Agentes Reactivos y Aplicaciones Distribuidas Ana Lila Laureano-Cruces Universidad Autónoma Metropolitana - Azcapotzalco

Transcripción

1 Agentes Reactivos y Aplicaciones Distribuidas Ana Lila Laureano-Cruces Universidad Autónoma Metropolitana - Azcapotzalco

2 Inteligencia Artificial Distribuida Resolución Distribuida de Problemas Se divide entre módulos que cooperan El conocimiento acerca del problema y acerca del desarrollo de la solución Esta dividido y/o compartido entre los diferentes módulos.

3 Sistemas MultiAgente Comportamiento inteligente coordinado entre una colección de agentes autónomos e inteligentes. Coordinan sus: conocimientos, objetivos, habilidades y planes Para ejecutar una acción o resolver un problema Todos los agentes persiguen un conjunto común de objetivos pretendiendo aumentar el rendimiento total del sistema.

4 En función de las diferentes formas de comunicación de los agentes tenemos sistemas: Fuertemente acoplados: la comunicación se desarrolla a través de una memoria compartida Débilmente acoplados: la comunicación es a través del paso de mensajes.

5 Memoria compartida Arquitectura de pizarra: Cuenta con una serie de fuentes de conocimiento (FCs) que funciona como un par condición - acción; que se activa cuando el estado de la pizarra satisface ciertas condiciones. El resultado es una acción que consiste en: Generación de una nueva hipótesis. Modificación de una hipótesis ya existente.

6 Cada modificación a la pizarra puede provocar la activación de nuevas FCs. Desencadenándose así un conjunto de actividades asíncronas. Estas actividades son producto de: Interpretaciones locales y parciales sobre los datos contenidos en la pizarra.

7 Planificador: en cada paso las condiciones se emparejan con el estado de la pizarra, dando como resultado la inserción de nuevas entradas en una cola de FCs. El acceso a la pizarra es secuencial El planificador manejará esta cola dirigiendo la atención del sistema a la alternativa más prometedora.

8 Las prioridades dentro de la cola se calculan teniendo en cuenta: la credibilidad de las hipótesis de las diferentes FCs, los efectos esperados de la ejecución y una estimación de su utilidad con respecto al foco de atención del sistema en ese momento. Esta combinación de procesamiento dirigido por los datos y por el objetivo tiene como resultado la formación incremental de la solución, y se le conoce resolución oprtunista de problemas

9 Comunicación a través de mensajes Se identifican cuatro grupos de sistemas que utilizan este tipo de comunicación: Coherencia a través de cooperación o compromiso a través de negociación. Tratamiento de inconsistencias. Problemas de jerarquía y organización. Compromiso entre computación y comunicación.

10 Coherencia a través de cooperación o compromiso a través de negociación Definen: estrategias de cooperación con el fin de asegurar que una comunidad de agentes trabaje en conjunto, con el fin de optimizar algunos criterios globales.

11 Tratamiento de inconsistencias En algunos casos los agentes tienen que razonar con una visión incompleta del mundo; lo que implica una visión inconsistente del mundo. Los agentes deben revisar sus creencias con respecto acerca del estado actual del mundo. Se debe contar con criterios para reconocer evidencias lo suficientemente convincentes que obliguen a esta revisión.

12 Problemas de jerarquía y organización Existen tres factores que influyen en la elección de una determinada organización: La complejidad del problema (número de agentes) La imprecisión e incertidumbre La existencia eventual de una descomposición del problema

13 La imprecisión e incertidumbre Cuando hablamos de datos nos referimos a imprecisión, esta aparece generalmente por falta de datos apropiados o por autenticidad con respecto a las fuentes de donde se tomaron esos datos. Cuando la incompletes viene por la parte del conocimiento se le conoce como incertidumbre, estas son debidas a una falta de certeza en las piezas de conocimiento. Técnicas para manejar la incompletes de los datos y del conocimiento. Estocásticos Fuzzy (lógica, conjuntos, MCD) Redes de certeza (modelos probabilísticos)

14 Organizaciones estáticas y dinámicas La dinámica: es la habilidad de los agentes para seleccionar una organización que alcance ciertos objetivos; este tipo debe ayudar a suplir la pérdida de un agente. Parcialmente pre-definidas y a la vez permitir algún tipo de refinamiento durante el proceso de resolución del problema.

15 La existencia eventual de una descomposición del problema La naturaleza del problema puede ser un factor que influya en la organización de los agentes.

16 Compromiso entre computación y comunicación Ancho de banda es crítico Los agentes deben moderar la comunicación; suplen esta falta con otro tipo de computación: Mantener modelos acerca de las creencias y deseos de otros agentes Reconocer los planes de otros agentes Determinar cual es la información relevante y que debe ser comunicada a otro agente En estos casos es importante precisar cuánto tiempo hay que dedicar a comunicación y computación de acuerdo al costo relativo.

17 Por qué utilizar IAD Los problemas complejos están físicamente distribuidos El conocimiento del problema esta distribuido y es funcionalmente heterogéneo; nadie conoce todo acerca de un problema o cuenta con el suficiente conocimiento requerido para crear un sistema (edificio inteligente, un coche de carreras). La complejidad del problema demanda puntos de vista locales; cuando el problema es muy grande para ser tratado como un todo; la solución se basa en vistas locales que permiten rapidez (control de tráfico aéreo)

18 Vista Local El diseño basado en una vista local constituye un aspecto prometedor para resolver problemas complejos; es simple obtener resultados evitando las dificultades al tratar de resolver un problema como un todo. (los resultados emergen producto de las interacciones locales)

19 Los sistemas deben ser capaces de adaptarse a entornos dinámicos. En los contextos de los sistemas MultiAgente debido a la distribución inherente, se asume que el razonamiento es siempre local; permitiendo aparecer y desaparecer a los agentes durante la ejecución.

20 Un sistema MultiAgente Es aquel que contiene dos o más agentes. Debido a que los objetivos no pueden existir sin ser generados por un agente autónomo, es imposible para los agentes existir sin autonomía y así decimos que un sistema es considerado como MultiAgente si cuenta con: Dos o más agentes Al menos un agente es autónomo Al menos existe una relación entre estos dos agentes; donde uno satisface los objetivos del otro

21 Agentes reactivos El diseño de esas arquitecturas esta influenciada por el la teoría de la psicología del comportamiento. Brooks, Chapman and Agree, Kelabling, Maes, Ferber, Arkin Esta clase de agentes también es conocida como: Basdos en el comportamiento Ubicados (inmersos) reactivos

22 La dinámica de la selección-acción para este tipo de sistemas emerge con base en dos aspectos básicos: Las condiciones del entorno Objetivos internos de cada agente Sus principales características son: Interacción dinámica con el entorno Mecanismos internos que permiten trabajar con recursos limitados e información incompleta

23 El diseño de estas arquitecturas reactivas esta guiado parcialmente por la hipótesis de Simon: La complejidad del comportamiento de un agente, puede ser reflejo de la complejidad del entorno, más que que de un comportamiento complejo.

24 Brooks considera que el mejor modelo para razonar es el mundo.... Y construir sistemas reactivos basados en la percepción acción (essence of intelligence) Una vez que la esencia del ser y la reacción están disponibles, la solución a probelmas como: comportamiento, lenguaje, concimiento experto y su aplicación, y razonamiento, se vuelve simple.

25 Funcionalidad Vs. Comportamiento Desde una perspectiva funcional, la IA clásica ve a un sistema inteligente como un conjunto independiente de procesadores de información. La arquitectura incluida (subsumption) proporciona una descomposición orientada a la actividad; de esta forma un conjunto de actividades (comportamientos) puede ser identificado. Los comportamientos trabajan en paralelo, y están conectados al mundo real a través de percepciones y acciones.

26 Fundamentan su conducta en El mundo real (Brooks, 1991) y aquí se hace un contraste entre los sistemas físicos de símbolos y los sistemas fundamentados en el mundo real En este caso el sistema, tiene el comportamiento dividido en varios módulos que interactúan con el entorno para producir un comportamiento complejo, sin utilizar modelos centralizados.

27 Comportamiento Emergente La capacidad de percibir el entorno en estos sistemas, los dota de un comportamiento emergente que en palabras de (Maes) se explica de la siguiente manera:

28 La funcionalidad de un agente es vista como una propiedad emergente a raíz de la intensa interacción del sistema con el entorno dinámico. La especificación del comportamiento de un solo agente no explica la funcionalidad que se observa cuando el agente esta en funcionamiento.

29 La funcionalidad del agente en un alto porcentaje depende de los eventos que se presentan en el entrono dinámico. El entorno no es el único factor que se toma en cuneta para el diseño, pero sus características dinámicas son las que disparan el funcionamiento del sistema.

30 Ejemplos de esta escuela son Modelos Biológicos: Algoritmos genéticos Redes neuronales Otros modelos bottom-up están inspirados en: Teoría de control (Beer) Análisis de sistema dinámicos

31 Sin embargo una conclusión es que el análisis y diseño de los sistemas inteligentes necesitan ambos enfoques una propuesta de modelo es la realizada por Kealbling y Rosenschein (1990), en 1995 crean un lenguaje para especificar el comportamiento deseado del agente y un compilador que produce las acciones y que se parece a los circuitos. (Laureano,

32 FIN