INTRODUCCIÓN
La inteligencia artificial tiene como objetivo principal estudiar las entidades inteligentes, para luego crear entidades que logren pensar como humanos. Los agentes racionales son aquellos que logran actuar de manera correcta dentro de su entorno, todo esto mediante actuadores y sensores, así como los seres humanos, el cuerpo es el que percibe el entorno mediante los sensores, y la mente determina las acciones que conllevan las percepciones, una medida de rendimiento será en este caso la guía del proceso.
Hacer que un agente artificial tenga autonomía, es decir actué en base a la secuencia de percepciones y pueda tener la capacidad de ir aprendiendo a medida que su entorno evoluciona, es el principal objetivo de la IA, para así lograr crear agentes que sepan hacer lo correcto y actúen de manera eficiente sin depender únicamente de los conocimientos que los diseñadores impongan.
Hacer que un agente artificial tenga autonomía, es decir actué en base a la secuencia de percepciones y pueda tener la capacidad de ir aprendiendo a medida que su entorno evoluciona, es el principal objetivo de la IA, para así lograr crear agentes que sepan hacer lo correcto y actúen de manera eficiente sin depender únicamente de los conocimientos que los diseñadores impongan.
OBJETIVO
El objetivo de la siguiente publicación es aprender sobre los agentes que son capaces de razonar, es decir, los agentes inteligentes o racionales y la omnisciencia, aprendizaje y autonomía que pueden tener los mismos.
MARCO TEÓRICO
Agente Racional
Un agente racional es un ente capaz de actuar de manera razonable analizando su entorno y ejecutando acciones mediante actores y sensores los que permitirán elegir la mejor de las opciones posibles para de esta forma lograr obtener beneficios.
Un agente racional debe tener la capacidad de diferenciar entre lo que es correcto y lo que no lo es.
Un agente de es un sistema de computación que tiene autonomía y flexibilidad, entendiéndose por ésto último a las siguientes características:
La meta de la Inteligencia Artificial es diseñar un agente que tenga la capacidad de razonar de acuerdo con el medio en el que se desenvuelva, y que básicamente haga dos cosas importantes:
Un agente de es un sistema de computación que tiene autonomía y flexibilidad, entendiéndose por ésto último a las siguientes características:
- Reactivo: Es decir que pueda responder a cambios en el medio que se encuentre
- Pro-activo: El agente debe cumplir sus objetivos propios.
- Social: Debe existir comunicación con otros agentes.
La meta de la Inteligencia Artificial es diseñar un agente que tenga la capacidad de razonar de acuerdo con el medio en el que se desenvuelva, y que básicamente haga dos cosas importantes:
- Deben fijar medidas de rendimiento eficientes
- Tener en cuenta el Principio de Racionalidad Restringida de Herbert Simon
 |
| Imagen 1: Agente inteligente |
Medidas de Rendimiento
Las medidas de rendimiento son los criterios determinadores del éxito de un agente, un agente debe percibir el entorno y luego de ésto tendrá una secuencia de percepciones y si ésta es la adecuada, el agente actúa de manera correcta.
Existen distintas medidas de rendimiento distinguiendo los tipos de agente al que se refieran, los agentes podrían no saber qué responder sobre su actuar , o podrían también engañarse a si mismos como las personas que fingen no querer algo después de que ya no lo han conseguido, para que un agente sepa responder sobre su actuar es necesario tener medidas de rendimiento objetivas.
Las medidas de rendimiento deben diseñarse de acuerdo con el agente y su entorno, más que por cómo se cree que el agente debe comportarse.
Las medidas de rendimiento deben diseñarse de acuerdo con el agente y su entorno, más que por cómo se cree que el agente debe comportarse.
Racionalidad
La racionalidad depende de 4 factores:
 |
| Gráfico 1: Factores de la racionalidad Un agente racional pretende actuar de la manera más correcta maximizando las utilidades, es decir el rendimiento, basándose en la secuencia de percepciones que tiene almacenadas. |
 |
| Gráfico 2: Factores importantes para determinar si un agente es racional o no.
En el caso del agente aspiradora éste es premiado por cada recuadro limpio alrededor de un promedio de tiempo y esa es su medida de rendimiento, conoce el entorno aunque el agente no sabe qué tan lejos está de la suciedad, el agente aspiradora mantiene limpio el cuadriculo en el que se encuentra y percibe su localización actual mediante sensores, su actuador es realizar la acción de moverse a la izquierda, derecha, limpiar o simplemente no hacer nada. Explicando de ésta forma se podría decir que el agente es racional, sin embargo, cuando el piso está limpio no habría nada que hacer y si el agente realiza acciones de buscar cuadros sucios, este no estaría actuando de manera racional, el agente debe tener la capacidad de percibir el entorno y limpiar sólo si es necesario y si no conoce el entorno , explorarlo.
Omnisciencia, aprendizaje y autonomía |
Un ejemplo de que los agentes no aplican la omnisciencia independientemente de si son o no racionales, es lo que pasó en un caso de 1000 maneras de morir, un señor cruzo la calle cuando estaba en rojo y ésto era lo que haría cualquier agente racional en su posición sin embargo, por fallas eléctricas para los conductores el semáforo estaba en verde, por lo cual el señor fue atropellado y murió. Son muchas las cosas que pasan que no siguen una secuencia con lo que suele pasar, cada día es distinto y no existe el plan llevado a cabo con perfección, por lo cual, ser omnisciente es imposible hasta ahora.
La perfección no hace que el agente sea racional, más bien el agente se debe guiar y ejecutar acciones por medio de la secuencia de percepciones que tendrá y se llevan a cabo acciones con el fin de modificar las futuras percepciones para lo cual es necesario :
- Recopilar información.
- Explorar.
El aprendizaje: Para que un agente sea considerado racional necesita no sólo percibir algo, sino también aprender sobre la secuencia de percepciones que tiene, existen algunos agentes que conocen su entorno de trabajo a la perfección, por lo cual solo tienen que dedicarse a actuar de manera correcta o incorrecta.
Existen agentes que siguen solamente la secuencia de percepciones pero en este caso el agente debe tener la capacidad de percibir y aprender en conjunto, como por ejemplo las hormigas, cuando llevan su alimento lo hacen casi mecánicamente, si alguien les quitara el alimento de encima, ellas no se regresarían a ver otro poco de comida si no que más bien harían de cuenta que nada pasó, y ésto es muy propio de agentes no racionales, es decir no aprenden sobre las percepciones.
La autonomía:
Para que un agente sea autónomo necesita centrarse en las percepciones del medio en que se encuentre más que en el código que le dio el diseñador, es decir, los agente autónomos no se guían por reglamentos externos impuestos. Pueden haber dos clases de agentes autónomos y son los que tienen una conducta basada en su experiencia es decir percepciones, y los que basan su conducta a partir de su red neuronal.
Cuando es la primera vez que el agente se encuentra en un medio o actuando, este no necesariamente tiene que ser autónomo, ya que al igual que los seres humanos, primero el agente debe aprender para luego y llenando el conocimiento que le dieron al inicio, como cuando se enseña a los bebés a decir papá o mamá y en el transcurso el niño aprende palabras que oyó y que los padres no enseñaron inicialmente, ese sería el comportamiento de un agente inteligente.
Un agente aspiradora con autonomía por ejemplo, será más eficiente ya que sabrá hacia dónde deber ir según lo que va aprendiendo.
Aporte: Robot Golem
Es el primer robot desarrollado en México, capaz de mantener una conversación en español, de la forma en la que lo haría una persona y se basa en la tecnología que se desarrolló para los Diálogos Inteligentes Multimodales.Los componentes que permitían que el robot mantuviera una conversación son:
- Visión computacional.
- Desligue de texto, imágenes y videos.
CONCLUSIÓN
Un agente racional es aquel que tiene la capacidad de razonar, es decir es inteligente, ya que por medio de percepciones o redes neuronales va aprendiendo y no se quedará sólo con el conocimiento dado por el diseñador, ya que el medio en el que los agentes se desarrollan cambia, y el agente debe tener las medidas de rendimiento más eficientes para cumplir mejor sus objetivos.
Un agente inteligente artificial sin embargo no puede saberlo todo y actuar respecto a este conocimiento, ya que ni siquiera los seres humanos lo han logrado, el agente inicialmente tendrá conocimientos básicos y luego deberá aprender según como se den los sucesos en su entorno,y razonará en base a la secuencia de percepciones lo cual lo llevará a ser un agente autónomo.
BIBLIOGRAFÍA
Jiménez,L. Sánchez, L. 2007. Agentes Inteligentes. ES. Consultado el 13 de nov. 2014. Formato PDF. Disponible en: http://www.sanchezcrespo.org/Docencia/IA/IA%20-%20Tema%203B%20-%20Busquedas%20v1.3.pdf
Romero, J; Dafonte, C; Gómez, A; Penousal, J. 2007. Inteligencia Artificial y Computación Avanzada. ES. Colección Informática nº 13. p 400.
Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2 ed. España. Pearson Education. p 34-47.
V. Julián, V. Botti. 2000. Agentes Inteligentes: el siguiente paso en la Inteligencia Artificial. ES. Consultado el 11 de nov. 2014. Formato PDF. Disponible en: http://www.ati.es/novatica/2000/145/vjulia-145.pdf
Buena informacion. Gracias por el aporte!
ResponderBorrar