INTRODUCCION A LA INTELIGENCIA ARTIFICIAL · Introducción a la Inteligencia Artificial AGENTES...

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