AGENTE BASADO EN UTILIDAD Un Agente Basado en utilidad o agente racional ideal es aquel que en todos los casos de posibles

secuencias de percepciones, emprende todas aquellas acciones que favorezcan obtener el mximo de su medida de rendimiento, basndose en las evidencias aportadas por la secuencia de percepciones y en todo el conocimiento incorporado en tal agente. A diferencia de los agentes basados en el objetivo dan una solucin pero puede ser un camino no muy satisfactorio. La racionalidad est relacionada con: La medida con la que se evala el grado de xito logrado. La secuencia de percepciones, es decir, todo lo que hasta ese momento el agente haya percibido y el conocimiento que el agente posea del mundo y de s mismo. Las metas no bastan por s mismas para generar una conducta razonablemente buena. Por ejemplo, son muchas las secuencias de acciones que permitiran a un robot llegar a su destino, con lo que se habra logrado la meta, pero de todas ellas, algunas son ms rpidas o baratas que las dems. Las metas permiten establecer una tajante distincin entre estados deseables e indeseables, pero con una medida de desempeo ms general sera posible establecer una comparacin entre los diversos estados (o secuencias de estados) del mundo. La terminologa que se acostumbra utilizar es armar que si se preere un estado del mundo por otro, entonces ese estado ofrece mayor utilidad al agente (y ofrece un mejor desempeo). Por lo tanto, la utilidad es una funcin que relaciona un estado con un nmero real que caracteriza el correspondiente grado de satisfaccin. La completa especicacin de la funcin de utilidad permite la toma de decisiones racionales en dos tipos de casos en los que las metas se encuentran con problemas. 1. Cuando el logro de algunas metas implica un conicto, y slo algunas de ellas se pueden obtener (p.e. la velocidad y la seguridad), la funcin de utilidad denir cul es el compromiso adecuado por el que hay que optar. 2. Cuando son varias las metas que el agente desea alcanzar, pero no existe la certeza de poder lograr ninguna de ellas, la utilidad es una va para ponderar la posibilidad de tener xito considerando la importancia de las diferentes metas. Un agente que tiene una funcin de utilidad explcita est en posibilidad de tomar decisiones racionales, aunque quizs tenga que comparar las utilidades obtenidas mediante diversas acciones. Las metas, no obstante su inexibilidad, permiten al agente optar de inmediato por una accin cuando sta permite alcanzarlas. Adems, en algunos casos, se puede traducir la funcin de utilidad en un conjunto de metas, de manera que las decisiones

adoptadas por el agente basado en metas tomando como base tal conjunto de metas resulten casi idnticas a las que hara el agente basado en el desempeo.

LOS AGENTES QUE APRENDEN Un agente aprende de manera inductiva, interactuando con el mundo exterior y observando sus propios procesos de toma de decisiones: aprende del mundo y de s mismo. Componentes de un agente Elemento de aprendizaje: toma parte del conocimiento acerca de s mismo, y se retroalimenta con alguna informacin del comportamiento del agente. Decide cmo mejorar al elemento de desempeo para que ste pueda aumentar su eficiencia. En el diseo del elemento de aprendizaje deben considerarse los siguientes factores: los componentes que se utilizarn para construir el elemento de desempeo, el tipo de representacin que ser usado por cada uno de ellos, el tipo de retroalimentacin disponible, y el conocimiento previo disponible. Elemento de desempeo: recibe percepciones y decide qu acciones debe emprender.

Crtico: evala, de acuerdo a normas fijas de desempeo impuestas al agente, el desempeo del agente y lo informa al elemento de aprendizaje. Generador de problemas: propone acciones que permitan obtener nuevas experiencias y que aporten informacin adicional. Le permite al agente explorar otras acciones. Autonoma: Comportamiento determinado por sus entradas actuales y por sus experiencias pasadas , Aprende sobre su entorno En un poco de literatura IA tambin se refieren como autnomo agentes inteligentes, que los medios ellos actan independientemente, y aprendern y se adaptarn a las circunstancias que cambian. Segn Nikola Kasabov Los sistemas de IA deben exhibir las caractersticas siguientes: * aprenda y mejore con la interaccin con el ambiente (encarnacin) * adptese en lnea y adentro en tiempo real * aprenda rpidamente de cantidades grandes de datos * acomode nuevo el solucionar de problema reglas incremental * tenga ejemplar almacenado en la memoria almacenaje y capacidades de la recuperacin * tenga parmetros para representar memoria, edad, olvidarse, el etc. a corto y largo plazo. * pueda analizar s mismo en trminos de comportamiento, error y xito.