En el área de la inteligencia artificial, existen distintos tipos de agentes utilizados en varias
aplicaciones de la vida diaria hasta en sistemas automatizados para el cumplimiento de
distintas tareas. Este documento explica cada uno de ellos por medio de ejemplos de la vida
real, además de mostrar un diagrama a alto nivel de la forma en que estos funcionan
internamente para cumplir con su objetivo.
Un agente puede ser visto como todo aquello que tenga percepción mediante sensores y
actuación sobre un ambiente por medio de actuadores. Algo así como un humano tiene ojos,
oídos, y otros órganos por sensores mientras tiene manos, piernas y demás como actuadores.
Entre estos agentes, existen tipos que se distinguen entre sí, unos más complejos que otros,
otros con un fin y uso específico que son utilizados actualmente para la investigación y
creación de nuevas herramientas para el desarrollo de la tecnología.
Desarrollo
Se describirán cuatro agentes básicos que incorporan los principios por debajo de casi todos
los sistemas inteligentes.
Agentes de Reflejo Simples
Estos agentes seleccionan acciones sobre las bases de la percepción actual e ignoran el resto
del historial de percepciones. Esto implica una obvia reducción de acciones posibles a
realizar. Como ejemplo, imagina que está conduciendo y notas que el vehículo de enfrente
enciende sus luces de freno, entonces inicializas la acción de frenado. En otras palabras, se
realiza un tipo de proceso con la entrada visual para establecer la condición que podría llamar
“El vehículo de enfrente está frenando.” Estos dispara una conexión establecida en el
programa agente a la acción “iniciar frenado”. Estas condiciones se llaman “regla condición -
acción.” El siguiente diagrama muestra la forma en que funciona este tipo de agente:
Agentes de Reflejo Orientado en Modelos
La maneras más efectiva de manejar observabilidad parcial es que el agente mantenga un
record de parte del mundo que este aún no puede ver. Esto es, el agente debe mantener un
tipo de estado interno que depende en la historia de percepción y por ello refleja al menos
algunos de los aspectos no observados del estado actual. Utilizando el ejemplo anterior, el
estado interno no es muy extenso: únicamente con el marco anterior de la cámara que permita
al agente detectar las dos luces rojas del vehículo se encienden simultáneamente. Para otras
tareas de manejo, como cambiar de carril, el agente necesita mantener pistas de donde están
los otros vehículos si no los puede ver todos a la vez. La siguiente figura muestra un
diagrama de este agente:
Agente Orientado en Metas
El saber el estado actual del ambiente no siempre es suficiente para decidir que hacer. Por
ejemplo, en una intersección, un taxi puede doblar a la izquierda, derecha o ir directo. La
decisión correcta depende de a donde trata de llegar el taxista. En otras palabras, tanto como
una descripción del estado actual, el agente necesita algún tipo de información objetivo que
describa situaciones deseables, para este caso, llegar al destino del pasajero. El programa de
agente puede combinarse con el agente de modelos para elegir acciones para cumplir una
meta. El diagrama de este agente sería:
Agente Orientado a Utilidades.
Las metas no son suficientes para generar comportamiento de alta calidad en la mayoría de
ambientes. Por ejemplo, muchas secuencias de acciones llevarán al tazi a su destino,
cumpliendo su objetivo, pero otras son más rápidas, seguras, confiables o baratas que otras.
Estos objetivos solo proveen una distinción binaria de estados entre “feliz” o “infeliz”. Una
medida de rendimiento general debería permitir una comparación de diferentes estados de
acuerdo a que tan feliz o infeliz hacen al agente. A este estado se le llama utilidad.
La función de utilidad de un agente es, esencialmente, una interiorización de la medida de
rendimiento. Si la función de utilidad interna y la medida de rendimiento externa están en un
acuerdo, entonces un agente que elige las acciones para maximizar su utilidad será racional
según la medida de rendimiento externa. Un diagrama para este agente sería el siguiente:
Conclusión
Un agente es algo que percibe y actúa en un ambiente. La función agente de un agente
especifica la acción tomada por el mismo en respuesta a cualquier secuencia de percepciones.
Los agentes de reflejo simple responden directamente a percepciones, mientras que los
agentes de reflejo basados en modelos mantienen un estado interno para rastrear aspectos del
mundo que no son evidentes en la percepción actual. Los agentes orientados en metas actúan
para cumplir sus objetivos y los agentes orientados a utilidades intentan maximizar su propia
“felicidad” esperada. Todos estos agentes pueden mejorar su rendimiento por medio del
aprendizaje.
Fuentes
Russell, S. S., & Norvig, P. (1995). Artificial Intelligence: A Modern Approach. Prentice
Hall, Englewood Cliffs, NJ