Inteligencia Artificial

Transcripción

1 Inteligencia Artificial Tema 2 Estructura de un Agente Ivan Olmos Pineda Contenido Clasificación de Agentes Agentes de Reflejo Simple Agentes Bien Informados de lo que Pasa Agentes Basados en Metas Agentes Basados en Utilidad Tipos de Arquitectura para un Agente Ambientes BUAP Inteligencia Artificial 2 1

2 Clasificación de Agentes Importante Antes de diseñar un agente, se tiene que considerar: Percepciones Posibles Acciones Posibles Medida de desempeño u objetivos que debe lograr Tipos de entorno en los que va a operar BUAP Inteligencia Artificial 4 2

3 Ejemplo Considere un piloto automático para un carro (PAC) Cantidad de variables ilimitada Cuáles serían sus: Percepciones Acciones Metas Ambiente BUAP Inteligencia Artificial 5 Tipos de Agente Para el piloto automático, se pueden considerar diversos tipos de agentes: Agentes de reflejo simple Agentes bien informados de todo lo que pasa Agentes basados en metas Agentes basados en utilidad BUAP Inteligencia Artificial 6 3

4 Agentes de Reflejo Simple Estrategia: resumir lo más importante Basada en reglas Reglas de condición acción Si el carro de adelante esta frenando, entonces empezar a frenar Los agentes de reflejo simple funcionan si se toma la acción correcta con base en la percepción del momento BUAP Inteligencia Artificial 7 Agentes de Reflejo Simple AGENTE Sensores Reglas Condición - Acción Como es el mundo en este momento Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 8 4

5 Agentes Bien Informados Se considera el entorno para decidir acciones Por ejemplo, para cambiar de carril, el PAC debe verificar el estado de los carros cercanos Por tanto, se requiere: Información de cómo evoluciona el mundo Información sobre como las acciones del agente afectan al mundo BUAP Inteligencia Artificial 9 Agentes Bien Informados AGENTE Sensores Estado Como evoluciona el mundo Que producen mis acciones Reglas Condición - Acción Como es el mundo en este momento Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 10 5

6 Agentes Basados en Metas No basta con conocer el entorno, sino además es necesario determinar las acciones a seguir que permitan alcanzar la meta Elegir las acciones correctas varia en complejidad (IA) Búsqueda Planificación BUAP Inteligencia Artificial 11 Agentes Basados en Metas Este enfoque considera el futuro, a diferencia de las reglas condición-acción Qué sucedería si se realiza la acción X? ó Y? Estos tipos de agente son más flexibles con respecto a su entorno Se modifica su comportamiento con base en los estímulos recibidos BUAP Inteligencia Artificial 12 6

7 Agentes Basados en Metas AGENTE Sensores Estado Como evoluciona el mundo Como es el mundo en este momento Que producen mis acciones Reglas Condición - Acción Qué sucedería si Emprendo la acción A? Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 13 Agentes Basados en Utilidad Las metas no bastan para generar una conducta de alta calidad Secuencias más óptimas para alcanzar la meta La utilidad es una función (f U ) que relaciona un estado y un número real mediante el cual se caracteriza el estado de satisfacción del agente 0: ningún avance hasta la meta 1: se ha alcanzado la meta BUAP Inteligencia Artificial 14 7

8 Agentes Basados en Utilidad Una correcta especificación de la función de utilidad, permite la toma de decisiones racionales en dos casos El logro de algunas metas implica un conflicto y solo algunas de ellas se pueden obtener (define el compromiso adecuado) Cuando son varias las metas y no existe la certeza de poder lograr alguna, f U sirve para ponderar la posibilidad de tener éxito considerando la importancia de cada meta BUAP Inteligencia Artificial 15 Arquitectura para un Agente 8

9 Arquitectura de un Agente (1/2) Basadas en la Lógica (agentes deliberativos). Toma de decisiones basada en la deducción lógica. Agentes reactivos Toma de decisiones basada en el mundo actual sin tomar en cuenta el pasado. BUAP Inteligencia Artificial 17 Arquitectura de un Agente (2/2) Arquitectura creencia-deseo-intención. Toma de decisiones depende de la manipulación de estructuras de datos que representan creencias, deseos e intenciones del agente. Arquitecturas híbridas. Toma de decisiones utilizando varias capas. BUAP Inteligencia Artificial 18 9

10 Agentes Deliberativos (basados en lógica) Comportamiento inteligente: Representación simbólica del medio y del comportamiento. Fórmulas lógicas. Manipulación sintáctica de las representaciones. Deducción lógica o comprobación de teoremas BUAP Inteligencia Artificial 19 Agentes Deliberativos Teoría (especificación comportamiento) Estado interno: BD fórmulas de primer orden. Simulan creencias humanas. Son actualizadas mediante sensores. Abierto(valvula83) Temperatura(horno13,590) Presion(tanque8,35,normal) Toma de decisiones: reglas de deducción. Regla probada = acción a realizar. Abierto(X) & Presion(Y,X,baja) -> Cerrar(X). Ninguna acción puede ser probada -> reportarlo. BUAP Inteligencia Artificial 20 10

11 Agentes Deliberativos Ventajas de la arquitectura deliberativa Elegantes. Semántica clara (lógica). Desventajas Complejidad computacional para la comprobación de teoremas (lenta ejecución para agentes en tiempo real). Toma de decisiones -> ambiente no cambia mientras se decide que hacer. Acción racional al iniciar toma de decisiones = racional al finalizar. BUAP Inteligencia Artificial 21 Agentes Reactivos Nueva forma de atacar el problema: Rechazo a la representación simbólica. Comportamiento inteligente Ligado al medio ambiente: Producto de la interacción del agente-ambiente. Emerge de la interacción de varios comportamientos más sencillos. BUAP Inteligencia Artificial 22 11

12 Agentes Reactivos Denominaciones: Basados en comportamiento (behavioural) Desarrollo y mezcla de comportamientos individuales. Situados (situated) Agentes situados en un ambiente, no fuera de el. Reactivos (reactive) Reaccionan al medio ambiente sin razonar. BUAP Inteligencia Artificial 23 Agentes Reactivos Arquitectura de Integración (subsumption) Dos características principales: 1. Toma de decisiones: conjunto de comportamientos que realizan tareas. Comportamiento: Acción simple. Implementado como una máquina de estados finitos. No hay representación simbólica compleja. Bajo o nulo procesamiento de datos de sensores. No hay razonamiento simbólico. Situación -> acción BUAP Inteligencia Artificial 24 12

13 Agentes Reactivos Arquitectura de Integración Varios comportamientos pueden activarse a la vez. Jerarquía de integración (mecanismo selección acción). Comportamientos arreglados en capas. Capas inferiores inhiben a las superiores. Capa menor Mayor prioridad. Comportamientos sencillos. Capa mayor Menor prioridad. Comportamiento abstracto. BUAP Inteligencia Artificial 25 Ejemplo: Explorador de Marte Explorador de Marte Se necesita explorar un planeta para recoger muestras de roca. No se sabe donde se encuentra la roca deseada pero se conoce que se encuentra generalmente amontonada. Un conjunto de vehículos autónomos deben recorrer el planeta recolectando muestras. Al terminar deben de regresar a la nave base. No existe mapa del planeta pero se conoce que el terreno es accidentado lo que imposibilita comunicación alguna entre vehículos. BUAP Inteligencia Artificial 26 13

14 Explorador de Marte Solución: Dos mecanismos esenciales: 1. Campo gradiente: Nave emite señal de radio. Esta se debilita al alejarse. No contiene información alguna. 2. Método de comunicación indirecta: Agentes cargan moronas radioactivas Pueden ser tiradas, levantadas y detectadas. Dos tipos de comportamientos: Recolección individual de muestras. Solución cooperativa entre todos los agentes. BUAP Inteligencia Artificial 27 Explorador de Marte Comportamiento individual (no cooperativo). Capa 1: Evitar obstáculos. Si se detecta un obstáculo -> cambiar dirección Capa 2: Llevar muestras a la nave. Si lleva muestras y esta en la nave -> soltarlas. Si lleva muestras y no esta en la nave-> ir a la nave. Capa 3: Recolectar muestras. Si se detecta muestra -> recogerla. Capa 4: Explorar Si no hay nada mejor que hacer -> moverse aleatoriamente. BUAP Inteligencia Artificial 28 14

15 Explorador de Marte BUAP Inteligencia Artificial 29 Explorador de Marte Comportamiento colaborativo. Camino hacia una muestra encontrada. Capa 1: Evitar obstáculos. Si se detecta un obstáculo -> cambiar dirección Capa 2: Llevar muestras a la nave. Si lleva muestras y en nave -> soltarlas Si lleva muestras y no en nave -> tirar 2 moronas e ir nave Capa 3: Recolectar muestras. Si se detecta muestra -> recogerla Capa 4: Moronas. Si se detectan moronas -> tomar 1 y seguir camino. Capa 5: Explorar Si no hay nada mejor que hacer -> moverse aleatoriamente BUAP Inteligencia Artificial 30 15

16 Explorador de Marte BUAP Inteligencia Artificial 31 Agentes Reactivos Ventajas de la arquitectura reactiva: Velocidad: en hw provee de decisión constante. Simplicidad computacional. Economía. Seguridad en caso de falla. Elegancia (sencillez). BUAP Inteligencia Artificial 32 16

17 Agentes Reactivos Desventajas: Agente sin modelo del ambiente -> suficiente información en el ambiente local. Toma de decisiones a corto plazo (info. local). Dificultad en los agentes puramente reactivos para aprender y mejorar. No existe una metodología formal para construir agentes -> prueba y error. Gran dificultad para construir agentes con muchas capas. Relaciones muy complejas BUAP Inteligencia Artificial 33 Arquitectura Creencia-Deseo-Intención Basadas en el razonamiento práctico (usado en la vida cotidiana). Dos procesos importantes: Deliberación: decidir que metas se desean. Planeación: decidir cómo llevar acabo las metas. BUAP Inteligencia Artificial 34 17

18 Arquitectura Creencia-Deseo-Intención Ej: ser académico. Graduación -> estudio opciones: academia, industria, negocio. Selección opción -> compromiso. Opciones seleccionadas -> intenciones. Intenciones -> acciones. Actuar (acción). Persistencia. Intentos razonables. Intentar varias veces una acción. Cambio si se determina intención imposible. Eliminación metas incoherentes (con intención). Relacionadas con creencias sobre el futuro. BUAP Inteligencia Artificial 35 Arquitectura Creencia-Deseo-Intención Componentes básicos de CDI: Estructuras de datos: Creencias. Deseos. Intenciones. Funciones de deliberación y planeación. Intenciones: Parte central. Permiten enfocar razonamiento práctico del agente. Estabilidad para la toma de decisiones. BUAP Inteligencia Artificial 36 18

19 Arquitectura Creencia-Deseo-Intención Ventajas: Intuitiva. Descomposición funcional clara. Desventaja: Implementación ( cómo implementarla?) BUAP Inteligencia Artificial 37 Arquitecturas Híbridas Comportamiento reactivo y deliberativo. Basadas en jerarquías de capas. Capas interactúan entre si. Al menos 2 capas (reactiva y deliberativa). Mas capas -> mayor dificultad control. Dos tipos: Horizontales. Verticales. BUAP Inteligencia Artificial 38 19

20 Arquitecturas Híbridas BUAP Inteligencia Artificial 39 Arquitecturas Híbridas Disposición Horizontal Cada capa actúa como si fuera un agente. Sugiere acciones. Ventaja: simplicidad conceptual. n comportamientos -> n capas. Desventajas: competencia entre capas. Comportamiento global incoherente. Introducción control global (mediador) -> cuello de botella Necesidad de considerar todas las interacciones (m n ). BUAP Inteligencia Artificial 40 20

21 Arquitecturas Híbridas Disposición Vertical Paso sencillo Secuenciales. Paso doble Similares a una organización. Ventaja Complejidad menor: m 2 (n-1) Desventaja Reducción en flexibilidad. Información por todas las capas. No tolerante a fallas. BUAP Inteligencia Artificial 41 Ambientes 21

22 Ambientes Existen diferentes tipos de ambientes: Accesibles y no accesibles Deterministas y no deterministas Episódicos y no episódicos Estáticos y dinámicos Discretos y continuos BUAP Inteligencia Artificial 43 Ambientes Accesibles y no accesibles Si a través de los sensores, el agente tiene acceso al estado total del ambiente, entonces éste es accesible Los ambientes accesibles son cómodos, ya que el agente no mantiene un estado interno para estar al tanto de lo que sucede en el mundo BUAP Inteligencia Artificial 44 22

23 Ambientes Deterministas y no deterministas Si el estado siguiente se determina a partir del estado y las acciones elegidas por el agente Ambiente determinista Si el ambiente no es accesible, entonces podría parecer que no es determinista (en especial en un ambiente complejo) BUAP Inteligencia Artificial 45 Ambientes Episódicos y no episódicos En un ambiente episódico, la experiencia del agente se divide en episodios Cada episodio consta de un agente que percibe y actúa Los ambientes episódicos son más sencillos puesto que el agente no tiene que pensar por adelantado BUAP Inteligencia Artificial 46 23

24 Ambientes Estáticos y dinámicos Si el ambiente cambia mientras un agente toma una acción a seguir, entonces se dice que el ambiente es dinámico Es más simple trabajar con ambientes estáticos puesto que no se tiene que observar y pensar al mismo tiempo BUAP Inteligencia Artificial 47 Ambientes Discretos y continuos Si existe una cantidad limitada de percepciones y acciones distintas y discernibles, se dice que el ambiente es discreto Si no es posible enumerarlos, entonces es un ambiente continuo BUAP Inteligencia Artificial 48 24

25 Trabajo Considere el juego de domino Diseñe un esquema de agentes simples que puedan jugar una partida de domino Si deseamos que los agentes jueguen en pareja, Qué tipo de agentes propondrías? Explica tu respuesta Diseña un conjunto de agentes basados en metas que jueguen en parejas en un torneo a 100 pts. Analiza cada posible estado y considéralo en el esquema propuesto. BUAP Inteligencia Artificial 49 25