Inteligencia Artificial II Arquitecturas y Programas Agente

Inteligencia Artificial II

Arquitecturas y Programas Agente

Dr. Alejandro Guerra-Hern´andez

Departamento de Inteligencia Artificial Facultad de F´ısica e Inteligencia Artificial

Universidad Veracruzana [email protected] http://www.uv.mx/aguerra

Arquitectura abstracta (Wooldridge, 2002)

I Elambiente puede caracterizarse por medio de un conjunto finito de estados discretos posibles, definido como:

E = {e, e0, . . . }

I Lacompetencia de un agente, se define como el conjunto finito de acciones que ´este puede ejecutar:

Ac = {α, α0, . . . }

I Unacorrida de un agente en un ambiente se define como una secuencia finita de estados y acciones intercalados:

r = e0 α0 −→ e1 α1 −→ e2 α2 −→ e3 α3 −→ · · ·α−→ eu−1 u

Corridas

I Sea R el conjunto de todas las posibles secuencias finitas sobre E y Ac.

I Definimos RAc como el subconjunto de las corridas que terminan en una acci´on

I y RE como el subconjunto de las corridas que terminan en un

estado del ambiente.

I Para modelar el efecto de una acci´on en el ambiente, usamos unafunci´on de transici´on(Fagin et al., 1995):

τ : RAc → ℘(E )

I Si τ (r ) = ∅ para todo r ∈ RAc, se dice que el sistema ha

Ambiente y Agentes

I Unambiente se define como una tripleta Env = hE , e0, τ i

donde E es el conjunto de los posibles estados del ambiente, e0∈ E es un estado inicial y τ es la funci´on de transici´on de

estados.

I Los agentes se modelan como funciones que mapean corridas que terminan en un estado del ambiente, a acciones:

Sistema Agente

I Unsistema agente es una tupla conformada por un agente y un ambiente.

I El conjunto deposibles corridas del agente Ag en el ambiente Env se denota como R(Ag , Env )

I Una secuencia de la forma: (e0, α0, e1, α1, e2, . . . ) representa

unacorrida del agente Ag en el ambiente Env si y s´olo si Env = hE , e0, τ i; α0 = Ag (e0); y para u > 0:

eu∈ τ ((e0, α0, . . . , αu−1))

y

Programa de agente

I Puesto que nuestra tarea es implementar programas de agente, podemos usar la formalizaci´on propuesta para definir un programa de agenteque acepte percepciones de su ambiente y regrese acciones sobre ´este.

Agente basado en mapeo ideal

1: function Agente-Mapeo-Ideal(p) . p es una percepci´on.

2: percepciones ← percepciones ∪ p

3: acci ´on ← busca(percepciones, mapeo) . mapeo predefinido.

4: return acci ´on

Programa de ambiente

I Unprograma b´asico de ambienteilustra la relaci´on entre ´este y los agentes situados en ´el.

Ambiente

1: procedure Ambiente(e, τ, ags, fin) . e Estado incial del ambiente.

2: repeat

3: for all ag ∈ ags do . ags Conjunto de agentes.

4: p(ag ) ← percibir (ag , e)

5: end for

6: for all ag ∈ ags do

7: acci ´on(ag ) ← ag (p(ag ))

8: end for

9: e ← τ (S

ag ∈agsacci ´on(ag )) . τ Funci´on de transici´on.

10: until fin(e) . fin Predicado de fin de corrida.

Percepci´

on y acci´

on

I Sea Per un conjunto no vac´ıo de percepciones, la funci´on

percibir/2 se define como el mapeo del conjunto de estados del ambiente E al conjunto de percepciones posibles Per :

percibir : E → Per

I La funci´onacci´on/1se define entonces como el mapeo entre conjuntos de percepciones y el conjunto de acciones posibles del agente:

acci ´on : Per → Ac I Unagente puede definirse ahora como la tupla:

Propiedades de la percepci´

on

I Sean e ∈ E y e0 ∈ E , tal que e 6= e0 pero

percibir (e) = percibir (e0). Desde el punto de vista del agente, e y e0 sonindistinguibles.

I Dados dos estados del ambiente e, e0 ∈ E ,

percibir (e) = percibir (e0) ser´a denotado como e ∼ e0.

I El ambiente es accesible para el agente, si y s´olo si |E | = | ∼ | y entonces se dice que el agente es omnisciente.

I Si | ∼ | = 1 entonces se dice que el agente no tiene capacidad de percepci´on, es decir, el ambiente es percibido por el agente como si tuviera unestado ´unico.

Agentes reactivos

I Los agentes reactivos, o reflex, seleccionan sus acciones basados en su percepci´on actual del ambiente, ignorando el resto de su historia perceptual.

Agente

percepción acción

Ambiente

Agentes reactivos

I Basados en reglaspercepci´on - acci´on. Programa de agente reactivo

1: function Agente-Reactivo(e)

2: estado ← percibir (e)

3: regla ← selecci ´onAcci ´on(estado, reglas) . reglas predefinidas.

4: acci ´on ← acci ´onRegla(regla)

5: return acci ´on

Limitaciones de los agentes reactivos

I Aunque hay otras maneras de implementar agentes reactivos (arquitectura subsumida, redes de comportamiento, etc.), todos comparten unalimitaci´on formal: producen un comportamiento racional, s´olo si la decisi´on correcta puede obtenerse a partir de lapercepci´on actual del agente. I Esto es, su comportamiento es correcto si, y s´olo si, el

Estado interno

I La forma m´as eficiente de enfrentar un ambiente inaccesible es llevando un registrode lo percibido, de forma que el agente tenga acceso mediante este registro, a lo que en cierto

momento ya no puede percibir.

I Sea I el conjunto de estados internos posibles de un agente. Redefinimos la funci´onacci´onpara mapear estados internos a acciones posibles:

acci ´on : I → Ac

I Una nueva funci´on siguiente/2, mapea estados internos y percepciones a estados internos. Se usa para actualizar el estado interno del agente:

Agentes con estado interno

I Un agente con estado interno interactua con su ambiente como se muestra. Agente percepción acción Ambiente Estado Siguiente sensado actuación

Programa de agente con estado

I El programa de un agente con estado es muy parecido al de un agente reactivo:

Programa de agente con estado

1: function Agente-Con-Estado(e) . e ∈ E

2: p ← percibir (e)

3: estado ← siguiente(estado, p)

4: regla ← selecci ´onAcci ´on(estado, reglas) . reglas predefinidas.

5: acci ´on ← Acci ´onRegla(regla)

6: return acci ´on

Enfoque IA tradicional

I El comportamiento racional puede obtenerse a partir de una

representaci´on simb´olicadel ambiente y el comportamiento deseado.

I El agente manipular´asint´acticamenteesta representaci´on para actuar.

I Llevada al extremo, esta aproximaci´on nos lleva a formular el estado de un agente como un conjunto f´ormulas l´ogicas y la selecci´on de acci´on comodemostraci´on de teoremas o

Agentes e inferencia

I Sea L el conjunto de f´ormulas bien formadasen la l´ogica de primer orden cl´asica.

I El conjunto debases de conocimiento en L se define como D = ℘(L), es decir, el conjunto de conjuntos de fbf en L. Los elementos de D se denotan ∆, ∆1, . . .

I Elestado interno del agente es siempre un miembro de D. El proceso de decisi´on del agente especifica mediante un

conjunto de reglas de inferenciaρ.

I Escribimos ∆ `ρψ si la fbf ψ puede servalidada en ∆.

I Definimos la funci´onsiguiente/2del agente como:

Selecci´

on de acci´

on como inferencia

I Lainferencia se usa para computar la selecci´on de acci´on de los agentes l´ogicos:

Selecci´on de acci´on para agente l´ogico

1: function Selecci´on-Acci´on(∆ : D, Ac) . Ac Acciones.

2: for all a ∈ Ac do

3: if ∆ `ρejecuta(a) then . ρ predefinida.

4: return a 5: end if 6: end for 7: for all a ∈ Ac do 8: if ∆ 6`ρ¬ejecuta(a) then 9: return a 10: end if 11: end for 12: return null 13: end function

Metas

I Las metasdescriben situaciones deseables para un agente, y se definen como cuerpos de conocimiento.

I Esta concepci´on de las metas est´a relacionada con el concepto deespacio de estados de un problema compuesto por un estado inicial del ambiente, e0∈ E ; por un conjunto de

operadores o acciones que el agente puede ejecutar para cambiar de estado; y un espacio de estados deseables.

I Impl´ıcita en la arquitectura del agente, est´a su “intenci´on” de ejecutar las acciones que el “cree” le garantizan satisfacer cualquiera de sus metas. Esto se conoce en filosof´ıa como

Las metas de un agente

I Especificaci´on basada enpredicados:

Ψ : R → {0, 1}

I Una corrida r ∈ R satisface la especificaci´on ssi Ψ(r ) = 1. I Unambiente de tareas se define entonces como el par

hEnv , Ψi.

I Dado un ambiente de tareas, la siguiente expresi´on: RΨ(Ag , Env ) = {r |r ∈ R(Ag , Env ) ∧ Ψ(r )}

denota el conjunto de todas las corridas del agente Ag en el ambiente Env que satisfacen la tarea especificada por Ψ.

Metas y ´

exito

I Podemos expresar que un agente Ag tiene´exitoen el ambiente de tareas hEnv , Ψi de dos maneras diferentes:

I ∀r ∈ R(Ag , Env ) tenemos que Ψ(r ), lo que puede verse como

una especificaci´onpesimistade ´exito, puesto que el agente tiene ´exito ´unicamente si todas sus corridas satisfacen Ψ;

I ∃r ∈ R(Ag , Env ) tal que Ψ(r ), lo cual es una versi´onoptimista

de la definici´on de ´exito, puesto que especifica que el agente tiene ´exito si al menos una de sus corridas safisface Ψ.

Utilidad

I Unautilidades un valor num´erico que denota la bondad de un estado del ambiente.

I Impl´ıcitamente, un agente tiene la “intenci´on” de alcanzar aquellos estados quemaximizansu utilidad a largo t´ermino. I La especificaci´on de una tarea en este enfoque corresponde

simplemente a una funci´on utilidadu : E → < la cual asocia valores reales a cada estado del ambiente.

I Por ejemplo, la utilidad para una corrida r de unagente filtro de spam, puede definirse como:

u(r ) = SpamFiltrado(r ) SpamRecibido(r )

Agentes ´

optimos

I Si la funci´on de utilidad u tiene alg´un l´ımite superior, por ej., ∃k k ∈ < tal que ∀r ∈ R.u(r ) ≤ k, entonces es posible hablar de agentes que maximizanla utilidad esperada.

I Definamos P(r |Ag , Env ), es evidente que: X

r ∈R(Ag ,Env )

P(r |Ag , Env ) = 1

I Entonces el agente ´optimoAgopt entre el conjunto de agentes

posibles AG en el ambiente Env est´a definido como: Agopt = arg m´ax

Ag ∈AG

X

r ∈R(Ag ,Env )

Racionalidad acotada

I Los agentes enfrentan limitaciones temporales y tienen capacidades limitadas de deliberaci´on, por lo que propone el estudio de una racionalidad acotada.

I Stuart Russell et al., introducen el concepto deagente ´optimo acotado, donde AGm representa el conjunto de agentes que

pueden ser implementados en una m´aquina m.

I Esta conceptualizaci´on de agente racional nos dice las

propiedades del agente deseable Agopt, pero no nos dice c´omo

Referencias

Fagin, R., Halpern, J. Y., Moses, Y., & Vardi, M. Y. (1995). Reasoning about Knowledge. Cambridge, MA., USA: MIT Press.

Wooldridge, M. (2002). An Introduction to MultiAgent Systems. West Sussex, England: John Wiley & Sons, LTD.