percept) Simple-Reflex-Agent(percept)returns returnsaction action static: static:rules, rules,aaset setofofcondition-action condition-actionrules rules state state¨ ¨Interpret-Input(percept) Interpret-Input(percept) rule ¨ Rule-Match(state, rule ¨ Rule-Match(state,rules) rules) action ¨ Rule-Action[rule] action ¨ Rule-Action[rule] return returnaction action

Dr. Wladimir Rodriguez

21

Inteligencia Artificial

Agente Reflejo con Estado

• Incluye memoria extendiendo el horizonte de tiempo del agente.

• Peligro: la información almacenada puede no ser valida.

• Un agente reflejo con un estado interno. Opera

encontrando una regla cuya condición coincida con la situación actual y luego procede a efectuar la acción que corresponda a la regla

Dr. Wladimir Rodriguez

22

Inteligencia Artificial

Agente Reflejo con Estado

Dr. Wladimir Rodriguez

23

Inteligencia Artificial

Agente Reflejo con Estado

function functionReflex-Agent-With-State(percept) Reflex-Agent-With-State(percept)returns returnsaction action static: static:rules, rules,aaset setofofcondition-action condition-actionrules rules state, a description of the current state, a description of the currentworld world state state¨ ¨Update-State(state, Update-State(state,percept) percept) rule ¨ Rule-Match(state, rules) rule ¨ Rule-Match(state, rules) action action¨ ¨Rule-Action[rule] Rule-Action[rule] state ¨ Update-State(state, state ¨ Update-State(state,action) action) return returnaction action

Dr. Wladimir Rodriguez

24

Inteligencia Artificial

Agente Basado en Metas

• Metas

• Ayudan al agente a decidir las acciones correctas. sobre la meta ayuda al agente a • Información describir situaciones deseables. la meta no es inmediata a una acción es necesario • Sirealizar algún proceso de búsqueda y planeación.

Dr. Wladimir Rodriguez

25

Inteligencia Artificial

Agente Basado en Metas

• La toma de decisiones no es tan directa como en un agente reactivo.

• Considera la forma en que cambiará el mundo. • Es más flexible para adaptarse • Ej. Agente que conduce

Dr. Wladimir Rodriguez

26

Inteligencia Artificial

Agente Basado en Metas

Dr. Wladimir Rodriguez

27

Inteligencia Artificial

Agente Basado en Metas Input Inputpercept percept state state¨ ¨Update-State(state, Update-State(state,percept) percept) goal ¨ Formulate-Goal(state, goal ¨ Formulate-Goal(state,perf-measure) perf-measure) search-space search-space¨ ¨Formulate-Problem Formulate-Problem(state, (state,goal) goal) plan plan¨ ¨Search(search-space Search(search-space, ,goal) goal) while while(plan (plannot notempty) empty)do do action action¨ ¨Recommendation(plan, Recommendation(plan,state) state) plan plan¨ ¨Remainder(plan, Remainder(plan,state) state) output outputaction action end end Dr. Wladimir Rodriguez

28

Inteligencia Artificial

Ejemplo de Agente Basado en Metas •

El robot debe mantener el objetivo en la mira

•

La trayectoria del objetivo no es conocida de antemano

•

El robot no sabe de antemano todos los obstáculos

•

Se debe actuar rapidámente

•

Dr. Wladimir Rodriguez

robot 29

target Inteligencia Artificial

Agente Basado en Utilidad

• Las metas no son suficientes para generar un comportamiento de calidad.

• Las utilidades sirven para distinguir la preferencia de un estado a otro.

• La utilidad mapea un estado a un número real • Debe considerarse las metas conflictivas y las metas inciertas.

Dr. Wladimir Rodriguez

30

Inteligencia Artificial

Agente Basado en Utilidad

Dr. Wladimir Rodriguez

31

Inteligencia Artificial

Agente Aprendiz

Dr. Wladimir Rodriguez

32

Inteligencia Artificial

Ambiente

• Accesible vs inaccesible • Sensores detectan toda la información

• Determinista vs no determinista siguiente estado depende sólo del anterior y de la • El acción actual

• Episódico vs no episódico • Existen episodios con percepciones y acciones Dr. Wladimir Rodriguez

33

Inteligencia Artificial

Ambiente

• Estático vs dinámico • El ambiente no cambia mientras el agente delibera

• Discreto vs continuo un número limitado de percepciones y • Existe acciones

Dr. Wladimir Rodriguez

34

Inteligencia Artificial

Características de los Ambientes Accesible

Determinista

Estático

Discreto

Solitario

No

Si

Si

Si

Backgammon

Si

No

Si

Si

Manejar Taxi

No

No

No

No

Compras Internet

No

No

No

No

Diagnóstico Médico

No

No

No

No

Dr. Wladimir Rodriguez

35

Inteligencia Artificial

Programa Básico para el Ambiente procedure procedureRun-Environment(state, Run-Environment(state,Update-Fn, Update-Fn,agents, agents,termination) termination) input: state, the initial state of the environment input: state, the initial state of the environment Update-Fn, Update-Fn,function functiontotomodify modifythe theenvironment environment agents, a set of agents agents, a set of agents termination, termination,aapredicate predicatetototest testwhen whenwe weare aredone done repeat repeat for foreach eachagent agentininagents agentsdo do Percept[agent] ¨ Percept[agent] ¨Get-Percept(agent, Get-Percept(agent,state) state) end end for foreach eachagent agentininagents agentsdo do Action[agent] ¨ Action[agent] ¨Program[agent](Percept[agent]) Program[agent](Percept[agent]) end end state state¨ ¨Update-Fn(actions, Update-Fn(actions,agents, agents,state) state) until termination(state) until termination(state)

Dr. Wladimir Rodriguez

36

Inteligencia Artificial

Simulador de Ambiente function functionRun-Eval-Environment(state, Run-Eval-Environment(state,Update-Fn, Update-Fn,agents, agents, termination, termination,Performance-Fn) Performance-Fn)returns returnsscores scores local : scores, a vector the same size as agents, initially all 0 local : scores, a vector the same size as agents, initially all 0 repeat repeat for foreach eachagent agentininagents agentsdo do Percept[agent] ¨ Percept[agent] ¨Get-Percept(agent, Get-Percept(agent,state) state) end end for foreach eachagent agentininagents agentsdo do Action[agent] ¨ Program[agent](Percept[agent]) Action[agent] ¨ Program[agent](Percept[agent]) end end state state¨ ¨Update-Fn(actions, Update-Fn(actions,agents, agents,state) state) scores ¨ Performance-Fn(scores, agents, scores ¨ Performance-Fn(scores, agents,state) state) until untiltermination(state) termination(state) return returnscores scores

Dr. Wladimir Rodriguez

37

Inteligencia Artificial

Resumen

• Un agente es algo que percibe y actúa en un ambiente.

• Un agente ideal es aquel que siempre emprende la mejor acción

• Los agente de reflejo responden de inmediato a las percepciones

• Los agentes basados en reglas actúan en función del logro de una meta.

Dr. Wladimir Rodriguez

38

Inteligencia Artificial

Resumen

• Los agentes basados en la utilidad se esfuerzan por maximizar una función de evaluación.

• El ambiente en el cual se encuentra los agentes pueden variar dramáticamente.

Dr. Wladimir Rodriguez

39

Inteligencia Artificial