AGENTES INTELIGENTES

Introduccin a la Inteligencia ArtificialLCC

SISTEMAS MULTIAGENTESCampo Interdisciplinario: sistemas distribuidos, IA, teora de juegos, ciencias socialesAgentes como un nuevo paradigma de la Ingeniera de Software: para disear e implementar sistemas complejos distribuidosAgentes como una herramienta para entender sociedades humanas: permiten una interesante forma de simular sociedades

AGENTES INTELIGENTESNOCION DEAGENCIA

AGENTES EN LA IA

INTELIGENCIA ARTIFICIALLas nuevas tendencias... Las capacidades de aprendizaje de las redes neuronales y otras tcnicas Conocimiento de los expertos en forma de ejemplos, ensayo y error.Los SE con tcnicas de RA Conocimiento abstracto, lgico y aproximado de los expertos.Los agentes (IA distribuida)Conocimiento sobre los mtodos de cooperacin en un conjunto de expertos (explotar las interacciones)

INTELIGENCIA ARTIFICIAL DISTRIBUIDA Porque IA Distribuida? Porque distribuir IA?Los problemas estn fsicamente distribuidosEl mundo est compuesto por entidades autnomasEstas entidades interactan entre si y con el entorno

NOCION AGENTES

INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI- MIT 80)Disciplina dirigida al desarrollo de mtodos y tcnicas para la solucin de problemas complejos por medio del comportamiento inteligente de un sistema integrado por unidades llamadas agentes.

INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI)Uno de los principales objetivos es entender los principios subyacentes al comportamiento de mltiples entidades del mundo denominadas agentes, y sus interacciones. Cmo los agentes interactan y producen un comportamiento general del sistema multiagente (MAS).

Nocin de agenteCuando se hace referencia a la idea de agente surgen dos mbitos de trabajo:El agente en s mismoLos conjuntos de agentes

Similitud con lo que sucede a nivel humano

Nocin de agenteTendremos un comportamiento personalTendremos un comportamiento socialproducido por un conjunto de agentes

Lenguaje metafrico

QUE ES UN AGENTE?Es una entidad fsica o virtual que posee ciertas caractersticas generales:Es capaz de percibir el entornoPosee una representacin parcial del entorno.Es capaz de actuar sobre el entornoPuede comunicarsePosee un conjunto de objetivos que gobiernan su comportamientoPosee recursos propios

Sistemas Multiagentes (MAS)SISTEMAS COMPLEJOSPueden ser descompuestos en componentes de software modulares y de funciones especficas: agentesSon concebidos como organizaciones de agentes MAS

Sistemas MultiagentesSon sistemas con los siguientes Componentes esenciales:Un entorno EUn conjunto de objetos O en EUn conjunto de agentes A / A OUn conjunto de relaciones en OUn conjunto Op de operaciones

Sistemas Multiagentes (MAS) Los agentes deben compartir conocimientos sobre el problema y las posibles soluciones.

Los agentes en un MAS pueden compartir una meta o tener metas independientes.

El conocimiento globalpuede incluir control global, consistencia global, metas globales, etc

La coordinacin puede ser muy compleja

SISTEMAS MULTIAGENTES (MAS)CARACTERISTICAS Cada agente tiene informacin y capacidades limitadas para resolver un problema

No hay un control global del sistema Los datos estn descentralizados Computacin es asincrnicaProveen mas robustez, eficiencia y permiten la interoperatividad de sistemas existentes

QUE ES UN AGENTE?

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

QUE ES UN AGENTE ????"Es todo aquello que percibe su ambiente mediante sensores y que responde o acta mediante efectores." Russell and Norvig The AIMA Agent, 1995

Que entendemos por ambiente, sensores y actuacin ?

AGENTE

Representacin Norvig&Russell

QU ES UN AGENTE INTELIGENTEUn agente inteligente es aqul que puedapercibir un mundo perceptual mediante SENSORES yactuar sobre ese mundo mediante EFECTORES (o actuadores)

META de la IA Disear un agente inteligente/racional que opere o acte adecuadamente en sus ambientes.

AGENTE INTELIGENTE /RACIONAL???Debe hacer siempre lo correcto de acuerdo a sus percepciones.

Es aquel que emprende la mejor accin posible en una situacin dada.Russel & Norvig

RACIONALIDADDepende de

LA SECUENCIA DE PERCEPCIONES - TODO LO QUE EL AGENTE HA PERCIBIDO HASTA AHORA LA MEDIDA DE XITO ELEGIDACUNTO CONOCE EL AGENTE DEL AMBIENTE EN QUE OPERALAS ACCIONES QUE EL AGENTE EST EN CONDICIONES DE REALIZAR

AGENTE INTELIGENTE IDEALEl agente inteligente ideal es el que, para cualquier secuencia arbitraria de percepciones, logre con su ACCION maximizar la medida de su buen xito.

Para ello usasu secuencia de percepcionessu conocimiento internalizado

Racional no es omnisciente

PRR (Herbert Simon)El Principio de la Racionalidad Restringida alega que la racionalidad ptima ideal NO es el buen xito perfecto. Ningn ser humano apela a una mayor racionalidad que la necesaria para sus fines prcticos.Las limitaciones de un agenteSENSORESEFECTORES yPOTENCIA COMPUTACIONAL disponible y ptima econmica conducen a que la racionalidad ideal seaimposible e imprctica.MAXIMA PERFORMANCE !!!

QUE ES UN AGENTE ????Es un sistema de computacin situado en algn entorno, que es capaz de una accin autnoma y flexible para alcanzar sus objetivos de diseo." Wooldridge & JenningsDbilNociones de Agentes Fuerte

AGENTES: propiedadesNocin Dbil: Es la forma ms general en que es usado el trmino agente. Es un sistema de software (hardware) con las siguientes propiedades: Autonoma. (actuar sin intervencin, control) Habilidad Social.(lenguaje de comunicacin) Reactividad. (percepcin-accin) Proactividad. (dirigido a la meta, toma iniciativa)

AGENTES: propiedadesAutonoma: La caracterstica principal de los agentes es su autonoma.: Un sistema autnomo es capaz de actuar independientemente, exhibiendo control sobre su estado interno.

AGENTES: propiedadesReactividad: La mayora de los entornos interesantes son dinmicos: Un sistema reactivo es aqul que mantiene una interaccin continua con el entorno y responde a los cambios que se producen en l, en tiempo de respuesta adecuado.

AGENTES: propiedadesProactividad: Generalmente se espera que un agente haga cosas para nosotros: Un sistema proactivo es aqul que genera e intenta alcanzar metas, no es dirigido slo por eventostoma iniciativareconoce oportunidades

AGENTES: propiedadesHabilidad social: El mundo real es un entorno multiagente, no podemos alcanzar nuestras metas sin tener a otros en cuenta.:La habilidad social en los agentes es la capacidad de interaccin con otros agentes (posiblemente humanos) a travs de algn tipo de lenguaje de comunicacin de agentes.

AGENTES: ejemplosEjemplos Agentes trivialesTermostatodemonio en UNIX (biff)

Agentes inteligentesagente planificador de vuelosagentes de interfazagentes para e-commerce

AGENTE: nociones mentalesNocin ms fuerte: IA Adems de las propiedades anteriores, se agregan nociones mentales como:

Conocimiento.Actitudes de Creencias. informacin Intenciones. Obligaciones Pro-actitudes (Emociones).

ACTITUDES DE INFORMACIONCreencia es la informacin que un agente recibe de otros agentes (software, personas).Todo sistema cuando recibe informacin se construye un mundo que intenta representar el mundo exterior.Evidencia es la informacin que proviene de mediciones o inspecciones directas .

REPRESENTACIN DE CREENCIASEl agente A cuando recibe esa informacin, lo que tiene es una creencia de que hace muy buen tiempo.EJEMPLO:

AGENTE: otras propiedades Otros atributos: Varios de estos atributos tambin se suelen discutir en el contexto de agencia:

Movilidad. Veracidad. (no comunica informacin falsa) Benevolencia. (trata de hacer lo que se le pide) Racionalidad. (actuar para lograr sus metas) Solitario, parsito, social,

TIPOS DE AGENTES Estticos o mviles. Deliberativos o reactivosEl agente posee una representacin del mundo en base a la que razona o tiene un comportamiento reflejo que depende de sus percepciones ??? Otras clasificaciones

TIPOS DE AGENTESCOOPERATIVOSAUTONOMOSAPRENDENAGENTES INTELIGENTESSource: H. Nwana, Software Agents: An Overview

COLABORATIVOSAGENTES DE INTERFAZCOLABORATIVOS/APRENDEN

EjemploEjemplo Taxi con piloto automtico (taximetrero reemplazado por un agente inteligente )Percepciones ??acciones ??Metas ??Ambiente ??

Taxi con piloto automticoPercepciones Video, acelermetro, instrumental del tablero, sensores del motor acciones gestin del volante, acelerar y frenar, bocinaMetas seguridad, llegar a destino, maximizar ganancias, obedecer las leyes, satisfaccin del clienteAmbientecalles urbanas, avenidas, trfico, peatones, clima, tipo de cliente

Ejemplos de distintos tipos de agentesPara identificar a un agente debemos analizar:

AMBIENTES

PROPIEDADES DE LOS AMBIENTESNorvig & Russell cap2Accesible/InaccesibleSi los sensores proporcionan todo lo que hay que saber sobre el estado completo del ambiente - necesario para elegir una accin - entonces el ambiente es accesible al agente. Determinstico/No-determinstico (estocstico)Si el estado siguiente del ambiente est determinado plenamente por el estado presente del mismo, y por la accin del agente - se trata de un ambiente determinstico. Episdico/No-episdico Un ambiente episdico implica que los episodios siguientes no dependen de las acciones que ocurran en episodios previos.

PROPIEDADES DE LOS AMBIENTES(2)Esttico/DinmicoSer esttico todo ambiente que no cambie mientras el agente est pensando (computa una buena estrategia) Discreto/ContinuoDiscreto - con escaso nmero de percepciones y acciones en el ambiente. Continuo - el otro caso.Sin adversario/con adversarios racionalesLos ambientes ingenieriles suelen ser sin adversario. Los ambientes sociales y econmicos aumentan en su complejidad por la presencia de interacciones entre uno o ms adversarios (por ejemplo en la Bolsa).

Tipos de ambientes y sus caractersticasSolitario s - s - no - s - sTaxi no - no -no - no - no

Accesible Determinstico EpisdicoEstticoDiscreto

Tipos de ambientes y sus caractersticas

ARQUITECTURAS DE AGENTES

SISTEMAS MULTIAGENTES: Como especificarlo?DISTINTOS NIVELES : TEORIAS FORMALES. ARQUITECTURAS. LENGUAJES DE PROGRAMACION. APLICACIONES.Wooldridge & Jennings (1995)Intelligent Agents: Theory and Practice

TEORIAS SOBRE AGENTES Que es un agente?Que propiedades debe tener?Cmo se representan dichas propiedades formalmente? Cmo se razona acerca de ellas?

MODELO ABSTRACTO entorno: S={s1, ....,sn}Acciones A= {a1,...an} (capacidad de actuar del agente) Agente: accin: Sk AInteraccin Agente-entorno (historia)h: S0 a0 S1 ....... S0 Observacin del entorno: ver:S P

MODELO ABSTRACTO entorno: S={s1, ....,sn}Observacin del entorno: ver: S PUn agente en general tiene una percepcin parcial, s1,s2 S son indistinguibles si:ver(s1) = ver(s2 ) relacin de equivalencia situaciones extremas: = S agente con percepcin perfecta:Omnisciente = 1 agente para el cual todos los estados son indistinguibles

TEORIAS Y ARQUITECTURASAlgunas de las propiedades estudiadas son:REACTIVIDAD/DELIBERACIONINTENCIONALIDAD En que grado se puede considerar a los agentes como un sistema intencionalACTITUDES: El comportamiento de un agente es previsto y explicado a travs de la atribucin de actitudes (creencias, deseos, preferencias,etc)Nociones intencionales

SISTEMA INTENCIONALUn sistema es intencional si su comportamiento puede ser predicho atribuyndose creencias, deseos y conducta racional. (D. Dennet, 1987)Primer orden: tiene creencias y deseos, pero no creencias y deseos acerca de creencias y deseos.Segundo orden: tiene creencias y deseos acerca de creencias y deseos.

ACTITUDESCules son las necesarias para modelizar adecuadamente a un agente ???Actitudes informacionales: creencias y conocimientoPro-actitudes: deseos, intenciones, obligacin, compromiso.

TEORIAS FORMALES SOBRE AGENTESSon especificaciones formales, es decir, estudios formales acerca de las propiedades, su representacin y cmo razonar sobre ellas. Agentes como sistemas intencionales (creencias, conocimiento, deseos, intencin, obligacin,). Formalizacin lgica de una teora sobre intenciones (creencias y objetivos)

ARQUITECTURA DE AGENTESComo deben construirse los agentes para que tengan las propiedades que deseamos?

Que estructuras de software o hardware son necesarias para soportar esta arquitectura ?Representa un punto intermedio entre la especificacin y la implementacin

ARQUITECTURA DE AGENTESUno de los aspectos que deben balancear es la percepcin/accin y el razonamiento sobre como actuar. (Intelligence Agent: Theory and Practice) DELIBERATIVAS: Contienen un modelo simblico, explcitamente representado del entorno se basa en Hptesis del sistema de smbolos fsicos - SS (IRMA) REACTIVAS: Generalmente no incluyen representacin simblica del mundo - la inteligencia real est situada- interaccin (Subsumption architecture)HIBRIDAS: Tratan de combinar las dos aproximaciones - (layers, BDI architectures)

ARQUITECTURA DE AGENTESWooldridge 2002- An Introduction to Multiagent SystemsDEDUCTIVE REASONING AGENTS Aproximaciones simblicas/lgicasPRACTICAL REASONING AGENTS : Deliberacin + razonamiento Means-Ends. PRS (Procedural Reasoning System) - Arquitectura BDI REACTIVE AND HIBRID AGENTS:rechazan la representacin simblica - comportamiento emergente - interaccin

Tipos de Agentes (Norvig&Russell)De reflejo simple se basan en reglas condicin/accin. Carecen de memoria referente a estados pasados del mundo.Bien informado de lo que pasa con un estado interno usado para almacanar estados pasados del mundo. Basados en meta (proactivos)adems de disponer de informacin sobre el estado, tienen una meta que describe situaciones deseables. Basados en Utilidadbasan su decisin en la teora de la utilidad para actuar racionalmente.

Un agente reactivo (reflejo)Las reglas condicin-accin permiten establecer la conexin entre percepcin y accin.Los rectngulos se usan para indicar el estado interno en un momento.Interpret-input genera una descripcin abstracta del estado mostrado por la percepcinRule-match produce una regla del conjunto que satisface la percepcin

Agentes bien informados de lo que pasa La actualizacin del estado interno requiere :conocimiento acerca de la forma como el mundo cambia conocimiento acerca de la forma en que el mundo cambia con la accin del agentePero el conocimiento del estado interno no siempre es suficientepues se requiere conocer la meta a lograr

Agentes basados en una MetaRazonando acerca de accionesla bsqueda y la planificacin ayudan a razonar acerca de cul accin logra la metael agente es menos eficiente pero ms adaptativo y flexible

Agentes basados en UtilidadFuncin Utilidades un mapeo de estados - nmeros realeslleva a decisiones racionales en situaciones demetas en conflicto

ARQUITECTURA BDI Tiene sus races en ver a los agentes como sistemas intencionales, los primeros trabajos son de Rao&Georgeff 1995B: belief, representa las creencias del agenteD: 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

ARQUITECTURA BDI Tiene sus races en el proceso de decidir que acin realizar para alcanzar las metas.Involucra los procesos:Deliberacin: : decidir que metas alcanzar (DESEOS)Razonamiento de medios y fines: como alcanzarlas INTENCIONES accionesAlternativas para alcanzar la meta

ARQUITECTURA BDI PROPIEDADES DE LAS INTENCIONES(Bratman, 1978, 1990)Las intenciones tienen el rol de provocar accionesLas intenciones tienen la propiedad de persistencia hasta que:Las cumpleno puede lograrlas ya no sean vlidaReconsideracin de las intenciones !! Costo??

ARQUITECTURA

???EFECTORESSENSORESCREENCIASDESEOSINTENCIONES

ARQUITECTURA BDI modelo bsico Es necesario mantener tres estructuras de datos: Bel: el conj. de todas las creencias posibles. Des: el conj. de todas las deseos posibles. Int: el conj. de todas las intenciones posibles.La representacin mediante frmulas lgicas de 1er orden suele ser la ms adecuadaDebe haber una nocin de consistencia definidos sobre ellos

ARQUITECTURA BDI modelo bsico La funcin que agrupar todas las funciones definidas ser : P AFuncin accin p: P , ABeginB = FB (p: P) D = opciones ( B)I = filtro(B,D,I)return (ejecutar(I))End

Ejemplo: TERMOSTATO D = mantener temperatura en T B = { t (A), OK(T) } I = { Calentar, Enfriar, nada} P t (actual) BFiltro: - Si A > T entonces I = Enfriar - Si A < T entonces I = Calentar - Si A = T entonces I = NadaAccin: Case I de Enfriar Accin = bajar tempCalentar Accin = subir tempNada Accin = nada

LENGUAJES DE AGENTESComo deben programarse estos agentes ?Cules deben ser las primitivas para esta tarea?Cmo es posible hacer que estos lenguajes provean un marco efectivo ?

LENGUAJES DE AGENTESEs un lenguaje que permite programar sistemas computacionales, en trminos de conceptos desarrollados en modelos formales de agentes Actor Model (Hewitt): Lenguaje concurrente orientado a objetos (antecesores a lenguajes de agentes)Agent0 (Shoham, 1990): Nuevo paradigma para programacin de agentes.Concurrent METATEM (Fisher, 1994) JASON, JACK, JADE

AGENTES PARA CONSTRUIR SISTEMAS MULTIAGENTES

Sistemas MultiagentesCOORDINACION Para que un conjunto de agentes pueda desarrollar una actividad conjunta en un entorno compartido debe existir algn tipo de coordinacinAGENTESCOOPERATIVOSAGENTESCOMPETITIVOSPLANIFICACIONNEGOCIACION

INTERACCION ENTRE AGENTESPara que dos o mas agentes puedan interactuar deben disponer de:Un protocolo de interaccin: (como mantener una conversacin)Un lenguaje de interaccin (como construir mensajes)KQMLFIPA ACLUn lenguaje para representar el conocimiento de cada agente

AGENTESDE OBJETOS A AGENTESOBJETOS: Estn programados para hacer lo que est definido cuando se invoca un mtodoAGENTES: Al recibir un mensaje toman la decisin sobre que hacer (autnomos!!! Mayor flexibilidad en su comportamiento)

OBJETOS Y AGENTESLos agentes incorporan una nocin ms fuerte de autonoma que los objetos, en particular deciden si realizar o no una accin.Los agentes son capaces de un comportamiento flexible (reactivos, proactivos, social) y los modelos de objetos no incluyen comportamientos.

AGENTES

DE OBJETOS A AGENTESOBJETOSAGENTESObjects do it for free; agents do it because they want to

AGENTES Y SISTEMAS EXPERTOSLos sistemas expertos clsicos no estn acoplados al entorno en el cual actan, suelen usar un intermediario.SE Generalmente no son capaces de un comportamiento reactivo, proactivoSE suelen no estar equipados de habilidad social (cooperacin, coordinacin y negociacin) Algunos SE (tareas de control en tiempo real) se comportan como agentes

APLICACIONES DE AGENTESHay mltiples aplicaciones de sistemas multiagentes, las principales reas de aplicacin son:Resolucin cooperativa de problemas: Gestin de plantas elctricas y redes de telecomunicaciones (ARCHON), control de trfico areo, diagnstico mdico.Agentes Interfaz: sistemas que emplean tcnicas de IA para apoyar a los usuarios en una tarea determinada, (NEWT, NewsAgent, PersonalSearcher ).MAS especializados en Infomacin: sistemas que acceden a fuentes de informacin y la procesan para dar respuesta a los usuarios (QueryGuesser).

BIBLIOGRAFIAInteligencia Artificial. Un enfoque moderno Norvig & Russell , cap2An Introduction to Multiagent Systems. M. Wooldridge - J. Whiley & Son, 2002Agents: How to get started http://www.cs.wpi.edu/Research/airg/Agents-intro.htmlThe many faces of Agents- K. Sycara, AAAI , summer 1998. Software Agents: An Overview http://more.btexact.com/projects/agents/publish/papers/review1.htmSoftware Agents- N. Jennings & M. Wooldridge- IEE Review, Jan 1996, 0017-20Links: http://www.csc.liv.ac.uk/~mjw/links/

APENDICE

QUE ES UN AGENTE ????Agentes autnomos son sistemas de computacin que estn en algn entorno complejo y dinmico, sensan y actan autnomamente en este entorno y haciendo esto realizan un conjunto de metas o tareas para las cuales fueron diseados P. Maes 1995 [MIT's Media Lab]

Los agentes deben actuar autnomamente para "realizar un conjunto de metas"

QUE ES UN AGENTE ????Los agentes inteligentes continuamente realizan tres funciones: perciben las condiciones dinmicas del entorno; actan para afectar las condiciones en el entorno y razonan para interpretar las percepciones, resolver problemas, realizar inferencias, y determinar aciones. Hayes-Roth 1995 [Standford, Knowledge Systems Laboratory ]

QUE ES UN AGENTE ????Los agentes inteligentes son entidades de software que realizan un conjunto de operaciones en la voluntad de un usuario u otro programa, con cierto grado de independencia o autonoma, y al hacerlo emplean conocimiento o representacin de los objetivos o deseos del usuario." IBM Agent

El lenguaje puede ser ejecutado con el siguiente intrprete de agentesINTERPRETE GENERAL

Algo ms (Randall Beer) Los navegantes europeos aplican la planificacin a su derrotero - lo trazan en el mapa y se sujetan a l, corrigiendo los desvos.Los navegantes truqueses aplican toda su atencin a todos los detalles de las olas, los vientos, las aves y las corrientes de cada momento y llegan a su destino de una manera prctica.A la hora de explicar por qu hicimos lo que hicimos, no seremos truqueses disfrazados de europeos?

IIA/AGENTES - 2002*INTELIGENCIA ARTIFICIAL DISTRIBUIDA (DAI MIT en los 80s)

RESOLUCION DISTRIBUIDA DE PROBLEMAS (DPS)Fases: descomposicin- resolucin de subproblemas-sntesis

SISTEMAS MULTI-AGENTES (MAS)Significado mas generalUsado para referir a todo sistema compuesto por mltiples componentes autnomos (semi-autnomos) .

IIA/AGENTES - 2002

*******

There are three phases inside the loop here: figure out howthe environment has changed, figure out what is the best action,figure out how this action changes the environment.

The key advantage of this architecture is that the "interpret"function identifies "equivalence classes" of percepts: manydifferent percepts correspond to the SAME environmental situation,from the point of view of what the agent should DO.

Therefore the table of rules can be much smaller than the lookup tableabove.

It is not rational for an agent to pay attention to EVERY aspectof the environment.

*LEARNING IN INTELLIGENT AGENTS

With the reflex architecture, if the table of rules prescribes thewrong action, and the agent discovers this and changes the table,it has automatically generalized from its specific experience.

Generalization is a key phenomenon in learning. Generalizationalways requires previous "background" knowledge to direct it.

All complex intelligent agents will have a lot of background knowledgepreprogrammed, because they do not have the time to receive enoughexperience and feedback from the environment to allow them to learn tobehave correctly starting from scratch.

In linguistics this is called the "poverty of stimulus" argument. Ifyou calculate how many sentences a young child hears before it startsto speak correct English, the number is too few to allow it to "guess"the grammar of English. Therefore the baby must have a so-calleduniversal natural language grammar preprogrammed into it by its genes.This argument is controversial, but there is scientific agreementthat background knowledge of some sort (often very hidden and implicit)is necessary for learning in humans and AI systems.

***