1
Introducción a la Inteligencia
Artificial
AGENTES INTELIGENTES
Ana Casali
2
IA Distribuida Ingeniería de
software
Sistemas
distribuidos y redes POO
NOCION DE
AGENCIA
3
INTELIGENCIA ARTIFICIAL
DISTRIBUIDA
Porque IA Distribuida?
Porque distribuir IA?
Los problemas están físicamente distribuidos
El mundo está compuesto por entidades autónomas
Estas entidades interactúan entre sí y con el entorno
NOCION AGENTES
4
SISTEMAS MULTIAGENTES Campo Interdisciplinario: sistemas distribuidos, IA,
teoría de juegos, ciencias sociales
Agentes como un nuevo paradigma de la
Ingeniería de Software: para diseñar e
implementar sistemas complejos
distribuidos
Agentes como una herramienta para
entender sociedades humanas:
permiten una interesante forma de
simular sociedades
5
Noción de agente
Cuando se hace referencia a la idea de agente surgen dos ámbitos de trabajo:
El agente en sí mismo
(aspectos personales)
Los conjuntos de agentes
(aspectos sociales)
Similitud con lo que sucede a nivel humano
6
QUE ES UN AGENTE?
Es una entidad física o virtual que posee ciertas características generales:
Es capaz de percibir el entorno
Posee una representación parcial del entorno.
Es capaz de actuar sobre el entorno
Puede comunicarse
Posee un conjunto de objetivos que gobiernan su comportamiento
Posee recursos propios
7
Sistemas Multiagentes
(MAS)
SISTEMAS COMPLEJOS
Pueden ser descompuestos en
componentes de software modulares y
de funciones específicas: agentes
Son concebidos como organizaciones
de agentes MAS
8
Sistemas Multiagentes (MAS)
• Los agentes pueden compartir conocimiento
sobre el problema y las posibles soluciones.
• Los agentes en un MAS pueden compartir
una meta o tener metas independientes.
• El ¨conocimiento global¨ puede incluir control
global, consistencia global, metas globales, etc.
• La coordinación puede ser muy compleja.
9
QUE ES UN AGENTE?
10
QUE ES UN AGENTE ????
QUE DISTINGUE A UN AGENTE DE
SOFTWARE (SOFTBOT) DE OTRO
TIPO DE PROGRAMA ????
Distintas Definiciones: A Taxonomy for
Autonomous Agents, S. Franklin and Art
Graesser University of Memphis
11
QUE ES UN AGENTE ????
"Es todo aquello que percibe su
ambiente mediante sensores y que
responde o actúa mediante efectores."
Russell and Norvig
The AIMA Agent, 1995
Que entendemos por ambiente, sensores y
actuación ?
12
AGENTE
Representación de Norvig&Russell
13
QUÉ ES UN AGENTE INTELIGENTE
Un agente inteligente es aquél que puede
percibir un mundo perceptual mediante SENSORES y
actuar sobre ese mundo mediante EFECTORES (o actuadores)
META de la IA Diseñar un agente inteligente/racional que opere o actúe adecuadamente en sus ambientes.
14
AGENTE INTELIGENTE /RACIONAL???
Debe hacer siempre lo correcto de
acuerdo a sus percepciones.
Es aquel que emprende la mejor
acción posible en una situación
dada. Russel & Norvig
Racional no es omnisciente
15
RACIONALIDAD
Depende de
La secuencia de percepciones - todo lo que el agente ha percibido hasta ahora
La medida de éxito elegida
Cuánto conoce el agente del ambiente en que opera
Las acciones que el agente esté en condiciones de realizar
16
QUE ES UN AGENTE ?
“Es un sistema de computación situado en
algún entorno, que es capaz de una acción
autónoma y flexible para alcanzar sus
objetivos de diseño."
Wooldridge & Jennings
Débil
Nociones de Agentes
Fuerte
17
AGENTES: propiedades
Noción Débil:
Es la forma más general en que es usado el
término agente. Es un sistema de software
(hardware) con las siguientes propiedades:
Autonomía. (actuar sin intervención, control)
Habilidad Social.(lenguaje de comunicación)
Reactividad. (percepción-acción)
Proactividad. (dirigido a la meta, toma
iniciativa)
18
AGENTES: ejemplos
Ejemplos
Agentes triviales
Termostato
demonio en UNIX (biff)
Agentes inteligentes
agente recomendador
agentes de interfaz
agentes que negocian
19
AGENTE: nociones mentales
Noción más fuerte: Además de las
propiedades anteriores, se agregan
nociones mentales como:
Conocimiento. Actitudes de
Creencias. información
Intenciones.
Obligaciones Pro-actitudes
(Emociones).
20
ACTITUDES DE INFORMACION
Creencia es la información que un agente recibe
de otros agentes (software, personas).
Todo sistema cuando recibe información se
construye un mundo que intenta representar el
mundo exterior.
Conocimiento - Evidencia es la información que
proviene de mediciones o inspecciones directas.
21
REPRESENTACIÓN DE CREENCIAS
El agente A cuando recibe esa información, lo que
tiene es una creencia de que hace muy buen tiempo.
EJEMPLO:
22
TIPOS DE AGENTES
Estáticos o móviles.
Deliberativos o reactivos
El agente posee una representación
del mundo en base a la que razona o
tiene un comportamiento reflejo que
depende de sus percepciones ???
Otras clasificaciones
23
Ejemplo
Ejemplo – Taxi con piloto automático
(taximetrero reemplazado por un agente
inteligente )
Percepciones ??
acciones ??
Metas ??
Ambiente ??
24
Taxi con piloto automático Percepciones
Video, acelerómetro, instrumental del tablero, sensores del motor
Acciones
gestión del volante, acelerar y frenar, bocina
Metas seguridad, llegar a destino, maximizar
ganancias, obedecer las leyes, satisfacción del cliente
Ambiente
calles urbanas, avenidas, tráfico, peatones, clima, tipo de cliente
25
Ejemplos de distintos tipos de agentes
26
ARQUITECTURAS DE
AGENTES
27
SISTEMAS MULTIAGENTES: Cómo
especificarlos?
DISTINTOS NIVELES :
TEORIAS FORMALES.
ARQUITECTURAS.
LENGUAJES DE PROGRAMACION.
APLICACIONES.
Wooldridge, Introduction to Multiagent Systems
28
TEORIAS SOBRE AGENTES
Que es un agente?
Que propiedades debe tener?
Cómo se representan dichas propiedades
formalmente?
Cómo se razona acerca de ellas?
MODELO ABSTRACTO
Entorno: S={s1, ....,sn}
Acciones A= {a1,...an}
(capacidad de actuar del agente)
Agente: acción: S A
Interacción Agente-entorno (historia)
h: S0 a0 S1 ....... S0
Observación del entorno: ver:S P
30
ARQUITECTURA DE AGENTES
Uno de los aspectos que deben balancear es la
percepción/acción y el razonamiento sobre como actuar.
DELIBERATIVAS: Contienen un modelo simbólico,
explícitamente representado del entorno - SS (IRMA)
REACTIVAS: Generalmente no incluyen
representación simbólica del mundo - la inteligencia real
está ¨situada¨- interacción (Subsumption architecture)
HIBRIDAS: Tratan de combinar las dos
aproximaciones - (layers, BDI architectures)
31
ARQUITECTURA BDI
Tiene sus raíces en ver a los agentes como
sistemas intencionales, los primeros trabajos son de
Rao&Georgeff (1995)
B: belief, representa las creencias del agente
D: desire, representan los deseos del agentes,
cuales son los estados del mundo que prefiere.
I: intentions, representan las intenciones del
agente, los objetivos que me llevaran a satisfacer
los deseos - estos derivan en un plan
33
ARQUITECTURA BDI
Tiene sus raíces en el proceso de decidir que ación
realizar para alcanzar las metas.
Involucra los procesos:
Deliberación: decidir que metas alcanzar
(DESEOS-GOALS)
Razonamiento de medios y fines: como
alcanzarlas INTENCIONES acciones
Alternativas para alcanzar la meta
34
ARQUITECTURA BDI – modelo básico
La función que agrupará todas las funciones
definidas será : P A
Función acción p: P , A
Begin
B = FB (p: P)
D = opciones ( B)
I = filtro(B,D,I)
return (ejecutar(I))
End
35
ARQUITECTURA BDI – modelo básico
36
Ejemplo: TERMOSTATO
D = mantener temperatura en T
B = { t (A), OK(T) }
I = { Calentar, Enfriar, nada}
P t (actual) B
Filtro: - Si A > T entonces I = Enfriar
- Si A < T entonces I = Calentar
- Si A = T entonces I = Nada
Acción: Case I de
Enfriar Acción = bajar temp
Calentar Acción = subir temp
Nada Acción = nada
37
LENGUAJES DE AGENTES
Es un lenguaje que permite programar sistemas
computacionales, en términos de conceptos
desarrollados en modelos formales de agentes
Agent0 (Shoham, 1990): un paradigma
para programación de agentes BDI.
Familia DMARS: JASON, JACK, JADE
Familia APL (2APL, 3APL)
38
AGENTES PARA
CONSTRUIR SISTEMAS
MULTIAGENTES
39
Sistemas Multiagentes COORDINACION
Para que un conjunto de agentes pueda
desarrollar una actividad conjunta en un
entorno compartido debe existir algún tipo de
coordinación
AGENTES
COOPERATIVOS
AGENTES
COMPETITIVOS
PLANIFICACION NEGOCIACION
40
INTERACCION ENTRE AGENTES
Para que dos o mas agentes puedan interactuar
deben disponer de:
Un protocolo de interacción: (como mantener una
conversación)
Un lenguaje de interacción (como construir mensajes)
KQML
FIPA ACL
Un lenguaje para representar el conocimiento de cada
agente
45
APLICACIONES DE AGENTES Hay múltiples aplicaciones de sistemas multiagentes,
las principales áreas de aplicación son:
Resolución cooperativa de problemas: Gestión de
plantas eléctricas y redes de telecomunicaciones
(ARCHON), control de tráfico aéreo, diagnóstico médico.
Agentes Interfaz: sistemas que emplean técnicas de IA
para apoyar a los usuarios en una tarea determinada,
(NEWT, NewsAgent, PersonalSearcher).
MAS especializados en Infomación: sistemas que
acceden a fuentes de información y la procesan para dar
respuesta a los usuarios (QueryGuesser).
46
BIBLIOGRAFIA
Inteligencia Artificial – LATIn Project - Cap 4
http://latinproject.org/index.php/es/component/booklibrary/510/view
/53/Ingenier%C3%ADa/17/inteligencia-artificial
Inteligencia Artificial. Un enfoque moderno – Norvig &
Russell , cap2
47
TRABAJO DE INVESTIGACIÓN
AGENTES y SISTEMAS INTELIGENTES…
UNR - CIFASIS
48
Lineas de Trabajo IA Simbólica: Sistemas Basados en
Conocimiento, Razonamiento Aproximado, Agentes, Ontologías, etc.
Negociación Automática de agentes
Aplicaciones de Sistemas basados en Conocimiento
49
Lineas de Trabajo Negociación Automática de
agentes
Sistemas Inteligentes: Aplicaciones a la educación
Búsqueda de documentos Legales
MAS en Industria 4.0
50
Negociación cooperativa de agentes
Pablo Pilotti (CIFASIS), Carlos Chezñevar (UNS),
Varias Tesinas de la LCC (2013-2018)
Desarrollar modelos computacionales de negociación cooperativa entre
Agentes – Manejo de la información
51
Desarrollar modelos de negociación automática Escenario:
Agentes Colaborativos que no pueden lograr el objetivo por sí mismos
Información incompleta/incorrecta Modelo:
Agentes intencionales Negociación Basada en Argumentación Revisión de Creencias
Agentes y Negociación
52
53
Un escenario posible… Dos agentes que realizan tareas de mantenimiento para el hogar tienen
objetivos que cumplir
• El Agente 1 tiene como objetivo colgar un cuadro.
Para esto posee un martillo, un tornillo y un destornillador. Además
posee el conocimiento de cómo colgar un cuadro utilizando un martillo y
un clavo, y de cómo colgar un espejo utilizando un tornillo y un
destornillador.
• El Agente 2 tiene como objetivo colgar un espejo.
Para esto cuenta sólo con un clavo y con el conocimiento de cómo colgar
un espejo utilizando un clavo y un martillo.
54
Agentes y Negociación
1 Says: I propose that you provide me [nail]
because if I use
[hammer,nail&hammer=>hangPicture]
then I can achieve [hangPicture]
in exchange for [screw]
2 Says: I propose that you provide me
[hangMirror]
because if I use []
then I can achieve [hangMirror]
in exchange for [nail]…..
Un diálogo posible:
55
Sistemas Multiagentes y sus aplicaciones a la Educación
Claudia Deco (UNR), comunidad Latinoamericana LACLO
Proyectos Regionales y Latinoamericanos
56
ODE
Repositorio Institucional
Administrador Docente-Investigador Usuarios
Docentes- Estudiantes
Búsqueda
Recuperación
Búsqueda
Carga
Recopilación
Dominios restringidos
ODEs? ODEs? ODE?
57
Objetivos Desarrollar sistemas recomendadores
que ayuden a los usuarios a encontrar recursos educativos en repositorios de acuerdo a sus características y preferencias.
Crear asistentes para la carga de
recursos educativos en repositorios institucionales, que extraigan automáticamente metadatos.
58
Asistentes para la Búsqueda de documentos Legales
• Desarrollo de un asistente para la Ingeniería Legal (L. Perezzini - Tesina LCC)
• Desarrollo de un asistente para la búsqueda de documentos que soporten una demanda (J. Catacora, LCC)
59
STEaMINg - Un enfoque semántico
para la gestión de modelos
evolutivos en el tiempo en el
contexto de la industrial 4.0
Diseño de una arquitectura basada en
tecnologías semánticas para mejorar la
interoperabilidad en los Sistemas de
Información de Planta (SIP)
considerando a estos inmersos en un
entorno multiagente.
60
STEaMINg - Un enfoque semántico
para la gestión de modelos
evolutivos en el tiempo en el
contexto de la industrial 4.0
En colaboración con INSA Rouen, Francia
Doctorado F. Giustozzi