Agentes Presentation

Sistemas Multiagente
ECSDI
LSI-FIB-UPC c b e a
Curso 2015/2016
ECSDI (LSI-FIB-UPC cbea)
Curso 2015/2016
1 / 55
ndice
Introduccin
Agentes Inteligentes
Entornos
Tipologa
Arquitecturas abstractas de agentes
Sistemas Multiagente - Middleware
Temas/preguntas en sistemas multiagente
Curso 2015/2016
2 / 55
Introduccin
Introduccin
Entornos
Tipologa

Curso 2015/2016
3 / 55
Introduccin
Origen de los sistemas multiagente

Tendencias en la historia de la computacin
Ubicuidad
Interconexin
Inteligencia
Delegacin
Orientacin a las personas
(Introduction to Multi-Agent Systems, M. Wooldridge, 2001)
Curso 2015/2016
4 / 55
Introduccin
Tendencias
Ubicuidad
La capacidad de computacin se ha introducido en multitud de
elementos y aparatos gracias al abaratamiento de su coste.
El aumento la potencia de clculo permite que la sofisticacin
(e inteligencia) sea ubicua.
Interconexin
Los sistemas de computacin ya no son elementos aislados, sino
que estn conectados en red formando sistemas distribuidos.
Esta tendencia lleva a la idea de modelar la computacin como
un proceso de interaccin
Curso 2015/2016
5 / 55
Introduccin
Tendencias
Inteligencia
La complejidad de las tareas automatizables y delegables ha ido
creciendo (llegando a poder ser consideradas inteligentes)
Delegacin
Ms tareas se realizan automticamente (sin supervisin)
Esto sucede incluso en tareas crticas
Orientacin a las personas

Los conceptos de programacin se alejan de la visin centrada
en computador y se acercan a nuestra visin de las cosas.
La creacin de programas se basa en abstracciones y metforas
de cada vez ms alto nivel
Curso 2015/2016
6 / 55
Introduccin
Progresin de la programacin
La progresin de la programacin (segn Wooldridge):
Cdigo mquina
Ensamblador
Lenguajes independientes del computador
Subrutinas
Procedimientos y funciones
Tipos abstractos de datos
Objetos
hasta
Agentes
Curso 2015/2016
7 / 55
Introduccin
Agentes y sistemas multiagente

Agente: primera definicin
Un sistema computacional capaz de actuar de manera independiente
como representante de su usuario (satisfaciendo unos objetivos de
diseo y sin supervisin)
Sistema multiagente
Un sistema computacional compuesto de mltiples agentes que
interaccionan entre ellos
Cada agente tendr sus propios objetivos y motivaciones.
El xito de la interaccin requerir de cooperacin, coordinacin
y negociacin (precisamente las cualidades de las personas)
Curso 2015/2016
8 / 55
Introduccin
Dos visiones: Micro y macro

Esta metfora nos lleva a plantear los sistemas software basados
en agentes desde dos perspectivas: Individuos y sociedades.
1
Diseo de agentes: Cmo diseamos agentes capaces de

resolver de manera autnoma las tareas que se les delegan?
Diseo de sociedades: Cmo diseamos agentes capaces de

interaccionar con otros de manera que resuelvan sus tareas,
especialmente en caso de objetivos conflictivos?
reas relacionadas: Filosofa, Lgica, Teora de juegos,

Economa, Ciencias sociales, Ecologa
Curso 2015/2016
9 / 55
Introduccin
Mltiples Perspectivas
Agentes como paradigma de ingeniera de software
La interaccin es la caracterstica ms importante en los
sistemas software complejos.
Es clave en computacin el desarrollo de herramientas y
tcnicas para entender, modelar e implementar sistemas donde
la interaccin es la norma
Agentes como herramienta para entender las sociedades

humanas
Los sistemas multiagente como herramienta de simulacin de
sociedades y sus procesos
Curso 2015/2016
10 / 55
Introduccin
Entornos
Tipologa

Curso 2015/2016
11 / 55
Agente: segunda definicin
Sistemas computacionales capaces de realizar acciones de manera
autnoma en algn entorno, con el propsito de alcanzar una serie
de objetivos que tiene delegados
El principal inters de los agentes es que son autnomos
(capaces de actuar de manera independiente).
Un agente esta fuertemente ligado y en continua interaccin con
su entorno:
percepcin decisin accin percepcin decisin ...
Curso 2015/2016
12 / 55
Agente Autnomo
Percepcin
Decisin
Accin
Curso 2015/2016
13 / 55
Propiedades de los agentes

Agentes Simples: Termostato, demon unix
No estamos interesados en agentes simples
Agente: tercera definicin
Sistemas computacionales capaces de realizar acciones de manera
autnoma y flexible en algn entorno, con el propsito de alcanzar
una serie de objetivos que tiene delegados
Entendiendo como flexible: Reactivo, proactivo y social
Curso 2015/2016
14 / 55
Reactividad
En un entorno fijo, un agente no debe preocuparse del resultado
de sus acciones, puede actuar sin pensar en las consecuencias
Los entornos reales (los interesantes) son dinmicos, sus
elementos cambian, su informacin es incompleta y/o incierta
Es difcil construir software para entornos dinmicos ya que el
sistema ha de tener en cuenta la posibilidad de un resultado no
esperado (se ha de preguntar si deber realizar la accin prevista)
Un sistema reactivo ha de mantener una interaccin continua
con el entorno y responder a los cambios que ocurren (a tiempo
para que la respuesta tenga utilidad)
Curso 2015/2016
15 / 55
Proactividad
Reaccionar al entorno es fcil (p.e., Estimulo = accin
respuesta)
Pero habitualmente queremos que los agentes hagan cosas por
nosotros.
Esto implica un comportamiento dirigido por objetivos.
Proactividad = Generar e intentar cumplir objetivos, no dirigidos
nicamente por eventos, tomando la iniciativa.
Esto implica el poder y saber reconocer oportunidades (cundo
se puede actuar)
Curso 2015/2016
16 / 55
Reactividad vs Proactividad
Necesitamos que un agente reaccione apropiadamente a los

cambios en el entorno (reactividad).
Necesitamos que un agente sea capaz de cumplir objetivos a
largo plazo (proactividad).
Ambas caractersticas pueden interferir.
El conseguir una combinacin adecuada de ambas es un
problema no resuelto.
Curso 2015/2016
17 / 55
Habilidad Social
El mundo real es un entorno multi-agente, no es posible obtener

los objetivos propios sin considerar los de otros.
Algunos objetivos solo se pueden cumplir con la interaccin de
otros.
La habilidad social en agentes es la capacidad de interactuar con
otros agentes (incluidos humanos) va cooperacin, coordinacin
y negociacin, usando algn lenguaje de comunicacin
Curso 2015/2016
18 / 55
Otras propiedades
Movilidad (dentro de la red).

Veracidad, no comunicar informacin falsa de manera deliberada.
Benevolencia, ausencia de objetivos contradictorios y objetivo de
obtener los objetivos que se le piden.
Racionalidad, sus acciones van encaminadas a cumplir sus
objetivos y nunca en contra de ello segn sus creencias.
Aprendizaje/adaptacin, mejorar su eficiencia con el tiempo.
Curso 2015/2016
19 / 55
Agentes (AOP) vs Objetos (OOP)

Es lo mismo un agente que un objeto?
Objetos y agentes:
Encapsulan un estado
Se comunican por paso de mensajes
Tienen mtodos que corresponden con las acciones que se
pueden realizar segn su estado
Pero los agentes son:

Autnomos, deciden por si mismos si actan o no al recibir
peticiones de otros agentes
Inteligentes, capaces de comportamientos flexibles (reactivos,
proactivos, sociales)
Activos
Los objetos lo hacen gratis, los agentes porque quieren y

por dinero (M. Woolridge, Introd. to Multiagent Systems)
Curso 2015/2016
20 / 55
Entornos
Introduccin
Entornos
Tipologa

Curso 2015/2016
21 / 55
Entornos
Entornos - Propiedades
Accesible vs inaccesible
Accesible: un agente puede obtener informacin precisa y
actualizada del estado del entorno
Determinista vs indeterminista
Determinista: toda accin tiene garantizado un nico efecto (no
hay incertidumbre sobre el resultado de las acciones).
El inderminismo y nivel de accesibilidad hacen mas complejo el

diseo de agentes.
El mundo fsico/internet son entornos inaccesibles e
indeterministas
Curso 2015/2016
22 / 55
Entornos
Episdico vs no episdico
Episdico: existen diferentes escenarios independientes
En los entornos episdicos el rendimiento del agente depende
del conjunto de episodios actual y es independiente del
rendimiento en otros escenarios
Esttico vs dinmico
Dinmico: diferentes procesos operan sobre l y sus cambios
estn fuera del control del agente
Esttico: permanece inmutado excepto cuando el agente haga
alguna accin
El mundo fsico es un entorno altamente dinmico.
Curso 2015/2016
23 / 55
Entornos
Discreto vs Continuo
Discreto: hay un numero fijo y finito finito de acciones y
percepciones
Por ejemplo, un juego de tablero es un entorno discreto, pero el
conducir un coche sera un entorno continuo.
Los entornos continuos son difciles para los sistemas
computacionales ya que estos asumen un entorno discretizado.
Curso 2015/2016
24 / 55
Tipologa
Introduccin
Entornos
Tipologa

Curso 2015/2016
25 / 55
Tipologa
Tipos de agentes
Agentes Software (entornos virtuales)
Entorno individual, local, global.
Interaccin con otros agentes software y/o servicios.
Interaccin con humanos a travs de interfaces.
Agentes fsicos (p.ej. Robots)

Interaccin con el mundo real (sensores, actuadores conectados
con el entorno real)
Problemas: Representacin de las percepciones, Acciones en el
mundo fsico
Curso 2015/2016
26 / 55
Tipologa
Tipos de agentes
Arquitectura interna
Arquitecturas reactivas puras

Los agentes poseen sensores y actuadores conectados al entorno.
La conducta del agente se basa en esmulo-respuesta, la conexin
entre sensores-actuadores hace emerger una conducta inteligente
Arquitecturas reactivas con estado interno
Los agentes tienen adems un modelo del entorno que utilizan
para decidir la reaccin al estimulo.
Curso 2015/2016
27 / 55
Tipologa
Tipos de agentes
Arquitectura interna
Arquitecturas deliberativas (orientadas por objetivos)

Poseen una representacin interna del mundo, siguen una
aproximacin simblica y su funcionamiento se basa en el
razonamiento (lgicas)
Arquitecturas hbridas
Diferentes capas de decisin combinan las dos aproximaciones.
El objetivo es obtener las ventajas de cada una evitando los
inconvenientes
Curso 2015/2016
28 / 55
Introduccin
Entornos
Tipologa

Curso 2015/2016
29 / 55
Agentes reactivos puros
Agentes que deciden sus acciones independientemente de la

historia, sus acciones solo dependen del presente (no hay
memoria)
Sus decisiones se basan en reglas simples que hacen coincidir las
observaciones del estado con las decisiones:
Accion : Entorno Actuacion
Por ejemplo, un termostato
Curso 2015/2016
30 / 55
El agente est formado por una funcin que percibe e interpreta

el entorno en forma de una percepcin:
Observar : Entorno Percepcion
Una funcin transforma las percepciones en actuaciones:
Accion : Percepcion Actuacion
Curso 2015/2016
31 / 55

Agent
Sensors
Conditionaction rules
What action I
should do now
Environment
What the world

is like now
Effectors
Curso 2015/2016
32 / 55
Agentes reactivos con estado interno

Agentes que tienen una estructura interna que representa
informacin del estado y su historia
Poseen una funcin que percibe e interpreta el entorno:
Observar : Entorno Percepcion
El estado interno es usado para decidir la actuacin:
Accion : Estado Actuacion
El estado es actualizado combinando la percepcin y el estado
interno actual:
Siguiente : Estado Percepcion Actuacion
Curso 2015/2016
33 / 55
Agentes reactivos con estado interno
State
How the world evolves
Sensors
What my actions do
Conditionaction rules
Agent
What action I
should do now
Environment
What the world

is like now
Effectors
Curso 2015/2016
34 / 55
Arquitecturas reactivas
Ventajas
Son simples conceptualmente.

Son econmicas en recursos
Son poco costosas computacionalmente (elaborar las decisiones
y elegir una)
Son relativamente robustas frente a los fallos (si falla un
comportamiento quedan otros)
Curso 2015/2016
35 / 55
Arquitecturas reactivas
Inconvenientes
No hay concepcin global, la informacin local ha de ser

suficiente para tomar decisiones
Tener un comportamiento emergente sugiere que la relacin
entre comportamientos individuales, entorno y comportamiento
global poco comprensible
Es muy difcil construir sistemas que resuelvan tareas concretas y
establecer una metodologa que ayude a disearlos
Hay un gran salto cualitativo entre contruir agentes con
comportamientos simples y complejos
Curso 2015/2016
36 / 55
Agentes deliberativos
Tareas de los agentes
Los agentes se hacen para que puedan hacer tareas por nosotros.
Esas tareas son especificadas por nosotros.
Queremos decirle al agente qu hacer, pero no cmo hacerlo
(declarativo vs imperativo)
Curso 2015/2016
37 / 55
Agentes deliberativos (basados en utilidad)

Una posibilidad es asociar utilidad a los estados individuales.
El objetivo del agente ser pasar por estados que maximicen la
utilidad.
La especificacin de una tarea necesita una funcin que asocie a
cada estado del entorno un valor:
Utilidad : Entorno = R
Los problemas son:
cmo definir la utilidad para una secuencia de acciones
(mximo, mnimo, ...).
cmo el definirla como objetivo a largo plazo.
Curso 2015/2016
38 / 55

Otra posibilidad es asignar la utilidad a una secuencia de
acciones.
La ventaja es poder tener una visin a largo plazo
Otras variaciones: Usar la probabilidad de los estados accesibles
Dificultades:
Como formular tareas en trminos de utilidades.
Como definir/calcular las utilidades.
En realidad nosotros no pensamos en trminos de utilidades (o
la mayora de las veces).
Curso 2015/2016
39 / 55
State
Utility
What the world

is like now
What it will be like
If I do Action A
How happy I will be

in such state
What action I
should do now
Agent
Environment
What my actions do
Sensors
Effectors
Curso 2015/2016
40 / 55
Agentes deliberativos (con objetivos explcitos)

Basadas en una visin simblica de la IA
La toma de decisiones se basa en el razonamiento (lgica
simblica)
El agente posee un modelo del entorno y acta segn ese
conocimiento
Problemas:
Representacin del mundo exterior a partir de formalismos
lgicos (transductor problem)
Resolver simblicamente el proceso de razonamiento que lleva a
la toma de decisiones (representation/reasoning problem)
Curso 2015/2016
41 / 55
Arquitecturas deliberativas (lgica clsica)

Se basan en las tcnicas usadas por los sistemas basados en el
conocimiento
Suponen que el agente tiene un conjunto de frmulas (F ) que
describen como debe comportarse (objetivos segn las entradas
que recibe)
El agente tendr un estado interno (E ) que le indicar que
sucede en el entorno
El agente realizar una accin A si y solo si E `F A
El mayor problema es el coste computacional, en ocasiones es
imposible obtener una respuesta en tiempo razonable
Curso 2015/2016
42 / 55
Arquitecturas deliberativas (agentes BDI)
El razonamiento que utilizan se basa en una rama de la filosofa

denominada razonamiento prctico
Busca un modelo para el proceso que realizamos al decidir qu
accin llevamos a cabo cada momento para perseguir unos fines
Este proceso est basado en dos procesos
Decidir qu objetivos queremos conseguir (Deliberacin)
Decidir cmo conseguirlos (Razonamiento de medios fines)
Curso 2015/2016
43 / 55
Agentes BDI - Intenciones/objetivos/acciones

En el proceso de decisin participan 3 elementos
Creencias (Beliefs): Cul es mi visin del mundo
Deseos (Desires): Qu opciones tengo segn mis creencias
Intenciones (Intentions): Qu objetivos voy a perseguir
Las intenciones cumplen diferentes propsitos:

Dirigen el razonamiento sobre medios-fines (objetivos)
Permiten restringir el razonamiento futuro
Son persistentes
Influyen en las creencias futuras
Curso 2015/2016
44 / 55
Agentes BDI - Reactividad vs Proactividad

Un punto clave es el modo en que estas intenciones dirigen el
razonamiento y plantean objetivos (prioridades, preferencias)
En ocasiones es necesario un proceso de revisin de
objetivos/acciones
Problema de la revisin
Un agente que no revise nunca sus intenciones puede perder el
tiempo con objetivos inalcanzables
Un agente que revise sus objetivos muy a menudo puede no
tener tiempo para actuar
Este problema es el equilibrio entre dos cualidades de los

agentes, la proactividad y la reactividad
Curso 2015/2016
45 / 55
Agentes deliberativos (con objetivos explcitos)
State
Goals
Agent
What the world

is like now
What it will be like
If i do Action A
What action I
should do now
Environment
What my actions do
Sensors
Effectors
Curso 2015/2016
46 / 55
Introduccin
Entornos
Tipologa

Curso 2015/2016
47 / 55
La necesidad de la interaccin social entre agentes obliga a

definir y desarrollar arquitecturas que soporten esta dimensin
social.
Eso implica una capa intermedia entre los agentes que permita
la interconexin/organizacin/comunicacin
En ocasiones este software intermediario se denomina
plataformas de agentes
Curso 2015/2016
48 / 55
Plataformas Multiagente
FIPA (Foundation for Intelligent Physical Agents) es un grupo
de estandarizacin de IEEE que defini un conjunto de
estndares sobre agentes.
FIPA defini una arquitectura abstracta que debera seguir toda
implementacin de una plataforma multiagente (igual que hace
SOA).
Esta arquitectura abstracta est compuesta por:
Un directorio de agentes
Un directorio de servicios
Un mecanismo de transporte de mensajes
Un lenguaje de comunicacin de agentes (ACL)
Curso 2015/2016
49 / 55
Arquitectura FIPA
Directorio de agentes (pginas blancas): Se encarga de
registrar a los agentes y la direccin/ruta a donde enviarles
mensajes .
Directorio de servicios (pginas amarillas): Se encarga de
registrar las capacidades que los agentes ponen a disposicin
(servicios).
Mecanismo de transporte de mensajes (routing): Se encarga
del envo de los mensajes entre agentes dentro y fuera de una
plataforma.
Lenguaje de comunicacin de agentes (ACL): Define los
mensajes que pueden utilizar los agentes para comunicarse.
Curso 2015/2016
50 / 55
Arquitectura FIPA - Realizaciones
Curso 2015/2016
51 / 55
Introduccin
Entornos
Tipologa

Curso 2015/2016
52 / 55

Ingeniera y Diseo
Cmo disear y construir sistemas multiagente en la prctica.

Cmo habilitar a los agentes para que descompongan sus tareas
y objetivos (y asignar subtareas a otros agentes) y sintetizar
resultados parciales.
Cmo describir formalmente sistemas multiagente y la
interaccin entre agentes y como asegurar que estn
correctamente especificados.
Cmo encontrar un compromiso entre coste computacional local
y comunicacin.
Curso 2015/2016
53 / 55

Razonamiento/Estado/Toma de decisiones
Cmo habilitar a los agentes para representar y razonar sobre el

estado y sus interacciones.
Cmo habilitar a los agentes para representar y razonar sobre las
acciones, planes y conocimiento de otros agentes para
interaccionan con ellos.
Cmo implementar en un sistema multiagente procesos
inteligentes como resolucin de problemas, planificacin, toma
de decisiones y aprendizaje.
Curso 2015/2016
54 / 55

Organizacin
Cmo habilitar a los agentes para comunicarse, qu lenguajes y

protocolos usar.
Como formar y disolver estructuras organizativas para cumplir
metas y objetivos especficos.
Cmo habilitar a los agentes para reconocer y solucionar
conflictos entre agentes.
Cmo evitar o mitigar comportamientos indeseados en el sistema
(caos).
Curso 2015/2016
55 / 55

Agentes Presentation

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Agentes Presentation

Uploaded by

Copyright:

Available Formats

Sistemas Multiagente

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

Origen de los sistemas multiagente

ECSDI (LSI-FIB-UPC cbea)

Orientacin a las personas

ECSDI (LSI-FIB-UPC cbea)

Agentes y sistemas multiagente

Dos visiones: Micro y macro

Diseo de agentes: Cmo diseamos agentes capaces de

Diseo de sociedades: Cmo diseamos agentes capaces de

reas relacionadas: Filosofa, Lgica, Teora de juegos,

ECSDI (LSI-FIB-UPC cbea)

Agentes como herramienta para entender las sociedades

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

ECSDI (LSI-FIB-UPC cbea)

Propiedades de los agentes

ECSDI (LSI-FIB-UPC cbea)

ECSDI (LSI-FIB-UPC cbea)

Necesitamos que un agente reaccione apropiadamente a los

ECSDI (LSI-FIB-UPC cbea)

El mundo real es un entorno multi-agente, no es posible obtener

ECSDI (LSI-FIB-UPC cbea)

Movilidad (dentro de la red).

ECSDI (LSI-FIB-UPC cbea)

Agentes (AOP) vs Objetos (OOP)

Pero los agentes son:

Los objetos lo hacen gratis, los agentes porque quieren y

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

El inderminismo y nivel de accesibilidad hacen mas complejo el

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

Agentes fsicos (p.ej. Robots)

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas reactivas puras

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas deliberativas (orientadas por objetivos)

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Arquitecturas abstractas de agentes

Sistemas Multiagente - Middleware

Temas/preguntas en sistemas multiagente

Arquitecturas abstractas de agentes

Agentes reactivos puros

Agentes que deciden sus acciones independientemente de la

ECSDI (LSI-FIB-UPC cbea)

Arquitecturas abstractas de agentes

Agentes reactivos puros

El agente est formado por una funcin que percibe e interpreta

ECSDI (LSI-FIB-UPC cbea)