La naturaleza del entorno

INTRODUCCIÓN

Como ya sabemos la inteligencia artificial tiene el objetivo de estudiar entidades inteligentes, el estudio de estas entidades debe darse mediante un orden y clasificación de las diferentes entidades racionales que existen o pueden crearse para ser más clara , un agente taxista no tendrá los mismos objetivos que cumplir, ni el mismo entorno, ni los mismos actuadores ni sensores que los que tendría un agente aspiradora y si los tuviera, uno de los dos agentes o ambos tendría un diseño equivocado por lo cual no cumplirá con su función correctamente , es por ésto que la inteligencia artificial, clasifica los tipos de entorno en los que un agente pueda trabajar, de manera que se facilite la implementación de un agente y se escoja bien el diseño del mismo ya que de una correcta clasificación depende también el correcto funcionamiento del agente.

OBJETIVO

El objetivo de la siguiente clase es el estudio de los distintos entornos de trabajo que existen dependiendo el tipo de agente a diseñar.

MARCO TEÓRICO

¿Qué es un entorno de trabajo?

Se podría definir al entorno de trabajo como las condiciones que ocurren dentro del cumplimiento laborar, pero enfocando éste concepto a la Inteligencia Artificial y al diseño de agentes inteligentes o racionales, entorno de trabajo es representado por los problemas, los cuales serán solucionados por los agentes.

Especificación del entorno de trabajo

La inteligencia artificial debe tomar en cuenta siempre el entorno en el que los agentes se desenvolverán por lo cual se especifica el REAS que significa lo siguiente:

Imagen 1: REAS definición.

Cabe recalcar que el REAS varía dependiendo del tipo de agente así como lo indica el cuadro 1:

Cuadro 1: REAS para cada tipo de agente.

Propiedades de los entornos de trabajo

Los entornos de trabajo que pueden tener los agentes varían dependiendo del tipo de agente y la clasificación de estos entornos servirá mucho para diseñar el agente.

• Totalmente observable  vs. parcialmente observable

El entorno de trabajo es totalmente observable cuando los aspectos que sirven para la toma de decisiones son todos detectados por los sensores y es parcialmente observable cuando se da lo contrario por razones como ruido o quizá sensores no muy exactos o adecuados para el tipo de agente.

• Determinista vs. estocástico.

Un agente es estocástico cuando se basa en las probabilidades y la incertidumbre de no saber exactamente lo que ocurrirá en su entorno, en cambio cuando el medio está determinado por el estado actual,  el agente es Determinista.

Estratégico: Un agente puede ser estratégico si el medio es determinista sin embargo las acciones de otros agentes no lo son, como en el caso del juego de ajedrez o el taxi automático.

• Episódico vs. secuencial

Un agente es episódico cuando su acción no determina una secuencia de acciones futuras, en cambio es secuencial cuando sus acciones pueden cambiar el resto de acciones, como por ejemplo una frenada en mal momento del agente taxista puede determinar un sin número de acciones futuras.

• Estático vs. dinámico.

Un agente es estático cuando el medio ambiente no cambia mientras se toma la decisión, y un agente dinámico es todo lo contrario, como en el caso del agente taxista, al girar a la derecha puede cambiar su entorno de muchas maneras mientras toma esa decisión de girar. 

SemiDinámico: Es cuando el rendimiento del agente cambia aunque el entorno no lo haga.

• Discreto vs. contínuo.

Un agente discreto es aquel en el que el tiempo, el medio y las percepciones que tiene no son infinitas como lo haría un agente continuo.

• Agente individual vs. multiagente

Un agente individual es aquel que no depende de otro para cumplir con su medida de rendimiento, como es el caso del agente aspiradora, sin embargo un multiagente sería un agente jugador de ajedrez cuya medida de rendimiento depende también del rendimiento del otro agente.

Para poder entender mejor los distintos entornos con los que el agente puede ser diseñado el cuadro 2 muestra algunos ejemplos con diferentes agentes.

Cuadro 2: Propiedades del entorno según los agentes.

Aporte: Chips basados en el cerebro humano

El cerebro humano tiene un funcionamiento complejo y sorprendente y su red de información tiene alrededor de 86.000 millones de neuronas que se conectan unas con otras en un constante intercambio de información, y es que a pesar de que los computadores realicen tareas mucho más rápido que las personas, para ser más concretos el tiempo de respuesta es en una nanosegundo, el cerebro es mucho más experto en lo que sabe hacer, por lo cual ningún ordenador se compara a su funcionamiento.

La empresa desarrolladora mundialmente reconocida IBM desarrolló un chip llamado TrueNorth que tiene aproximadamente 256 millones de conexiones y es la base del sistema computacional.

CONCLUSIÓN

El diseño de un agente y su implementación no puede darse sin antes tener en cuenta las medidas de rendimiento que especifican las funcionabilidades principales, el entorno que será donde trabaje el agente, los actuadores que permiten que actué con el entorno y los sensores que permiten percibir el mismo, todo lo anteriormente dicho es definido más claramente como REAS.

Un agente puede tener varios tipos de entorno así mismo como distintos REAS y de su correcto diseño depende también el correcto funcionamiento del agente y que éste pueda alcanzar los objetivos que en un principio fueron planteados. 

BIBLIOGRAFÍA

Hermoso, R y Centeno, R. 2010. Inteligencia Artificial. ES. Consultado el 12 de nov. 2014. Formato PDF. Disponible en: www.ia.urjc.es/cms/sites/default/files/userfiles/.../tema01_to_print.pdf

Jiménez,L. Sánchez, L. 2007. Agentes Inteligentes. ES. Consultado el 12 de nov. 2014. Formato PDF. Disponible en: http://www.sanchezcrespo.org/Docencia/IA/IA%20-%20Tema%203B%20-%20Busquedas%20v1.3.pdf

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