INTRODUCCIÓN
Esta clase empezó con sus respectivas
narraciones de la clase anterior y exposición o introducción a la clase nueva,
el refuerzo de la materia lo realizó la Docente Hiraida Santana que nos explicó
sobre la naturaleza del entorno de los agentes inteligentes.
El objetivo de esta clase fue que los alumnos
comprendieran más sobre los agentes inteligentes sabiendo todo sobre ella lo
que será de mucha ayuda para el futuro profesional.
MARCO
TEÓRICO
LA
NATURALEZA DEL ENTORNO
Especificación
del entorno de trabajo
El entorno
de trabajo, para cuya denominación se utiliza el acrónimo REAS (Rendimiento,
Entorno, Actuadores, Sensores). En el diseño de un agente, el primer paso debe
ser siempre especificar el entorno de trabajo de la forma más completa posible.
Propiedades
de los entornos de trabajo
El
rango de los entornos de trabajo en los que se utilizan técnicas de IA es
obviamente muy grande. Sin embargo, se puede identificar un pequeño número de
dimensiones en las que categorizar estos entornos. Estas dimensiones
determinan, hasta cierto punto, el diseño más adecuado para el agente y la
utilización de cada una de las familias principales de técnicas en la
implementación del agente. Primero se enumeran las dimensiones, y después se
analizan varios entornos de trabajo para ilustrar estas ideas. Las definiciones
dadas son informales.
•
Totalmente
observable vs. Parcialmente observable.
Si
los sensores del agente le proporcionan acceso al estado completo del medio en
cada momento, entonces se dice que el entorno de trabajo es totalmente observable.
Un entorno de trabajo es, efectivamente, totalmente observable si los sensores
detectan todos los aspectos que son relevantes en la toma de decisiones; la
relevancia, en cada momento, depende de las medidas de rendimiento. Entornos
totalmente observables son convenientes ya que el agente no necesita mantener
ningún estado interno para saber qué sucede en el mundo. Un entorno puede ser
parcialmente observable debido al mido y a la existencia de sensores poco
exactos o porque los sensores no reciben información de parte del sistema.
•
Determinista
vs. Estocástico.
Si
el siguiente estado del medio está totalmente determinado por el estado actual
y la acción ejecutada por el agente, entonces se dice que el entorno es
determinista; de otra forma es estocástico. En principio, un agente no se tiene
que preocupar de la incertidumbre en un medio totalmente observable y
determinista. Sin embargo, si el medio es parcialmente observable entonces
puede parecer estocástico. Esto es particularmente cierto si se trata de un
medio complejo, haciendo difícil el mantener constancia de todos los aspectos
observados. Así, a menudo es mejor pensar en entornos deterministas o
estocásticos desde el punto de vista del agente. Si el medio es determinista,
excepto para las acciones de otros agentes, decimos que el medio es
estratégico.
•
Episódico
vs. Secuencial.
En
un entorno de trabajo episódico, la experiencia del agente se divide en
episodios atómicos. Cada episodio consiste en la percepción del agente y la
realización de una única acción posterior. Es muy importante tener en cuenta
que el siguiente episodio no depende de las acciones que se realizaron en
episodios previos. En los medios episódicos la elección de la acción en cada
episodio depende sólo del episodio en sí mismo. Muchas tareas de clasificación
son episódicas. En entornos secuenciales, por otro lado, la decisión presente
puede afectar a decisiones futuras. Los medios episódicos son más simples que
los secuenciales porque la gente no necesita pensar con tiempo.
•
Estático
vs. Dinámico.
Si
el entorno puede cambiar cuando el agente está deliberando, entonces se dice
que el entorno es dinámico para el agente; de otra forma se dice que es
estático. Los medios estáticos son fáciles de tratar ya que el agente no
necesita estar pendiente del mundo mientras está tomando una decisión sobre una
acción, ni necesita preocuparse sobre el paso del tiempo. Los medios dinámicos,
por el contrario, están preguntando continuamente al agente qué quiere hacer;
si no se ha decidido aún, entonces se entiende que ha tomado la decisión de no
hacer nada. Si el entorno no cambia con el paso del tiempo, pero el rendimiento
del agente cambia, entonces se dice que el medio es semidinámico.
•
Discreto
vs. Continuo.
La
distinción entre discreto y continuo se puede aplicar al estado del medio, a la
forma en la que se maneja el tiempo y a las percepciones y acciones del agente.
•
Agente
individual vs. Multiagente.
La
distinción entre el entorno de un agente individual y el de un sistema
multiagente puede parecer suficientemente simple. Sin embargo hay algunas
diferencias sutiles. Primero, se ha descrito que una entidad puede percibirse
como un agente, pero no se ha explicado qué entidades se deben considerar
agentes. La distinción clave está en identificar si el comportamiento B está
mejor descrito por la maximización de una medida de rendimiento cuyo valor
depende del comportamiento de A. Los problemas en el diseño de agentes que
aparecen en los entornos multiagente son a menudo bastante diferentes de los
que aparecen en entornos con un único agente; en algunos entornos competitivos
parcialmente observables el comportamiento estocástico es racional ya que evita
las dificultades de la predicción.
Como
es de esperar, el caso más complejo es el parcialmente observable, estocástico,
secuencia, dinámico, continuo y multiagente. De hecho, suele suceder que la
mayoría de las situaciones reales son tan complejas que sería discutible
clasificarlas como realmente deterministas. A efectos prácticos, se deben
tratar como estocásticas. Hay que tener en cuenta que las respuestas no están
siempre preparadas de antemano.
Otras
entradas de la tabla dependen de cómo se haya definido el entorno de trabajo.
Muchos entornos son, también, episódicos si se observan desde un nivel de
abstracción más alto que el de las acciones individuales del agente.
CONCLUSIÓN
Esta clase sobre todo de los agente y su
entorno se entendió de cómo trabaja en si el software de cada agente
inteligente que es lo que hace según cual sea donde este aplicado. Lo cual ayudara a los estudiantes en un futuro profesional.
BIBLIOGRAFÍA
Russell,
S, y Norving P. 2004. Inteligencia Artificial Un Enfoque Moderno. 2da ed. Cap. 2. Pág. 37-62.
Aguerra,
L. 2012. Agentes inteligentes. (En línea). Formato PDF. Disponible en: http://www.uv.mx/aguerra/documents/2013-ia2-01.pdf
No hay comentarios:
Publicar un comentario