Inteligencia Artificial Distribuida

(1)

MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA

ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA

Inteligencia Artificial Distribuida

Oportunidades y Desafíos

Marin Lujak

Centro para las Tecnologías Inteligentes de la Información y sus Aplicaciones CETINIA, URJC

1

(2)

Índice

 Introducción

 Agentes Inteligentes y los Sistemas Multiagente

 Metodologías para la IAD

 Técnicas de Coordinación en la IAD

 Cooperación y colaboración en la IAD

 Aplicaciones de la IAD a los problemas en el mundo real

2

(3)

Introducción a la IAD

 IAD aparece en la década de los 80 como una nueva rama de la IA

 estudia sistemas inteligentes formados por un conjunto de varios agentes

 intenta resolver problemas donde una conducta colectiva es más eficiente que una conducta

individual.

(4)

Introducción a la IAD

 La IAD se centra en la resolución de problemas mediante aplicación tanto de técnicas de la

Inteligencia Artificial como de múltiples solucionadores de sistemas.

 Los agentes funcionan como solucionadores de

problemas, son autónomos o semi-autónomos,

tienen un cierto conocimiento del problema y son

razonables.

(5)

¿Por qué IAD?

 Cuando propuestas centralizadas para solucionar problemas mediante la IA se muestran insuficientes ante la aparición de múltiples agentes en un entorno social.

 En los problemas esencialmente distribuidos.

 En la integración de los sistemas de IA para mejorar la

capacidad mediante la distribución del conocimiento.

(6)

¿Por qué IAD?

Grandes desafíos para

desarrolladores de software:

 Delegación – actuar de modo independiente.

 Inteligencia – actuar del modo que represente nuestros

mejores intereses.

 Sistemas que actúen de un modo efectivo y eficiente.

 Sistemas con habilidad de cooperación y capaces de alcanzar consensos con otros

sistemas.

 Sistemas adaptables a los

cambios en el ambiente.

(7)

Ventajas de la IAD

 Incremento de la flexibilidad: Se permite la adición de nuevos agentes.

 Mejor seguridad y efectividad: Los agentes se pueden especializar en una tarea específica.

 Mejor tiempo de respuesta: Los agentes pueden resolver sus

problemas particulares al mismo tiempo.

 Reducción de la complejidad: Una tarea puede ser descompuesta en varias sub-tareas.

 Reutilización: La solución

presentada por un agente en un

sistema puede ser incorporada a

otro.

(8)

Agentes Software

 ¿Qué es un agente?

RAE

 adj. Que obra o tiene virtud de obrar.

 adj. Gram. Dicho de una palabra o de una expresión: que designa a la

persona, animal o cosa que realiza la acción del verbo.

 m. Persona o cosa que produce un efecto.

 m. Persona que obra con poder de

otra.

(9)

Agentes Software

 Es una metáfora computacional propia de la IA

 Agente Inteligente: entidad

computacional con autonomía:

 Reactividad: capacidad para responder a los cambios del entorno,

 Proactividad: capacidad de exhibir un comportamiento dirigido a cumplir sus objetivos,

 Sociabilidad: capacidad para comunicarse

y colaborar con otros agentes.

(10)

Agentes Software

Un agente:

 Percibe el entorno  sensores

 Actúa en el entorno  efectores

 Asigna percepciones a acciones

 Mide lo “bien” que lo ha hecho

Entorno percibe

actúa

(11)

Agentes artificiales

 Hardware (robots):

 Actúan directamente en el entorno físico

 Sensores: cámaras, odómetros, etc.

 Efectores: ruedas, brazos mecánicos, …

 Software Robots (softbots):

 Entornos virtuales (e.g.

Internet)

 Sensores y efectores:

dependientes del dominio

(12)

Áreas relacionadas con los agentes

Teoría

 Programación OO

 Sistemas distribuidos

 Economía

 Sociología

 Psicología

 Teoría de la decisión

 Biología

 …



(13)

Áreas relacionadas con los agentes

En la práctica

 Internet

 Sistemas de Información

 E-Commerce

 Interfaces de usuario

 Transporte

 Redes Inteligentes, energía

 Robótica y producción

 Simulación de sistemas

 Juegos

 …

(14)

Definiciones de agente software

Houston, we’ve got a problem!!!

 No hay definición universalmente aceptada

 Literatura: depende del dominio, del autor , …

 Terminología diversa para referirse a lo

mismo

(15)

Definiciones de agente software

 Definición de agente [Russell & Norvig, 1995]

“Dada una sucesión de percepciones, un agente racional ideal debe realizar una acción que maximice la medida de éxito a partir de la base de evidencias que obtiene de dicha sucesión de percepciones y junto con el conocimiento que posee.”

Esta definición solo dice lo que el agente debe

hacer.

(16)

Definiciones de agente software

 The Franklin & Graesser Agent [Franklin &

Graesser, 95]

“Un agente autónomo es un sistema

situado dentro de un entorno, percibe

dicho entorno y actúa sobre él, a lo largo

del tiempo, en busca de cumplir sus

objetivos y, por tanto, para llevar a cabo lo

que percibe en el futuro”

(17)

Agentes inteligentes

 Comportamiento racional

 Los agentes inteligentes interactúan racionalmente con su entorno

 Secuencia de percepcioneshasta el momento actual + conocimiento a priori sobre el entorno

 Seleccionan la acción que les reporta mayor utilidad

 Racionalidad  Omnisciencia

 Autonomía

 Al comienzo “sólo” la inteligencia del diseñador

 Un agente es más autónomo cuanto…

 … más experiencia tiene y más guía ésta su comportamiento

 … menos depende de su comportamiento a priori

 Agente Inteligente = Comportamiento

Racional+Autonomía

(18)

Agentes Inteligentes

Objetivos: un agente puede mostrar un comportamiento proactivo

Concurrencia: un agente tiene su propio thread

Agentes autónomos vs. objetos activos

 Objetos Activos

 Controlan su estado, pero no su comportamiento

 Si un método es público, será ejecutado si es invocado

 La decisión está en el objeto que invoca (no en el invocado)

 Agentes

 Controlan su estado y su comportamiento

 Pueden rechazar la ejecución de una acción

 La decisión de realizar una acción está en el agente y está basada en sus intereses (racionalidad!!!)

(19)

Agentes Inteligentes vs. Objetos

Agentes y objetos están relacionados:

 En sistemas cerrados proporcionan un nivel más alto de abstracción en análisis, diseño e implementación

 En sistemas abiertos el concepto de autonomía es relevante

Pero…

 Programamos agentes usando lenguajes de OO

 Varios agentes interactuando entre sí y con el mismo entorno

 Las acciones de un agente influencian las acciones del resto (utilidad individual)

 Autonomía: un agente NO puede controlar las acciones de los otros

 Racionalidad: un agente SÍ puede predecir las acciones de los

otros

(20)

Características deseables de un Agente de Software

 Autonomía: Agentes operan sin la intervención de humanos.

 Racionalidad: Un agente intenta cumplir sus objetivos si son viables.

 Iniciativa (proactividad): Los agentes tienen un carácter emprendedor y pueden actuar guiados por sus objetivos.

 Veracidad: Un agente siempre dice la verdad.

 Benevolencia: Un agente ayuda a otros agentes, si al hacerlo no genera conflictos con sus propios objetivos.

 Sociabilidad: Los agentes son capaces de interactuar con otros agentes (humanos o no) a través de un lenguaje de comunicación de agentes.

 Reactividad: Los agentes son capaces de percibir estímulos de su entorno y de reaccionar ante dichos estímulos.

 Movilidad: Capacidad de un agente de trasladarse a través de la red.

(21)

Tipologias de Agentes

Agentes Reactivos

 Son los más simples en estructura interna.

 Reaccionan inmediatamente a través de una acción sencilla cuando alguna condición se cumple, al recibir un estímulo de su entorno.

 Económicos en conocimiento.

 Comportamientos emergentes de grupo, los cuales no estaban predefinidos

inicialmente, se producen al poner a trabajar un sistema con agentes de este tipo.

Agentes Cognitivos o Deliberativos

 Poseen una estructura compleja que incluye los componentes que forman su estado mental, como son: creencias, conocimiento, comunicación, control y su funcionalidad.

 Se encargan de negociar y planificar sus acciones para luego lograr la comunicación con otros agentes

(22)

Tipos de sistemas multi-agente

Solución de Problemas Distribuidos DPS

 el problema se divide entre los nodos que conforman el conjunto de agentes,

 agentes cooperan y comparten conocimiento sobre el problema y la solución desarrollada,

 todos los agentes tienen conocimiento homogéneo y completo del problema así como de la solución,

 están interconectados y el desarrollo de la solución

se obtiene a partir de una secuencia de operaciones.

(23)

Tipos de sistemas multi-agente

Sistemas Multi-Agente

 la conducta inteligente de agentes autónomos.

 Estos agentes hacen parte de una colección y pueden coordinar su conocimiento, objetivos, habilidades y planes juntamente para tomar una acción o resolver una meta global,

 pueden tener conocimiento parcial sobre el problema y las soluciones.

 En estos sistemas debe haber un proceso de

racionalización para la coordinación del conjunto de

agentes.

(24)

Sistemas Multiagente, ¿algo nuevo?

 ¿No es lo mismo que Sistemas Distribuidos/Ingeniería del SW?

 Sí, pero añadiendo autonomía + racionalidad

 Coordinación no precompilada

 No hay asunción de benevolencia

 ¿No es lo mismo que Sistemas Expertos/Inteligencia Artificial?

 Sí, pero añadiendo interoperatividad + sociabilidad

 Percepción, planificación, razonamiento, aprendizaje, …

 Interacciones sociales: Negociación, Compromisos, Trust

 ¿No es lo mismo que Economía/Teoría de Juegos?

 Sí, pero añadiendo computación y racionalidad limitada

(25)

Cooperación

 El objetivo de la cooperación es mejorar el modo de trabajo de los agentes.

 Las formas de cooperación entre agentes, las cuales dependen del contexto de resolución de problemas y del dominio de aplicación son:

 Estructura organizacional,

 Planificación,

 Negociación,

 Intercambio de resultados intermedios, etc.

 Cooperación vs. Colaboración

 Cooperación: la actuación conjunta facilita los objetivos diferentes pero compatibles de los actores

 Colaboración: realización conjunta de un trabajo o tarea

(26)

Organización Social de los SMA

 Sistema Jerárquico

 Sistema en Red

 Sistema Federado

 Sistema Distribuido

 Sistema Descentralizado

 …

26

Sistema Federado

Sistema Jerárquico Sistema en Red

(27)

La coordinación en los SMA: dos perspectivas

Diseño a nivel macro Diseño a nivel micro

Varios diseñadores de agentes

Un diseñador de agentes Interés del diseñador en la coordinación

Un diseñador de agentes – agentes benévolos

– diseñar todo un sistema de resolución de problemas

“La coordinación es la integración y el ajuste del trabajo individual con el fin de

alcanzar una meta mayor”

(B. Singh)

Diseño a nivel macro

– construir sistemas de múltiples agentes con características deseadas

(28)

Coordinación a nivel macro:

resolución distribuida de problemas

• Ejemplo: Gestión de tráfico rodado

– red de autopistas urbanas – Construir un sistema que

genere planes de

señalización en función del estado del tráfico

28

(29)

Arquitectura multiagente para STI

 agentes de resolución de problemas

 cada agente es responsable de un área del problema

 genera planes alternativos de señalización local y los comunica al agente coordinador

 agente coordinador

 resuelve las interdependencias entre los planes locales

 envía los planes locales

adaptados a los agentes para su ejecución

Coordinación a nivel macro:

resolución distribuida de problemas

(30)

Comunicación entre agentes

 La comunicación entre agentes es la llave para obtener todo el potencial del paradigma de agentes

 Al igual que el desarrollo del lenguaje humano fue la llave para el desarrollo de la inteligencia y de la sociedad

 Los agentes emplean un lenguaje de

comunicación (ACL – Agent Communication

Language) para comunicar información y

conocimiento

(31)

Comunicación entre agentes

 Distintas formas de interaccionar:

 Sistemas de pizarra

 Zona de trabajo común en la que se encuentra la información a compartir

 No hay comunicación directa entre los agentes

 Pueden existir agentes con tareas de control específicas

 Pueden existir varias pizarras

 Inconveniente: comunicación centralizada

 Paso de Mensajes

 La comunicación se establece directamente entre dos agentes (emisor y

 receptor)

 Pueden existir agentes facilitadores

 Ventaja: flexibilidad

 Comunicación mediante el entorno

 Sin comunicación (inferencia; teoría de juegos).

(32)

Sistemas Multiagente y Simulación

 SMAs: una forma conveniente para la comprensión, modelado, diseño e implementación de diferentes tipos de sistemas distribuidos.

 En contextos en los que un control global es difícil o imposible de lograr.

 La representación y simulación de sistemas del

mundo real o virtual que pueden ser descompuestos en unidades menores que interactúan.

32

(33)

Modelado y Simulación para el MAS:

 Simulación de sistemas complejos usado

principalmente para modelos de población, tráfico, y corporaciones.

 Un ejemplo histórico es el modelo determinista

continuo propuesto por Volterra para representar la

dinámica de poblaciones de dos especies animales

(presas y depredadores).

(34)

Simulación de animales artificiales:

Los Boids de Reynolds (1987)

 Precursor de SMAs: simulación del comportamiento de manadas, reynolds.

 El objetivo de Reynolds era lograr una animación creíble de una bandada de pájaros artificiales (boids).

 Reynolds se inspiró en dos corrientes de investigación:

 Los sistemas de partículas y

 El paradigma de actor.

34

(35)

Simulación de animales artificiales: Los Boids de Reynolds

 El comportamiento de los boids debía estar influenciado por los demás para agruparse de manera coherente.

 Reynolds utilizó la abstracción de "actor" para definir el comportamiento de los boids tal y como interactúan en su manada.

 El impacto de los boids de Reynolds en la comunidad de agentes reactivos aún puede ser percibido hoy en día en

campos como la robótica móvil y la simulación de multitudes humanas.

35

(36)

Simulación de animales artificiales: Los Boids de Reynolds

 Un ejemplo famoso de aplicación es el uso del software TM MASSIVE de Weta Digital para los efectos especiales visuales de películas como El

Señor de los anillos, en los que hay grandes escenas de batalla).

 https://www.youtube.com/watch?v=j6_vPW2-UTk

 Comportamento emergente de la multitud:

 https://www.youtube.com/watch?v=I09heZbBcys

 https://www.youtube.com/watch?v=pmwwxX22eDg

36

(37)

Colonias de Hormigas

 En los boids, el medio ambiente no juega ningún papel en la interacción entre los agentes.

 Las colonias de hormigas exhiben muchas características que se esperan de los SMA:

 la auto-organización,

 auto-adaptación,

 robustez,

 propiedades emergentes, etc.

³⁷

(38)

Colonias de Hormigas: Feromonas

 Uso de feromonas (marcadores químicos

evaporables) para comunicarse y coordinarse indirectamente a través del medio ambiente.

 Las feromonas se evaporan, por lo que el sistema puede olvidar la información obsoleta;

 Este poderoso mecanismo ha sido traducido con éxito en programas de ordenador y simulaciones, definiendo de este modo el concepto de feromonas digitales que se ha utilizado en numerosos trabajos.

38

(39)

 https://www.youtube.com/watch?v=eVKAIufS rHs

 En Matlab:

https://www.youtube.com/watch?v=wrloH6FCo Eg

Introducción a las colonias de hormigas en ingles:

https://www.youtube.com/watch?v=vG- QZOTc5_Q

Colonias de Hormigas

(40)

Sistemas Multiagente: Aplicaciones

 Control aéreo,

 Sistemas de transporte de empresas,

 Simulación de sistemas complejos,

 Control industrial,

 Comercio electrónico,

 Servicios Web (semánticos),

 Personalización de servicios,

 Exploración especial,

 Computación P2P.

(41)

Agentes robóticos autónomos

41

 Competición Robocup

(42)

Aplicaciones

 Sistemas de robots múltiples

 KUKA youBot - Autonomous collecting of cubes

 Robots industriales sincronizados, KUKA RoboTeam

 Sistemas de Fabricación Flexible (FMS)

 Sistema de fabricación flexible para el montaje de rodamientos en las conchas.

 FMS-200 Flexible Manufacturing System

(43)

Aplicaciones

 Sistemas Inteligentes de Transporte

 Comunicación V2V

 Autonomous Car Fleets

 Sistemas de Fabricación Flexible (FMS)

 Sistema de fabricación flexible para el montaje de rodamientos en las conchas.

 FMS-200 Flexible Manufacturing System

(44)

Bibliografía

 Franklin S.; Graesser A.: “Is It an Agent, or Just a Program?: A Taxonomy for Autonomous Agents” in Proceedings of the Workshop on Intelligent Agents III, Agent Theories, Architectures, and Languages (ATAL’96). Springer-Verlag. Págs. 21-35.

 Russell, S.; Norvig, P.: “Artificial Intelligence: A Modern Approach (2nd ed.)”. Prentice Hall, 2003. Chapter 2.

 Wooldridge, M.: “An Introduction to Multiagent Systems”, Wiley, 2002. Chapters 1 and 2.

 Ossowski, S.: “Coordination in Artificial Agent Societies”. Springer, 1999. Chapter 1.

 Bratman, M. E., Israel, D., and Pollack, M., Plans and Resource-bounded Practical Reasoning, Journal of Computational Intelligence, vol. 4, no. 4, pp. 349-355, 1988.

 Brenner, W., Zarnekow, R. Wittig, H. Intelligent Software Agents. Springer, 1998.

 Brooks, R.A., Intelligence without representation. Artificial Intelligence, 47, 1991.

 Carver, N. and Lesser, V. R.:The Evolution of Blackboard Control Architectures. Informe. Department of Computer Science, University Massachusetts. 1992

 Ferber, J. Multiagent systems : an introduction to distributed artificial intelligence, Addison-Wesley, 1999.

 Genesereth, M.R., Ketchpel, S.P. Software Agents. CACM, 37, 7, 1994

 Jennings, N.R., On agent-based software engineering. Artificial Intelligence, 117, 2000.

 Müller, J.P., The design of intelligent agents: a layered approach. Lecture Notes in Computer Science, Vol.1177, Springer- Verlag, 1996

 Shoham, Y. Agent-oriented programming. Artificial Intelligence, 60, 1993.

 Sycara K.P. Multiagent Systems. AI Magazine, Summer 1998.

 Weiss, G. Multiagent Systems. The MIT Press, 1999.