Agentes Inteligente

Agentes Inteligentes

Agente inteligente definición:

• ·         Un sistema computacional capaz de actuar de manera independiente como representante de su usuario (satisfaciendo unos objetivos de diseño y sin supervisión).
• ·         Sistemas computacionales capaces de realizar acciones de manera autónoma en algún entorno, con el propósito de alcanzar una serie de objetivos que tiene delegados.
• ·         Sistemas computacionales capaces de realizar acciones de manera autónoma y flexible en algún entorno, con el propósito de alcanzar una serie de objetivos que tiene delegados.

El principal interés de los agentes es que son autónomos (capaces de actuar de manera independiente).

Un agente está fuertemente ligado y en continua interacción con su entorno: 

percepción – decisión – acción – percepción – decisión – ...Agentes Simples: Termostato, demon unix. No estamos interesados en agentes simples.

• Entendiendo como flexible: Reactivo, proactivo y social:
  Un sistema reactivo ha de mantener una interacción continua con el entorno y responder a los cambios que ocurren (a tiempo para que la respuesta tenga utilidad).
  En un entorno fijo, un agente no debe preocuparse del resultado de sus acciones, puede actuar sin pensar en las consecuencias.
  Los entornos reales (los interesantes) son dinámicos, sus elementos cambian, su información es incompleta y/o incierta.
  En entornos dinámicos el sistema ha de tener en cuenta la posibilidad de un resultado no esperado (preguntarse si debe realizar la acción prevista).
  
  
  Reaccionar al entorno es fácil  Estimulo =⇒ acción respuesta. Pero queremos que los agentes hagan cosas por nosotros. Esto implica un comportamiento dirigido por objetivos. Proactividad = Generar e intentar cumplir objetivos, no dirigidos únicamente por eventos, tomando la iniciativa. Esto implica el poder y saber reconocer oportunidades (cuándo se puede actuar).
  
  
  Necesitamos que un agente reaccione apropiadamente a los cambios en el entorno (reactividad). Necesitamos que un agente sea capaz de cumplir objetivos a largo plazo (proactividad). Ambas características pueden interferir. El conseguir una combinación adecuada de ambas es un problema no resuelto.
  
  
  El mundo real es un entorno multi-agente, no es posible obtener los objetivos propios sin considerar los de otros. Algunos objetivos solo se pueden cumplir con la interacción de otros. La habilidad social en agentes es la capacidad de interactuar con otros agentes (incluidos humanos) vía cooperación, coordinación y negociación Esto implica el tener que usar algún lenguaje de comunicación.

Objetos y agentes: Encapsulan un estado Se comunican por paso de mensajes Tienen métodos que corresponden con las acciones que se pueden realizar según su estado, Pero los agentes son: Autónomos, deciden por si mismos si actúan o no al recibir peticiones de otros agentes Inteligentes, capaces de comportamientos flexibles (reactivos, proactivos, sociales) Activos.

Arquitecturas reactivas puras Los agentes poseen sensores y actuadores conectados al entorno. La conducta del agente se basa en estímulo-respuesta, la conexión entre sensores-actuadores hace emerger una conducta inteligente.

Arquitecturas reactivas con estado interno Los agentes tienen además un modelo del entorno que utilizan para decidir la reacción al estímulo.

Arquitecturas deliberativas (orientadas por objetivos) Poseen una representación interna del mundo, siguen una aproximación simbólica y su funcionamiento se basa en el razonamiento (lógicas).

 Arquitecturas híbridas Diferentes capas de decisión combinan las dos aproximaciones. El objetivo es obtener las ventajas de cada una evitando los inconvenientes

Aprendizaje en sistemas multiagente.

Abstract—La robótica móvil en espacios discontinuos presenta una fuente inagotable de retos para su desarrollo. Es por eso que en éste artículo se presenta el desarrollo de un método de aprendizaje básico implementado a partir de aprendizaje por refuerzo que permite obtener un sistema de toma de decisiones con un bajo costo computacional. Para el desarrollo del presente trabajo se estudiaron dos métodos, el primero basado en el procesos de decisión de Markov (MDP); el segundo basado en Q learning. Estos métodos fueron implementados en agentes sencillos con los cuales se obtuvo un sistema multiagente para analizar sus respuestas en un espacio no supervisado.

Q- learnig es escoger una función-Q, la cual es una predicción del retorno asociado, con cada acción a, Esta predicción puede ser actualizada con respecto a la predicción de los retornos en el próximo estado visitado, Se puede definir la función de evaluación Q(s,a) como el máximo refuerzo descontado acumulado que se obtiene al empezar en un estado inicial s y aplicando la acción a como primera acción, se puede alcanzar una política óptima sin necesidad de tener conocimiento sobre las funciones de transición de estado ni de refuerzo, solamente con el conocimiento de las acciones, en el MDP se juega a encontrar una política optima en QLerninig se obtiene una tabla de estados contra acciones donde con cada acción se actualiza esa tabla generando una recompensa o castigo para ciertos estados ya visitados, por lo tanto a medida que las acciones se ejecutan se conoce el resultado de ciertas acciones en el entorno y se puede escoger cursos de acción diferentes para el agente. En el proceso del algoritmo de Q(s,a) se debe  actualizar la evaluación en las entradas de la tabla.

Bibliográfica 

* Anónimo. (29 de Noviembre de 2017). UBERCOM ecomercio. Obtenido de los agentes inteligentes de internet: 

https://www.urbecom.com/blog/los-agentes-inteligentes-de-internet/

* karma. P. (29 de Noviembre de 2017). Blog. Los agentes inteligentes entenderán el contenido de la web:

https://karmapeiro.blogspot.mx/2006/03/los-agentes-inteligentes-entendern-el.html?showComment=1512012228031&m=1#c6110976985506485471

* Angeles. (29 de Septiembre de 2017). Blog. Los primeros agentes inteligentes en los videojuegos:

https://mangelesbroullon.wordpress.com/2013/08/20/los-primeros-agentes-inteligentes-en-los-videojuegos/comment-page-1/#comment-1763

* Fernandez. C. (29 de Septiembre de 2017). Blog. Agentes Inteligentes:

http://inteligencia-artificial-unsxx.blogspot.mx/p/agentes-inteligentes.html?m=1