Sistemas Multi-Agente (SMA) & Inteligencia Artificial Distribuida (IAD)

Sistemas Multi-Agente

(SMA) &

Inteligencia Artificial

Distribuida (IAD)

Fundamentos, Arquitecturas,

Aplicaciones & Metodologías

de Diseño y Desarrollo

Prof. Demetrio A. Ovalle C., Ph.D.

Agosto 8 de 2011

OBJETIVO GENERAL

Al terminar el curso, el estudiante estará en capacidad de aplicar técnicas de Inteligencia Artificial Distribuida (IAD) para la solución de problemas. Igualmente, podrá diseñar,

implementar y validar SMA en un área específica utilizando herramientas de propósito general y plataformas especializadas.

OBJETIVOS ESPECÍFICOS (pág.1)

• Identificar los fundamentos, las técnicas y las áreas de aplicación de la IAD.

• Solucionar problemas utilizando técnicas,

formalismos de representación del conocimiento y mecanismos de razonamiento de IA en

entornos distribuidos.

• Identificar los componentes de la arquitectura interna de un agente y las diferentes

OBJETIVOS ESPECÍFICOS (pág. 2)

• Analizar diferentes tipologías de agentes.

• Utilizar metodologías y herramientas apropiadas para la construcción de SMA.

• Caracterizar la arquitectura y funcionalidades de aplicaciones basadas en agentes.

• Desarrollar un proyecto de construcción de un SMA en un área específica.

SMA & IAD

PLAN DE TEMAS



Fundamentos

Aplicaciones



Metodologías de Diseño y Desarrollo

Referencias Bibliográficas

PLAN DE TEMAS



Fundamentos

Aplicaciones



Metodologías de Diseño y Desarrollo

Referencias Bibliográficas

Fundamentos



Inteligencia Artificial



Inteligencia Artificial Distribuida

Noción de Agente (Arquitectura

Interna)



Arquitecturas de Sistemas

Presente y Futuro de la IA:

Trabajo Interdisciplinario

 Representación del Conocimiento y Razonamiento

 Descripción Lógica, Lógica de Primer y Segundo Orden.

 Razonamiento Computacional: Razonamiento No Monotónico (Hipotético & Por defecto)  Ontologías & Web Semántica (SW)

 Visión Artificial

 Adquisición y Reconocimiento de Imágenes

 Reconocimiento de Gestos, de Huellas, de Rostros, de Productos  Realidad Aumentada

 Fotografía Computacional

 Robótica Autónoma e Inteligente  Vehículos autónomos, Sistemas de Biometría

 PLN (Procesamiento del Lenguaje Natural)

 Lingüística Computacional, Reconocimiento y Comprensión de Textos, de Voz, Escritura…  Juegos

Presente y Futuro de la IA:

Trabajo Interdisciplinario

 Agentes Inteligentes y SMA (Sist. Multi-Agente) (IBM: ABLE-Agent Building &

Learning Environment, Agentes Híbridos Inteligentes, Subastas electrónicas, etc)

 Planificación en IA (Composición de Servicios Web, Búsqueda Heurística)

 Sistemas Inteligentes en la Web (Búsqueda Inteligente, Ontologías & SW, etc)  KDD (Knowledge Discovery in Databases) – Descubrimiento de Conocimiento en

Bodegas de Datos & Minería de Datos (Data Mining)

 Intelig. de Negocio, Invest. de Mercados, Redes Sociales , Aprend. Estadístico

 Interfaces Inteligentes

 Percepción Multimodal, HCI (Human Computer Interaction) Inteligente

 Redes Neuronales (Programación Conexionista) y Programación Evolutiva

(Genética, Operadores: Mutación, Selección & Cruce)

 Sistemas de Inferencia Difusa (Fuzzy Logic, Fuzzy Inference Systems)  Sistemas Expertos (ES) y Sistemas Basados en Conocimientos (KBS)  Sistemas de Toma de Decisiones (Sistemas Estadísticos Bayesianos)

 Aprendizaje de Máquina: Aprendizaje por Refuerzo, Basado en Casos, Filtrado

Presente y Futuro de la IA:

Trabajo Interdisciplinario

Futuro de la IA:

Comunidad Científica

 USA: MIT (Massachussets Institute of Technology) - Boston: Computer Science and

Artificial Intelligence Laboratory / Carnegie Mellon U. / U. of Illinois at Urbana-Champaign / U. of Chicago / Harvard U. / Purdue U. / Columbia U. / Kansas State U. / Drexel U. / U. of Southern California / U. of Maryland: Joint Institute for Knowledge Discovery / U. of Michigan / U. of California - Berkeley / Brown University / U. Massachussets Amherst (Knowledge Disvcovery Laboratory) / Toyota Research Institute (AI & Robotics Group)

 UK: U. of Nottingham / Open U. / Sussex U. / U. of Southampton  Netherlands: Vrije Universiteit Amsterdam

 Canada: Laval University

 Israel: Bar-Ilan U. / U. of Ben Gurion in the Negev / Hebrew U. of Jerusalem

 Alemania: U. of Karlsruhe: Institute of Applied Informatics nad Formal Description

Methods / Dresden U. of Technology / U. of Hamburg / U. of Stuttgart

 Rusia: U. of Moscow (Moscow Institute of Physics and Technology)  España: Yahoo! Research in Barcelona.

Inteligencia Artificial Clásica

Investigadores:

USA: Marvin Minsky, John McCarthy, Allen Newell, Herbert Simon, Feigenbaum, Shortliffe,

McDermott, Nils Nilsson, Hayes Roth,

Warren McCulloch y Walter Pitts (Redes Neuronales)

UK: Alan Turing

Inteligencia Artificial

Distribuida

 Los problemas complejos son físicamente distribuidos (una red de transporte, un sistema de control industrial, una línea de ensamblaje, etc.)

 Diseño de productos industriales (autos de

Fórmula 1, lanzamiento de un cohete, etc.) => procesos en paralelo

Inteligencia Artificial

Distribuida

 La WEB vista como un conjunto de

redes de información intercontinental

(datos y procesos distribuidos en sitios y servidores en todo el mundo) => sistemas inteligentes de recuperación de información en la Web Semántica (agentes móviles, de filtrado y búsqueda de información, etc).

 La complejidad de las soluciones está

relacionada con una aproximación global

del problema teniendo en cuenta el punto de

I.A.D. ¿Por qué usarla?

 Los sistemas informáticos deben ser

capaces de adaptarse a los cambios en la estructura del ambiente.

- El diseño de software debe enfrentar los cambios en el contexto de las operaciones.

- Los Sistemas Multi-Agente, son

arquitecturas adecuadas para tomar en cuenta la capacidad de evolución y adaptación necesarias para el funcionamiento del sistema.

I.A.D. ¿Por qué usarla?

 La ingeniería de software está

comprometida actualmente con el diseño de entidades de interacción autónomas.

Los ingenieros de software y del conocimiento => creación de módulos autónomos.

Los Sistemas Multi-Agente incorporan

comportamientos locales con autonomía y toma de decisiones distribuida.

Inteligencia Artificial

Distribuida

I n v e s t i g a d o r e s:

 USA: Lesser & Durfee, Hayes-Roth, Gasser, Pattie

Maes (MIT), Keith Decker (Univ. Of Delaware), Katia Sycara (CMU), Tim Finin (Univ. Maryland, KQML), Shoham Y (Agent Orient. Prog.)

 UK: M. Wooldridge & N. Jennings

(Queen Mary & Westfield College, London),

H. Nwana (British Telecomm Labs)

 Francia: Jacques Ferber (Paris VI) &

Yves Demazeau (INPG)

Massachusetts Institute of Technology (MIT) Media Laboratory, Boston, USA



“El futuro de la Computación será 100%

conducido por delegación más que

manipulando computadores

”

NICHOLAS NEGROPONTE

Massachusetts Institute of Technology (MIT) Media Laboratory, Boston, USA

 El grupo de investigación en Software Agents

del MIT Media Laboratory trabaja sobre

sistemas computarizados a los cuales un usuario puede delegarle tareas. Los agentes de software difieren del software convencional en que tienen

larga vida, son semi-autónomos, proactivos y

adaptativos. Este grupo desarrolla técnicas y

construye sistemas multi-agente prototipo que pueden ser validados.

Carnegie Mellon University

Pittsburgh, USA



Robotics Institute, School of

Computer Science

Human-Computer Interaction

Institute



Katia Sycara, Ph.D.

Principal Research Scientist (Professor)

An Introduction to MultiAgent

Systems

by Michael Wooldridge, UK

Es un texto guía en Sistemas Multi-Agente, publicado por John Wiley and Sons en Marzo de 2002. Es el

primer libro diseñado para ser utilizado como texto guía de pregrado o curso inicial de posgrado sobre Sistemas Multi-Agente.

Se requiere tener unos conocimientos básicos en

Ingeniería de Sistemas. El texto presenta los aspectos más importantes en agentes inteligentes y sistemas multi-agente – una de las áreas con mayor

expansión y proyección actualmente de las

GOALS BEHAVIOUR ACTS PERCEIVES MODELS REPRODUCES (CLONNING) CAN COMUNNICATE

HAS OWN RESOURCES OFFERS SERVICES

MAS: Software Agent

(M. Wooldridge & N. Jennings , 2002)

•

• Cooperation

• Communication

• Coordination

• Control

Research & Development Group in Artificial Intelligence

MAS: Multi-Agent Systems

Noción de Agente de Software

Según Jacques Ferber (1999)

Un agente es una entidad física o virtual, la cual:

 Es capaz de actuar en un ambiente propio.  Puede comunicarse directamente con otros

agentes.

 Está manejado por un conjunto de objetivos

o funciones que trata de optimizar.

 Posee recursos propios.

 Es capaz de percibir su ambiente (en forma

Agente de Software

Tiene una representación parcial de su

ambiente (algunas veces ninguna).

 Posee habilidades y puede ofrecer servicios.  Puede ser capaz de clonarse.

Su comportamiento tiende a satisfacer sus objetivos, teniendo en cuenta los recursos y habilidades propias, y dependiendo de su

percepción, representación y comunicaciones que recibe.

Características deseables de

un Agente de Software

 Autonomía: Los agentes pueden operar sin la

intervención de humanos o de otros agentes.

 Sociabilidad: Los agentes son capaces de

interactuar con otros agentes (humanos o no) a través de un lenguaje de comunicación de agentes (ACL:Agent Communication Language).

 Reactividad: Los agentes son capaces de

percibir estímulos de su entorno y de reaccionar ante dichos estímulos.

 Racionalidad: Un agente intenta cumplir sus

Características deseables de

un Agente de Software

 Iniciativa (proactividad): Los agentes

tienen un carácter emprendedor y pueden actuar guiados por sus objetivos.

 Movilidad: Capacidad de un agente de

trasladarse a través de la red.

 Veracidad: Un agente siempre dice la verdad.  Benevolencia: Un agente ayuda a otros

agentes, si al hacerlo no genera conflictos con sus propios objetivos.