tema1:introducción agentesracionales+rep.delconocimiento ... · agentes bdi (rao-georgeff) el...

Introducción a SIA – p. 1/52

Tema 1: IntroducciónAgentes Racionales + Rep. del conocimiento + WWW =

Web Semántica

Joaquın Borrego Dıaz

Departamento de CCIA. Universidad de Sevilla

Introduccion a SIA – p. 1/52


Contenido

�

Objetivo del curso�

Agentes Inteligentes�

Definición de agente racional�

Características de los agentes inteligentes�

Una jerarquía de agencia�

Entornos�

Representación del conocimiento�

Perspectivas en la representación del conocimiento�

¿Qué es una lógica?�

Idea de la Web Semántica



Objetivo del curso

�

Conocer los fundamentos básicos de:�

Representación del Conocimiento y Lógica Computacional,�

Razonamiento automático, e�

Inteligencia Artificial�

que se utilizan en el desarrollo formal de la Web Semántica;�

Ontologías�

Razonamiento Automático con Ontologías�

Perspectiva sobre el razonamiento no monótono a utilizar



Inteligencia Artificial y Agentes Racionales

�

Un objetivo de la IA: estudio y diseño de agentes inteligentes

�

Un agente es un ente que actúa en un entorno, y responde a estímulos deéste.�

Un agente inteligente es un agente que actúa de manera flexible,�

Adaptándose a los cambios del entorno�

Aprendiendo de la experiencia�

Eligiendo acciones correctas de acuerdo a algún procesamiento finito de lainformación que posee�

Exhibiendo un comportamiento dirigido a alcanzar sus objetivos�

Diferencia entre la información a la que tiene acceso y la que caracteriza elentorno:�

No son omniscientes�

Son racionales: actúan de manera correcta según la información queposeen



Racionalidad y optimalidad en IA

�

Inteligencia Artificial: estudio computacional del comportamiento racional�

Cuestión: ¿Cómo entender la racionalidad?�

Problema Fundamental: Dada una propiedad

�

, diseñar un sistema queposea, de forma verificable, dicha propiedad�

Verificación versus validación



Racionalidad, optimalidad, exito

�

Algunas propiedades importantes son:�

Racionalidad perfecta: El agente actúa en cada instante de tal forma quemaximiza su utilidad�

Racionalidad calculable: El agente elige la acción racional que deberíahaber elegido al principio de su deliberación�

Optimalidad acotada: Se comporta lo mejor posible con respecto a sucapacidad (computacional y/o cognitiva)�

Existen otros tipos de propiedades que relacionan corrección, validación yefectividad



Ejemplo de actuacion racional correcta, con fallo

Cerrada(puerta) −>Girar(pomo)

Conocimiento nuevo: Cerrada−con−llave(puerta).

Regla usable: Cerrada−con−llave(puerta) −> Comunicar(conserje).

Razonamiento



Ejemplo de actuacion racional correcta, con exito

Cerrada−con−llave(puerta)

Cerrada−con−llave(puerta) −> Usar(llave).

Razonamiento

Exito en el objetivo: Abierta(puerta)



Elementos que conducen al fallo

�

Conocimiento deficiente del mundo: Cerrada(puerta)�

Abanico de acciones deficiente�

El profesor no puede abrir puertas cerradas, pues no tiene llaves�

Experiencia previa�

El profesor conoce Cerrada(puerta)�

El profesor no conoce Cerrada-con-llave(puerta)�

Creencia errónea: �Cerrada-con-llave(puerta)�

No es inconsistente con su conocimiento�

No es válido en el entorno�

Medida de éxito: Profesor: trivial, fracaso; Conserje: éxito�

Otra medida para el conserje: éxito menor (espera de alumnos y profesor)



Elementos que conducen al fallo

Componente clave:Creencias y Conocimientos

Cerrada(puerta)

Conocimiento

Cerrada−con−llave(puerta) Cerrada(puerta) Cerrada−con−llave(puerta)

Aula 33

Creencias Mundo real



Definicion de agente

Dada una posible sucesión de percepciones, un agente racional ideal debede realizar una acción que maximize la medida de éxito, a partir de la basede evidencias que obtiene de dicha sucesión de percepciones, junto con elconocimiento que el agente posee.

�

Noción útil para analizar sistemas, no es una caracterización absoluta.�

Agente trivial: Un reloj�

No usa secuencia de percepciones�

Siempre alcanza éxito�

No siempre alcanza éxito; no es autónomo: el dueño del reloj viaja�

Existencia teórica de agentes: aplicación ideal entre las sucesiones depercepciones y las acciones�

Imposible en la práctica: La tabla tiene tamaño infinito



Estructura de los agentes inteligentes

�

Alternativa: Conocimiento procedural acerca de la función: programa�

Agente = Arquitectura + Programa�

Softbots (infobots): agentes que se ejecutan en primera instancia en unentorno virtual�

Primera aproximación: descripción PAGE de un agente�

Perceptions, Actions, Goals, Environments�

Ejemplo: Controlador aéreo�

Percepciones: Señales de radar�

Acciones: Permisos de aterrizaje, desvío de rutas, ...�

Objetivos: Otorgar permisos de aterrizaje seguros a todas las aeronavesque lo requieran, mantener distancias seguras entre éstas.�

Entorno: Espacio aéreo, virtualizado como un conjunto de referenciasgeográficas (coordenadas).



Esqueleto de agente

Función Esqueleto-de-Agente (percepción) Devolver acción

Estático memoriamemoria � Actualizar-memoria (memoria , percepción)acción � Elegir-mejor-acción (memoria)memoria � Actualizar-memoria (memoria ,acción)Devolver acción

�

No aparece la medida de éxito como parte del programa; el diseñador la utilizacomo medida externa de validación



Caracterısticas del programa

�

El agente actúa con cada percepción, no para cada sucesión de percepciones.La sucesión de percepciones es una invención de la memoria del agente�

Este agente no recoge la idea de computar la función ideal, que asociaacciones a sucesiones, mediante una simple tabla, pues:�

Un número infinito o excesivamente grande de sucesiones depercepciones.�

Consultar dicha tabla puede ser inabordable.�

No sería autónomo: Un cambio en el entorno provocaría la inutilidad de latabla (revisar la tabla).



Caracterısticas de los agentes

�

Flexibilidad: Las propiedades fundamentales de un agente son:�

Reactividad: Capacidad para responder a los cambios del entorno�

Pro-actividad: Capacidad de exhibir un comportamiento dirigido a cumplirsus objetivos�

Sociabilidad: Capacidad de comunicarse con otros agentes�

Son las exigencias mínimas�

No se especifica el grado de flexibilidad de cada una de ellas�

Es posible eludir alguna de éstas, para aplicaciones concretas



Otras caracterısticas

�

Continuidad temporal: No hay necesidad de parada.

�

Autonomía: Responder a cambios del entorno.�

Adaptatividad: Capacidad de aprendizaje del agente, para modificar sucomportamiento.�

Movilidad (a través de espacio físico o de redes telemáticas).�

Veracidad: Comunicación de información verdadera (desde su punto de vista).�

Benevolencia: Aptitud receptiva a cooperar en la resolución de cuestiones noconflictivas con sus objetivos.



Sociabilidad:

�

No es sólo un intercambio de información binaria�

Cooperación entre objetivos�

Negociación y cooperación:- Implica conocer los objetivos de otros agentes.- Implica realizar acciones (p.e. pagar) que no son necesarias

individualmente.�

Es quizás la tarea más compleja�

La racionalidad está muy relacionada con la planificación y con lasociabilidad�

La reactividad puede ser necesaria para una mayor eficiencia�

Situación ideal: Combinar módulos reactivos y racionales



Una Jerarquıa de agencia (I): Agentes reactivos

�

Idea: Resumir partes generales de la tabla de la aplicación ideal con reglas

Si Evento y Condición entonces Acción

Esquema:

Función Agente-Reactivo(percepción)devuelve acciónEstático: reglas

estado � Interpretar(percepción)

regla � Elegir-regla(estado, reglas)

acción � Disparo(regla)

�

Los agentes reactivos actúan a partir de percepciones actuales�

Muy eficientes, pero de aplicación restringida



Una jeraquıa de agencia (II)

�

Agentes con estado interno�

Agentes con memoria�

Agentes basados en objetivos�

Agentes guiados por utilidad�

Agente con componente pensante

Deducen su comportamiento de sus creencias



Agente con razonamiento deductivo

�

Esqueleto de agente con razonamiento deductivo

�

Función Agente-deliberativo

Para cada acción � hacerSi

�� entonces Devolver �Para cada acción � hacerSi

� � � � � � � entonces Devolver �Devolver acción-nula

�

Necesita de un demostrador automático para la lógica utilizada�

Está limitado por la complejidad de la demostración automática�

Existen lógicas para las que la relación “�

” es eficientemente computable�

Cuestión: ¿Qué lógica elegir?



Agentes BDI (Rao-Georgeff)

El estado interno se compone de:�

Las creencias, que hemos comentado anteriormente.�

Los deseos: tareas que desea realizar; pueden ser incluso inalcanzables y/oinconsistentes.�

Intenciones: deseos que se ha comprometido a conseguir.

El ciclo de ejecución consiste en gestionar tal estado interno, con el objetivo dealcanzar las intenciones

Problema:¿Cómo se relacionan los distintos tipos de conocimiento?



Esquema del interprete BDI

doOpciones = generador-opciones (cola-eventos, B,D,I)

Opciones-seleccionadas=Deliberar(opciones,B,D,I)

Actualizar-Intenciones(Opciones-seleccionadas,I)

Ejecutar(I)

Percibir

Eliminar-éxitos(B,D,I)

Eliminar-imposibles(B,D,I)

until quit



Programacion de agentes BDI

Cómo diseñar los programas para las macros:�

Deliberar(opciones,B,D,I)

Se necesita el razonamiento automático (temas 2,3,4)�

Actualizar-Intenciones(Opciones-seleccionadas,I)

Se necesita razonamiento no monótono (temas 5,6,8)�

Ejecutar(I)

Se necesitaría planificación (tema 7)

� ...

No se necesitaría implementar el interprete

La implementación del intérprete es la plataforma



Una arquitectura general para agentes

Mensajes/eventos del exterior

Mensajes/accionesal exterior

G_1 G_2

CONOCIMIENTO BASE

REGLAS E-C-A REGLAS PLANIF. REGLAS C-A

Componente reactiva Componente racional Componente pro-activa

Cola de eventos Cola de meta-objetivos

E_1 E_2 ........................ E_n ....................... G_n



Flujo de informacion

G_1 G_2E_1 E_2 ........................ E_n ....................... G_n

REGLAS E−C−A

CONOCIMIENTO BASE

REGLAS PLANIF. REGLAS C−A

MEN

SAJE

S



Sistemas multiagente

�

Conjunto de agentes que interactuan entre sí y con el entorno�

Agentes heterogéneos�

Computación asincronizada, en general�

Comunicación de conocimiento y/o de creencias�

Formatos de intercambio, por ejemplo, KIF (Knowledge InterchangeFormat): versión con tipos de la lógica de predicados�

El conocimiento comunicado depende de la ontología que usa cada agente�

Representación de la ontología�

Sociabilidad y veracidad�

Entornos como agentes (p.e. la red de interconexión)�

Problema: ¿Cuál es el conocimiento común del sistema?�

Necesario para la verificación del sistema multiagente



Dimensiones de complejidad en SMA

�

Comunicación de creencias�

Cooperación. Planificación multiagente�

Dinámica. Comportamiento emergente�

Verificación�

Validación.



Aplicaciones

�

Controladores aéreos�

Controladores de distribución de energía electrica�

Simulación de sistemas complejos�

Agentes para la manufacturación industrial (robots)�

Mercados electrónicos�

Subastas en Internet de recursos empresariales�

Agentes de búsqueda de información�

Web Semántica



Entornos: Caracterısticas (I)

¡Dependen del agente!�

Accesible vs. Inaccesible�

Accesible: El agente tiene acceso a toda la información que desee�

efectivamente accesible: El agente tiene acceso a la información necesariapara su tarea�

Determinista vs. No determinista�

determinista para un agente: si está perfectamente determinado quién esel estado siguiente



Entornos: Caracterısticas (II)

�

Episódico vs. no episódico�

Episodio: conjunto de percepciones, elegido como tal por el agente�

Entorno episódico: La acción sólo depende del episodio actual�

Estático vs. dinámico: Un entorno es estático si éste no cambia mientras elagente delibera�

Discreto vs. continuo

Entorno discreto: Un número limitado de percepciones y acciones posibles

Conclusión: La representación del entorno depende de como el agente entenderáel mundo



Esqueleto de simulador de entornos

Esquema de un ciclo de la simulación:

�

Incorpora agentes�

Crea las percepciones para el agente�

Recibe la acción�

Actualiza el entorno percibido por los agentes

�

¡El entorno es un agente!�

El caso más complejo: entorno inaccesible, no determinista, no episódico,dinámico y contínuo

Exploración espacial



Conclusion

� ��

� � � ��

��

� � ��

� ��

Representación

del

Conocimiento



Representacion del conocimiento (RC) (I)

Tres perspectivas (no excluyentes)

�

Primera perspectiva: Epistemología aplicada

�

El conocimiento representado comoBase de conocimiento = Estructuras (simbólicas) + Programas�

Hipótesis de representación del conocimiento:

Todo mecanismo inteligente debe poseer ingredientes para que:

1. Nosotros, como observadores externos, podamos representar todo elconocimiento que el proceso exhibe

2. Independientemente de la atribución (significado), se pueda generarnuevo conocimiento de manera puramente formal



Representacion del conocimiento (II)

�

Segunda perspectiva:La representación del conocimiento como Decir-Preguntar

�

Todo sistema de razonamiento debe poseer al menos dos operaciones:� � ! ! "# $ % &

: Dada la base

#

, el hecho

%

es añadido a#

, para obteneruna nueva base.� '( # " # $ % &

: Preguntar a la base

#

sobre el hecho

%

. La respuestadepende del paradigma del sistema: SI, NO, Desconocido, SI conprobabilidad p, etc.

�

Tercera perspectiva: RC como la encarnación de los sistemas IA

Entiende el conocimiento como una serie de unidades interconectadas queson colectivamente responsables de la representación de diversos conceptos.



Paradigmas de la Representacion del conocimiento

De las perspectivas emergen diversos paradigmas�

Conocimiento procedural: El conocimiento se codifica mediantefunciones/procedimientos.�

Redes: Grafos cuyos nodos representan conceptos o entidades, y los arcosrelaciones entre ellas�

Marcos: Parecido a las redes, pero cada concepto tiene varias propiedadesheredables por defecto a los nodos que dependen de éste.�

Lógica: Declaración formal del conocimiento.�

Arboles de decisión, reglas�

Conocimiento estadístico, paralelismo ...�

Esquemas híbridos

En este curso utilizaremos fundamentalmente la lógica, y veremos cómo con éstase pueden simular otros paradigmas



¿Que es una logica?

Una lógica está compuesta de:�

Sintaxis: Símbolos + reglas de construcción de expresiones.�

Semántica: Definición precisa del significado de las expresiones. Conceptosde�

Modelo�

Verdad en un modelo y válido para una base de conocimiento�

Consistencia y validez.

�

Problema I: ¿Qué lógica elegir?�

Lógica proposicional: para razonar sobre hechos�

Lógica de predicados: para razonar con elementos y propiedades�

Lógicas modales: para dotar de intención al conocimiento�

Otras Equilibrio entre expresividad y decidibilidad



Logica (I)

�

Problema II: Representar el conocimiento sobre el mundo con una lógica�

Diferenciar entre el significado lógico y el significado real�

Verdad lógica

)� � Verdad real.�

Verdad real

)� � Verdad lógica.

�

Problema distinto al de la completitud de la lógica�

La completitud de la lógica se refiere a los modelos matemáticos, queson abstracciones del modelo real



El proceso de percepcion y representacion

AGENTE

Entorno

Percepción

dispositivos

Modelo

Representación

Base de conocimiento

pretendidono

Modelo

ENTORNOModeloformal

K

conocimientoIngeniería de los Ingeniería del

?

PROBLEMA DE REFINAMIENTO



Logica (II)

�

Problema III: Diseñar métodos mecánicos para calcular (deducir) nuevoconocimiento lógico�

Procedimiento puramente simbólico; no interviene el significado�

El problema de mecanizar la validez de una fórmula�

El problema de la no unicidad de modelo�

Aproximar la validez con un proceso de cálculo: La demostración�

Adecuación:Demostrable � � Valido (lógicamente)�

Completitud:Valido (lógicamente) � � Demostrable�

Eficiencia versus restricción de la lógica Qué hacer?



Logica (III)

�

Problema IV: Diseñar métodos mecánicos para calcular (deducir) nuevoconocimiento real�

El problema de la no unicidad de modelo para la representación lógica�

El principio de la pobreza del lenguaje: No es posible obtener un sistemaque genere todo el conocimiento verdadero acerca del entorno�

El problema de la monotonía: En algunos casos, añadir nuevo conocimientoinvalida conocimiento anteriormente adquirido.

Ejemplo:�

Base de conocimiento: Ave(x) * Vuela(x).�

Nuevo hecho: Ave( +,- . /102 3) 4 � Vuela( +, - . / 02 3)¿Qué hacemos?



Web Semantica

�

Propuesta por Tim Berns Lee, uno de los creadores de la actual WWW:

La Web Semántica es una WWW donde los metadatos son procesables pormáquinas�

Las máquinas entienden la información contenida en la Web Semántica

�

Diferencias entre la actual WWW y la Web Semántica:

Actual WWW Web Semántica

Leng. de representación HTML XML

Leng. de rep. semántica No tiene RDF

Ref. semánticos No tiene Ontologías (p.e. OWL)

Raz. con los datos Puramente sintáctico Raz. automático

Confianza en los resultados Insegura Lógica



Deficiencias de la actual WWW

�

Ejemplo 1: Búsquese en Google información sobre una palabra de significadoambiguo, como por ejemplo banco

Deficiencia: No existe referente semántico en las páginas, y es difícil deducirel significado de una palabra a través del contexto�

Ejemplo 2: Necesito buscar un banco que me ofrezca un préstamo en unasciertas condiciones, sabiendo que mi situación personal es X

Deficiencia: No existe un agente inteligente que sea capaz de deducir, de lainformación expuesta en la página del banco, cuáles serían las característicasdel préstamo�

Necesitamos:�

Un lenguaje común para la comunicación de la pregunta�

Que la información no sea ambigua�

Razonamiento automático�

No sólo demostración automática; se necesita razonamiento conconocimiento común



Solucion adoptada

�

Conocimiento común explícito: Ontologías�

Toda expresión de la W.S. susceptible de ser procesada debe estarreferenciada con respecto a una ontología

�

Pero, realmente, 5



Ejemplo de marca semantica en RDF

Uso del lenguaje RDF:<rdf:RDFxmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"xmlns:dc="http://purl.org/DC/"><rdf:Description about="http://metalab.unc.edu/xml/">

<dc:CREATOR>Elliotte Rusty Harold</dc:CREATOR><dc:TITLE>Cafe con Leche</dc:TITLE>

</rdf:Description></rdf:RDF>



Ejemplo con marca semantica (II)

Ejemplo de descripción en OWL:<owl:Class rdf:ID="Person"><rdfs:subClassOf rdf:resource="#Animal"/><rdfs:subClassOf>

<owl:Restriction><owl:onProperty rdf:resource="#hasParent"/><owl:toClass rdf:resource="#Person"/>

</owl:Restriction></rdfs:subClassOf><rdfs:subClassOf>

<owl:Restriction owl:cardinality="1"><owl:onProperty rdf:resource="#hasFather"/>

</owl:Restriction></rdfs:subClassOf>

</owl:Class>



Esquema de la Web Semantica



Relacion con el curso

URI

RDF + RDF Schema

XML+NS+XML schema

Lenguaje Ontologico

LOGICA

Demostracion

TrustWeb

Reg

las

Dat

os D

ato

s

Bases de conocimiento

Razonamiento Automatico

LOGICAS

Lenguajes para marcas semanticas

UNICODE

Au

to d

esc.

do

cum

ento

Dat

os

Logicas descriptivas; OWL



Agentes para la Web Semantica

�

Agentes inteligentes que razonan con la información�

Entorno de trabajo: la Web Semántica�

SMA: Abstracción (metáfora) de las sociedades reales�

Deben de razonar con bases de conocimiento. Formalmente:�

Bases de conocimiento + ontologías 6 teorías lógicas�

Dificultades:�

Escalabilidad del razonamiento�

La parte intencional de la base de conocimiento es muy compleja�

En último término, razonamiento no monótono: Tarea de IA



Dinamica en la Web Semantica



Soluciones

�

Mantener el equilibrio entre la eficiencia del razonamiento y la expresividad�

Mantener ontologías robustas�

Refinar los algoritmos de razonamiento automático

Potentes demostradores automáticos�

Técnicas de representación y razonamiento del conocimiento originales de IA�

Tareas:�

Búsqueda de información�

Extracción de información�

Mantenimiento de recursos débilmente estructurados�

Generación automática de documentos�

Tareas complejas: Servicios Web Semánticos



Aplicaciones

�

Comercio Electrónico�

B2B (p.e. mercados electrónicos)�

B2C (p.e. compra inteligente por Internet)�

C2C (p.e. sociedades virtuales)�

Recuperación de conocimiento: data mining inteligente�

Semantic Web mining= data mining + razonamiento automático�

Desarrollo de agentes inteligentes para la actividad comercial en WWW�

Línea de investigación preferente en el programa marco I+D+I de la UE



Bibliografıa

�

Para una introducción a los agentes inteligentes�

Russel & Norvig, cap. 2�

Poole, cap. 1�

V.Julian, V.Botti:Agentes Inteligentes: el siguiente paso en la Inteligencia ArtificialNOVATICA Vol. Mayo/Junio 2000 n. 145, pp. 95-99, 2000�

Sobre el problema de la representación del conocimiento: Libro de Sowa�

Sobre la Web Semántica:�

T. Berns- Lee, J. Hendler y O. Lassila:The Semantic Web. Scientific American, n. May 2001�

The semantic web: yet another heap? (Y. Ding, y otros) Data andKnowledge Engineering 41: 205-227 (2002)�

Web semántica en W3C


http://www.ati.es/novatica/2000/145/vjulia-145.pdf

http://www.sciam.com/article.cfm?articleID=00048144-10D2-1C70-84A9809EC588EF21

http://www.w3.org/2001/sw/

tema1:introducción agentesracionales+rep.delconocimiento ... · agentes bdi (rao-georgeff) el...

Documents