Facultad de Ciencias Exactas Químicas y Naturales

Carrera de Licenciatura en Sistemas de Información

Ing. Alice Raquel Rambo

Universidad Nacional de Misiones

Inteligencia Artificial
 Agentes Inteligentes
Un agente inteligente es cualquier
cosa que pueda
– percibir un mundo
perceptual en que esté
anidado (“ambiente”)
mediante SENSORES y
– actuar sobre ese mundo
mediante EFECTORES (o
actuadores)
• sinónimo de ambiente es
“espacio de problema”
• sinónimo de agente
inteligente es “operador
que transforma un input
en output dentro del
espacio de problema”
 AGENTES INTELIGENTES

• Se define agente como todo aquello que percibe su ambiente mediante

sensores y que responde o actúa en tal ambiente por medio de efectores.

¿Cómo debe proceder un agente?

• Un agente racional es aquel que hace lo correcto, es decir que obtiene el

mejor desempeño. Habrá que decidir cómo y cuándo evaluar ese buen
desempeño del agente. El término medición del desempeño se aplica al
cómo: es el criterio que se utiliza para decidir qué tan exitoso ha sido un
agente. El cuándo evaluar el desempeño es también importante.
 AGENTES INTELIGENTES

• Es conveniente hacer una distinción entre racionalidad y omnisciencia.

Un agente omnisciente es aquel que conoce el resultado real de sus
acciones, y su conducta es congruente con ello. Sin embargo, en la realidad
no existe la omnisciencia. No se puede responsabilizar a una agente por no
haber tomado en cuenta algo que no podía percibir, o por no emprender una
acción de la que es incapaz. Si se especifica que un agente inteligente
siempre debe hacer lo que es realmente correcto, será imposible diseñar un
agente.
 AGENTES INTELIGENTES

En resumen, el carácter de racionalidad de lo que se hace en un

momento dado dependerá de cuatro factores:

• De la medida con la que se evalúa el grado de éxito logrado.

• De todo lo que hasta ese momento haya percibido el agente. A esta

historia perceptual completa se le denomina la secuencia de
percepciones.

• Del conocimiento que posea el agente acerca del medio.

• De las acciones que el agente puede emprender.

 AGENTES INTELIGENTES

En todos los casos de posibles secuencias de percepciones, un agente

racional ideal deberá emprender todas aquellas acciones que
favorezcan obtener el máximo de su medida de rendimiento, basándose
en las evidencias aportadas por la secuencia de percepciones y en todo
conocimiento incorporado en tal agente.
 AGENTES INTELIGENTES

• La agencia es el grado de autonomía de un agente.

• La Inteligencia es la habilidad del agente para
aplicar el conocimiento específico y procesos
para resolver los problemas.
• Un agente es móvil si se puede mover entre los
sistemas en una red.
 AGENTES INTELIGENTES
El mapeo ideal de las secuencias de percepciones

• Una vez que nos hemos dado cuenta de que el comportamiento de un

agente depende exclusivamente de la secuencia de sus percepciones en
un momento dado, sabemos que es posible caracterizar cualquier agente
en particular elaborando una tabla de las acciones que éste emprende
como respuesta a cualquier secuencia de percepciones posible. Esta lista
se denomina mapeo de secuencias de percepciones para acciones. El
especificar qué tipo de acción deberá emprender un agente como
respuesta a una determinada secuencia de percepciones constituye el
diseño de un agente ideal.
 AGENTES INTELIGENTES
El mapeo ideal de las secuencias de percepciones

• Para realizar el mapeo entre secuencias de percepciones y acciones no es

necesario enumerar la lista anterior de forma exhaustiva. Bastaría con
definir una especificación del mapeo. Por ejemplo, la utilización del
método de Newton para obtener la raíz cuadrada de un número positivo.
• Un espacio de soluciones será el conjunto de posibles soluciones de un
problema, en un dominio restringido.
 AGENTES INTELIGENTES
Autonomía

• En la definición anterior de agente racional ideal hay que prestar

atención a la parte de ''conocimiento integrado''. Si las acciones
emprendidas por el agente están basadas exclusivamente en un
conocimiento integrado y no en percepciones, se dice que el agente
no tiene autonomía.
 AGENTES INTELIGENTES
Autonomía

• La conducta de un agente se basa tanto en su propia experiencia

como en el conocimiento integrado que sirve para construir el agente
para un ambiente específico en el que va a operar. Un sistema será
autónomo (no bajo el control inmediato de un humano) en la medida
en que su conducta está definida por su propia experiencia. Si el
agente cuenta con poca o ninguna experiencia, tendrá que
comportarse de manera más o menos aleatoria a menos que el
diseñador le de algún tipo de ayuda.
 PaMA

• En el diseño de un agente inteligente la primera tarea es ubicarnos en el

panorama
• a = f(datos)
• a = f(P,M,A)
– Ejemplo - Tachero new age: piloto automático (taximetrero
reemplazado por un agente inteligente )
• Percepciones ??
• acciones ??
• Metas ??
• Ambiente ??
 Ejemplos de diversos tipos de agentes y sus correspondientes
descripciones PAMA (Percepciones, Acciones, Metas y Ambiente)
Tipo de agente Percepciones Acciones Metas Ambiente

Sistema para Síntomas, evidencias Preguntas, pruebas, Paciente saludable, Paciente, hospital
diagnósticos médicos y respuestas del tratamientos reducción al mínimo
paciente de costos

Sistema para el Píxeles de intensidad Imprimir una Clasificación correcta Imágenes enviadas
análisis de imágenes y colores diversos clasificación de desde un satélite en
de satélite escena órbita

Robot clasificador de Píxeles de intensidad Recoger partes y Poner las partes en el Banda transportadora
partes variable clasificarlas bote que les sobre la que se
poniéndolas en botes corresponda encuentran las partes

Controlador de una Lecturas de Abrir y cerrar Lograr pureza, Refinería

refinería temperatura y presión válvulas; ajustar la rendimiento y
temperatura seguridad máximos

Asesor interactivo de Palabras escritas a Ejercicios impresos, Que el estudiante Grupo de estudiantes
inglés máquina sugerencias y obtenga la máxima
correcciones calificación en una
prueba
 AGENTES INTELIGENTES
Propiedades de los ambientes
Las diferencias básicas entre los distintos ambientes son las siguientes:

• Accesibles y no accesibles.

• Deterministas y no deterministas.

• Episódicos y no episódicos.

• Estáticos y Dinámicos.

• Discretos y Continuos.
 AGENTES INTELIGENTES
Propiedades de los ambientes

• Accesibles y no accesibles. Si el aparato sensorial de un agente le

permite tener acceso al estado total de un ambiente, se dice que éste
es accesible a tal agente. Un agente es realmente accesible si los
sensores detectan todos los aspectos relevantes a la elección de una
acción.
 AGENTES INTELIGENTES
Propiedades de los ambientes

• Deterministas y no deterministas. Si el estado siguiente de un

ambiente se determina completamente mediante el estado actual y las
acciones escogidas por los agentes, se dice que el ambiente es
determinista. Un agente no tiene por qué preocuparse de la
incertidumbre en un ambiente accesible y determinista. Sin embargo, si
el ambiente es inaccesible, podría parecer que es no determinista. Sería
más conveniente clasificar un ambiente como determinista o no
determinista considerando el punto de vista del agente.
 AGENTES INTELIGENTES
Propiedades de los ambientes

• Episódicos y no episódicos. La experiencia del agente se divide en

episodios, cada uno de los cuales consta de un agente que percibe y
actúa. Los episodios no dependen de las acciones producidas en
episodios anteriores.
 AGENTES INTELIGENTES
Propiedades de los ambientes

• Estáticos y Dinámicos. Si el ambiente se puede modificar mientras

el agente se encuentra deliberando, se dice que tal ambiente se
comporta en forma dinámica en relación con el agente; de lo
contrario, se dice que es estático. Si el ambiente no cambia, pero sí se
modifica la calificación asignada al desempeño de un agente, se dice
que el ambiente es semidinámico.
 AGENTES INTELIGENTES
Propiedades de los ambientes

• Discretos y continuos. Si existe una cantidad limitada de

percepciones y acciones distintas, se dice que es ambiente es
discreto. El ajedrez es discreto pues existe una cantidad fija de
posibles jugadas en cada ronda. La conducción de un taxi es
continua.
 Tipos de ambientes y sus
características

• Solitario
• Chaquette o backgammon
• Taxi
• Accesible ??
• Determinístico ??
• Episódico ??
• Estático ??
• Discreto ??
 Tipos de ambientes y sus características

• Solitario sí - sí - no - sí - sí
• Chaquette o backgammon sí - no - no -semi -sí
• Taxi no - no -no - no - no

• Accesible
• Determinístico
• Episódico
• Estático
• Discreto
 Ejemplos de Ambientes y sus características

Ambiente Accesible Determinista Episódico Estático Discreto

Ajedrez con reloj Sí Sí No Semi Sí

Ajedrez sin reloj Sí Sí No Sí Sí

Conducir un taxi No No No No No

Sistema de diag. No No No No No
Médico

Sistema de análisis Sí Sí Sí Semi No

de imag.

Robot clasificador No No Sí No No
de partes

Controlador de No No No No No
refinería

Asesor de ingles No No No No Sí
interactivo
 AGENTES INTELIGENTES
Estructura de los Agentes Inteligentes

Hasta el momento se ha hablado de los agentes describiendo su

conducta, la acción que se realiza después de una secuencia de
percepciones dada.

Ahora, se trata de centrarse en el núcleo del problema y hablar sobre

cómo trabajan internamente.

El trabajo de la IA es diseñar el programa del agente, que

implemente la función del agente que proyecta las percepciones en
las acciones.
 AGENTES INTELIGENTES
Estructura de los Agentes Inteligentes
• Trabajo de la IA: diseñar el programa de agente, es decir, una función
que permita implantar el mapeo del agente para pasar de percepciones a
acciones. Este programa se ejecutará en algún dispositivo de cómputo,
que se llamará arquitectura. La relación entre agentes, arquitectura y
programas podría resumirse de la siguiente manera:

agente = arquitectura + programa

• Antes de proceder al diseño de un programa de agente, es necesario

contar con una idea bastante precisa de las posibles percepciones y
acciones que intervendrán, qué metas o medidas de desempeño se supone
lleve a cabo el agente, así como del tipo de ambiente en que tal agente
operará.
 AGENTES INTELIGENTES
Programas de Agentes

Hay que tener en cuenta la diferencia entre los programas de los agentes,
que toman la percepción actual como entrada, y la función del agente,
que recibe la percepción histórica completa. (Si las acciones del agente
dependen de la secuencia completa de percepciones, el agente tendría
que recordar las percepciones).

La manera más sencilla de hacer un programa de agente es mediante una

tabla de consulta. Se guarda en memoria la totalidad de la secuencia de
percepciones y se utiliza ésta para hacer localizaciones en la tabla, en la
que se encuentran todas las acciones que corresponden a todas las
posibles secuencias de percepción. Este enfoque está destinado al
fracaso por varias razones:
 AGENTES INTELIGENTES
Programas de Agentes

• Para elaborar la tabla de algo tan sencillo como un agente cuya

única tarea es jugar ajedrez, se necesitarían 35100 entradas.
• La elaboración de la tabla tomaría demasiado tiempo al
diseñador.
• El agente carece totalmente de autonomía, puesto que el cálculo
de lo que se considera mejor acción está ya integrado. Si el
ambiente se modificara en algún aspecto no previsto, el agente se
vería completamente perdido.
• Incluso si se dotara al agente de un mecanismo de aprendizaje,
con el fin de que tuviera cierto grado de autonomía, necesitaría
una eternidad para aprender el valor correcto de todas las
entradas de la tabla.
 AGENTES INTELIGENTES
Programas de Agentes

A pesar de lo expuesto, el agente conducido mediante tabla sí es capaz de

hacer lo que deseamos: implanta el deseado mapeo del agente. No basta
con afirmar: ''No puede ser inteligente''; lo importante es comprender por
qué un agente que razona puede tener un mejor desempeño al superar las
cuatro desventajas mencionadas anteriormente.
 AGENTES INTELIGENTES
Programas de Agentes: Ejemplo

Consideraremos la tarea del diseño de un conductor de taxi

automatizado, aunque tal sistema está fuera del alcance de la
tecnología actual. Habrá que considerar las PAMA que corresponden a
un taxi.

• Percepciones: Cámaras, velocímetro, sistema satélite global de

ubicación, sonar, micrófono.
• Acciones: Manejo del volante, acelerar, frenar, hablar con el pasajero.
• Metas: Un viaje seguro, rápido, sin infracciones, cómodo, obtención
máxima de ganancias.
• Ambiente: Caminos, tráfico, peatones, clientes.
 AGENTES INTELIGENTES
Programas de Agentes: Ejemplo
El taxi necesita saber dónde se encuentra, quién más circula por su
vía y a qué velocidad circula. Esta información se obtiene de las
percepciones. Las acciones que puede producir este conductor de
taxi son más o menos las mismas que las de un conductor humano.
¿Cuál sería la medida de desempeño que desearía satisfacer el
conductor automatizado? Entre las cualidades deseables están las
de llegar al destino correcto, reducir al mínimo el consumo de
combustible, desgaste del vehículo, tiempo de recorrido, su costo,
violaciones al reglamento de tráfico y las molestias ocasionadas a
otros conductores; ofrecer el máximo de seguridad y comodidad al
pasajero y producir el máximo de ganancias. Dado que el logro de
algunos de estos objetivos está en conflicto con el de otros, habrá
que establecer concesiones. Por último, habrá que definir qué tipo
de ambiente de conducción enfrentará el taxi. Cuanto más
restringido sea el ambiente, más fácil será el problema del diseño.
 Tachero new age: piloto automático
• Percepciones
– video
– acelerómetro, instrumental del tablero
– sensores del motor
– teclado
• acciones
– gestión del volante
– acelerar y frenar
– bocina
– hablar/graficar
• Metas
– seguridad, llegar a destino, maximizar ganancias, obedecer las
leyes, satisfacción del cliente
• Ambiente
– calles urbanas, avenidas, tráfico, peatones, clima, tipo de cliente
 AGENTES INTELIGENTES
Ejemplo. Tipos de Agentes

En lo que resta de esta lección se presentan los cuatro tipos básicos de

programas para agentes que encarnan los principios que subyacen en
casi todos los sistemas inteligentes.

– Agentes reactivos simples.

– Agentes reactivos basados en modelos.
– Agentes basados en objetivos o metas.
– Agentes basados en utilidad.
 AGENTES INTELIGENTES
Agentes reactivos simples

• Éste es el tipo de agente más sencillo.

• Seleccionan las acciones sobre la base de las percepciones actuales,
ignorando el resto de las percepciones históricas.
– Por ejemplo, el agente aspiradora, cuya función de agente
aparece en la siguiente transparencia, es un agente reactivo
simple porque toma sus decisiones sólo con base en la
localización actual y si ésta está sucia.
 AGENTES INTELIGENTES
Agentes reactivos simples

• Hay que tener en cuenta que el programa para el agente aspiradora es

muy pequeño comparado con su tabla correspondiente.
– La reducción más clara se obtiene al ignorar la historia de la
percepción.
– Otra reducción se basa en el hecho de que cuando la cuadrícula
actual está sucia, la acción no depende de la localización.

• Regla de condición-acción: se lleva a cabo algún tipo de procesamiento

sobre las señales visuales para establecer la condición.
– Imagínese que es el conductor del taxi automático. Si el coche
que circula delante frena (condición), y las luces de freno se
encienden, entonces lo advertiría y comenzaría a frenar (acción).
Problema del Robot Aspiradora
Problema del Robot Aspiradora
Problema del Robot Aspiradora
Problema del Robot Aspiradora
 AGENTES INTELIGENTES
Agentes reactivos simples

Ejemplo: Programa para el agente de la aspiradora

función AGENTE-ASPIRADORA-REACTIVO ([localización,estado]) devuelve acción

si estado = Sucio entonces devolver Aspirar

de otra forma, si localización = A entonces devolver Derecha
de otra forma, si localización = B entonces devolver Izquierda

Un Agente Reactivo Simple

función AGENTE-REACTIVO-SIMPLE (percepción) devuelve una acción

estático: reglas, un conjunto de reglas condición-acción

estado <- INTERPRETAR-ENTRADA (percepción)

regla <- REGLA-COINCIDENCIA (estado,reglas)
acción <- REGLA-ACCIÓN[regla]
devolver acción
 AGENTES INTELIGENTES
Agentes reactivos simples

Los agentes reactivos simples tienen la gran propiedad de ser simples,

pero poseen una inteligencia muy limitada.

El agente del pseudocódigo anterior funcionará sólo si se puede tomar

la decisión correcta sobre la base de la percepción actual, lo cual es
posible sólo si el entorno es totalmente observable.
 AGENTES INTELIGENTES
Agentes reactivos basados en modelos

• La forma más efectiva que tienen los agentes de manejar la visibilidad

parcial es almacenar información de las partes del mundo que no
pueden ver.

• El agente debe mantener algún tipo de estado interno que dependa de la

historia percibida y que de ese modo refleje por lo menos alguno de los
aspectos no observables del estado actual.
 AGENTES INTELIGENTES
Agentes reactivos basados en modelos

• La actualización de la información de estado interno según pasa el

tiempo requiere codificar dos tipos de conocimiento en el programa de
agente.
– Información de cómo evoluciona el mundo independientemente
del agente (por ejemplo, que un coche que está adelantando
estará más cerca, detrás, que en un momento inmediatamente
anterior.)
– Se necesita más información sobre cómo afectan al mundo las
acciones del agente (por ejemplo, que cuando el agente gire
hacia la derecha, el coche gira hacia la derecha o que después de
conducir durante 5 minutos hacia el norte en la autopista se
avanzan 5 millas hacia el norte a partir del punto en el que se
estaba 5 minutos antes).
 AGENTES INTELIGENTES
Agentes reactivos basados en modelos
• Este conocimiento acerca de cómo funciona el mundo, se denomina
modelo del mundo.
• Un agente que utilice este modelo es un agente basado en modelos.

función AGENTE-REACTIVO-CON-ESTADO (percepción) devuelve una

acción
estático: estado, una descripción actual del estado del mundo
reglas, un conjunto de reglas condición-acción
acción, la acción más reciente, inicialmente ninguna

estado <- ACTUALIZAR-ESTADO (estado, acción, percepción)

regla <- REGLA-COINCIDENCIA (estado,reglas)
acción <- REGLA-ACCIÓN[regla]
devolver acción
 AGENTES INTELIGENTES
Agentes basados en objetivos

• El conocimiento sobre el estado actual del mundo no es siempre

suficiente para decidir qué hacer.
– Por ejemplo, en un cruce de carreteras, el taxista puede girar a
la izquierda, girar a la derecha o seguir hacia delante. La
decisión correcta depende de a dónde quiera ir el taxi.

Además de la descripción del estado actual, el agente necesita algún

tipo de información sobre su meta que describa las situaciones que
son deseables, por ejemplo, llegar al destino propuesto por el
pasajero.
 AGENTES INTELIGENTES
Agentes basados en objetivos

• En algunas ocasiones, la selección de acciones basadas en objetivos es

directa; cuando alcanzar los objetivos es el resultado inmediato de una
acción individual.
• En otras ocasiones, puede ser más complicado, cuando el agente tiene
que considerar secuencias complejas para encontrar el camino que le
permite alcanzar el objetivo. Búsqueda y planificación son los
subcampos de la IA centrado en encontrar secuencias de acciones que
permitan a los agentes alcanzar sus metas.
 AGENTES INTELIGENTES
Agentes basados en utilidad
• Las metas por sí solas no son suficientes para generar comportamiento
de gran calidad en la mayoría de los entornos.
– Por ejemplo, hay muchas secuencias de acciones que llevarán al
taxi a su destino (y por tanto a alcanzar su meta), pero algunas
son más rápidas, más seguras, más fiables o más baratas.

Una función de utilidad proyecta un estado (o una secuencia de estados)

en un número real, que representa un nivel de felicidad. Permite tomas
decisiones racionales:
– Cuando haya objetivos conflictivos (ej., velocidad y seguridad).
– Cuando haya varios objetivos por los que se pueda guiar el
agente y ninguno de ellos se pueda alcanzar con certeza.
 Actividades
Cuestionario N 1: Introducción a la Inteligencia Artificial
1. Un agente inteligente es caracterizado por tres capacidades: Agencia, Inteligencia y
Movilidad. Explique brevemente a que se refiere cada una.
2. ¿Qué entiende por espacio de soluciones?
3. Defina con sus propias palabras los siguientes términos: agente, función de agente,
programa de agente, racionalidad, autonomía, agente reactivo, agente basado en
modelo, agente basado en objetivo, agente basado en utilidad, agente que aprende.
4. Tanto la medida de rendimiento como la función de utilidad miden la eficiencia del
agente. Explique la diferencia entre los dos conceptos.
5. Realice las descripciones PAMA (Percepciones, Acciones, Metas y Ambiente), para los
siguientes agentes:
1. Robot que juega al fútbol
2. Agente para comprar libros en Internet
3. Explorador autónomo de Marte
4. Asistente matemático para la demostración de teoremas.
 Bibliografía
•HILERA, J. R. MARTINEZ, V. J. Redes Neuronales Artificiales.
Fundamentos, modelos y aplicaciones. Alfaomega. 2000.
•RICH, E. KNIGHT K. Inteligencia Artificial. Mc Graw Hill. 1996.
•RUSSELL, S. NORVIG, P. Inteligencia Artificial, Un Enfoque Moderno.
Prentice Hall. 1996.
•Sistemas Expertos y Representación del Conocimiento. Carnota y Teszkiwicz
(EBAI III 1988)
•Documentación del Curso Sistemas Expertos del Magister en Ciencias de la
Computación - Universidad de Cantabria, Santander España - Curso
Académico 1996/1997
•Documentación del Curso Sistemas Expertos de la Maestría en Informática y
Computación - UNNE, Corrientes Argentina - Curso Académico 1999