Introducción

La Inteligencia Artificial IA, se esta considerando como una de las

disciplinas más nuevas, siendo curiosamente considerada a la vez como
una gran ciencia desconocida y una de las que más interés despierta.
Esto es debido a que poca gente tiene claro qué es la IA, pero sin
embargo es considerada por una gran mayoría de científicos como la
disciplina donde han pensado alguna vez en trabajar. Pero, ¿qué es
realmente la IA? Existen gran variedad de definiciones respecto a lo que
es la IA, algunas más válidas que otras, pero podríamos intentar
resumirlas comentando que la IA trata de «desarrollar sistemas que
piensen y actúen racionalmente».

Actualmente en la IA ha surgido un nuevo paradigma conocido

como «paradigma de agentes», el cual está tomando un gran auge entre
los investigadores. Dicho nuevo paradigma aborda el desarrollo de
entidades que puedan actuar de forma autónoma y razonada. Si
retomamos la definición dada anteriormente donde se consideraba a la
IA como un medio para el desarrollo de sistemas que piense y actúen
racionalmente, podemos pensar que la IA, en su conjunto, trata
realmente de construir precisamente dichas entidades autónomas e
inteligentes.
 Desarrollo

1.- ¿Qué son Agentes Inteligentes?

Es una entidad capaz de percibir su entorno, procesar tales

percepciones y responder o actuar en su entorno de manera racional, es
decir, de manera correcta y tendiendo a maximizar un resultado
esperado. Es capaz de percibir su medioambiente con la ayuda de
sensores y actuar en ese medio utilizando actuadores (elementos que
reaccionan a un estímulo realizando una acción).

Un agente inteligente puede ser una entidad física o virtual. Si bien

el término agente racional se refiere a agentes artificiales en el campo
de la inteligencia artificial, también puede considerarse agentes
racionales a los animales incluido el hombre.

En Ciencias de la Computación el término agente inteligente

puede ser usado para referirse a un agente de software que tiene algo
de inteligencia, independientemente de si no es un agente racional por
definición de Russell y Norvig. Por ejemplo, programas autónomos
utilizados para asistencia de un operador o de minería de datos (a veces
denominado robots) son también llamados "agentes inteligentes".

Los agentes inteligentes se describen esquemáticamente como un

sistema funcional abstracto. Por esta razón, los agentes inteligentes son
a veces llamados Agentes Inteligentes Abstractos (AIA) para distinguirlos
de sus implementaciones del mundo real como sistemas informáticos, los
sistemas biológicos, o de organizaciones. Algunas definiciones de
agentes inteligentes hacen énfasis en su autonomía por lo que prefieren
el término agente inteligente autónomo. Y otros (en particular, Russell y
Norvig (2003)) consideran conducta dirigida a objetivos como la esencia
de lo inteligente y prefieren un término tomado de la economía "Agente
Racional".
 2.- Reseña Histórica de los Agentes Inteligentes

Entre 1984 y 1985, surgieron los primeros problemas con

el razonamiento simbólico, estos impulsaron al desarrollo de los
primeros agentes reactivos; y es hasta 1990 cuando comienzan
a aparecer algunas arquitecturas híbridas estratificadas por
capas, que simulan los primeros agentes inteligentes. (Antoine,
2003).General Magic en 1990 fue la primera compañía en
invertir en tecnología de agentes para construir un sistema
basado en agentes para dispositivos portátiles. Fue llamada
“Telscrip” y lo utilizó Motorola y AT&T. (Lawton, 1996). Más
tarde Telscrib evoluciona en “Tabriz AgentWare”, que desarrolló
para trabajo en servidores en Internet.

Posteriormente el tema de agentes comenzó a adentrarse

muy de lleno en la mayoría de los desarrollos, impulsados por la
implantación de internet. Características como autonomía,
sociabilidad, capacidad de reacción e iniciativa, los hacían
demasiados atractivos para ser implantados en ambientes
donde estos factores fueran necesarios y así fue como el
paradigma de agentes tuvo sus fundamentos en la tecnología de
los paradigmas orientados a objetos.

Lo que se pretendía con la tecnología de agentes era lograr

un gran parecido con la actividad humana y una gran capacidad
de raciocinio, por lo que en 1995, con Windows 95 y las
interfaces gráficas, nace Microsoft Agent, una tecnología capaz
de emplear personajes animados, y software de reconocimiento
de voz para mejorar la interacción con los usuarios de
computadoras.

La transición de la IA al desarrollo de agentes inteligentes,

se dio a partir de la implementación de algoritmos o técnicas de
aprendizaje en agentes; anteriormente los agentes estaban
diseñados para procedimientos específicos en los cuales los
protocolos estaban definidos en su totalidad. En la actualidad los
agentes que tienen tareas pequeñas pueden llegar a evaluar si
están empleando optimización en los procesos, con lo cual
pueden modificar sus propias reglas de comportamiento. Esto
representa el principio en el camino hacia el anhelo de
desarrollar software con un comportamiento más inteligente.

Imagen 1. Esquema de Influencia Entorno-Agente Inteligente

3.- Clasificación de Agentes Inteligentes.

Se pueden clasificar en seis categorías dependiendo su

comportamiento:

a) Agente Reactivo: Los agentes reactivos representan una

categoría especial de agentes que no poseen modelos
simbólicos de su entorno; en su lugar actúan y responden
a los estímulos que presenta el estado actual del entorno en
el que están embebidos.

b) Agentes reactivos basados en modelos: mantienen un estado

interno que les permite seguir el rastro de aspectos del mundo
que no son evidentes según las percepciones actuales.
 c) Agentes basados en objetivos: actúan con la intención de
alcanzar sus metas (como en nuestro caso, alcanzar la
estación destino con la solución apropiada)

d) Agentes basados en su utilidad: intentan maximizar su

“felicidad” deseada mediante su interacción con el entorno
que lo rodea y con otros agentes a su alrededor.

e) Agentes que aprenden: son aquellos capaces de usar la

información de su entorno y las experiencias previas para
crear un criterio, y a su vez son capaces de almacenar
conocimiento que puede ser usado y compartido según así se
requiera.

f) Agentes de consulta: son aquellos agentes capaces de

almacenar grandes cantidades de información de su entorno
para luego compartirla con otros agentes.

4.- Ejemplos de un Agente Inteligente

Como ejemplos de entidades físicas pueden nombrarse:

*Un robot de comportamiento variable autoregulado (ya sea que su

comportamiento sea determinado por software o incorporado
directamente en la electrónica),

*Una computadora que ejecuta un software de diagnóstico médico y

muestra resultados en una pantalla para ayudar a decidir a un médico,

*Una computadora especializada que controla un helicóptero en

maniobras peligrosas para un hombre.

Ejemplos de entidad puramente virtual serían:

*Un software de descubrimiento de patrones en Internet que sólo

interactúa con otros software.
 *Un software robótico que simula a una persona en un juego de
computadora, tal como un jugador de ajedrez, un jugador de fútbol
contrincante o un conductor de carreras de automóviles, etc.

*El software que puede predecir las subidas y bajadas del valor de las
acciones de las principales compañías que cotizan en las bolsas
mundiales y que son de gran ayuda para las corporaciones y para los
corredores de bolsa.

5.- Nivel de Autonomía

Un agente no sólo debe ser capaz de hacer sugerencias al usuario sino

de actuar. En el ejemplo anterior, el agente que filtra el spam no puede
estar continuamente alertando al usuario en cada mensaje de correo que
llega sobre la posibilidad de que sea un mensaje no deseado y su
verdadera utilidad surge cuando elimina de forma autónoma
dichos mensajes. Por otro lado, dichos agentes deben de tener una o
varias de las siguientes funcionalidades específicas:

*Aprender nuevos problemas e incrementar normas de solución.

*Capacidad de adaptación en línea y en tiempo real.

*Ser capaz de analizar condiciones en términos de

comportamiento, el error y el éxito.

*Aprender y mejorar a través de la interacción con el medio

ambiente (realización).

*Aprender rápidamente de grandes cantidades de datos.

 *Deben estas basados en memoria de almacenamiento masivo y
la recuperación de dicha capacidad.

6.- Deficiencias en las Conductas de los Agentes Inteligentes

Paradójicamente la conducta de un agente rara vez es la óptima.

La razón es sencilla: calcular el óptimo de un criterio de un modo
suficientemente bueno como para ser considerado razonable es muy
difícil cuando en el problema planteado concurren múltiples restricciones.
Un ejemplo sería el cálculo de la mejor ala para un avión, donde el agente
tendría que ser capaz de tener en cuenta criterios tan dispares como la
aerodinámica, la compatibilidad con el resto de componentes de la
aeronave, o criterios económicos, y restricciones tales como limitaciones
en peso de la propia ala, el peso total de la aeronave, las normativas
aplicables, etc. En el otro extremo se encuentran problemas como el
cálculo del máximo de un polinomio de segundo grado, en los que el
criterio es muy sencillo -es un polinomio de segundo grado- y no concurre
ninguna restricción.

Cuando el criterio es una función real de muchas variables y las

restricciones también, los cálculos son mucho más complicados. Algunas
veces se puede lograr una buena aproximación, pero si el agente ha de
tomar la decisión en muy poco tiempo, deberá conformarse con la mejor
aproximación que pueda calcular en el escaso tiempo de que dispone.

Conclusión
 Existen ya prototipos que están siendo probados tanto en el
ámbito académico como industrial y ya empiezan a aparecer los primeros
productos comerciales. Cabe indicar que, como siempre ocurre cuando
aparece una nueva tecnología, no debemos pensar que todo son agentes
y lo que había antes no es válido. Las opciones a la hora de emplear
agentes, tal y como hemos descrito, son múltiples, pero no conviene
creer que cualquier problema es tratable de forma sencilla con una
aproximación de sistema basado en agentes. Es posible que en
ocasiones el empleo de técnicas clásicas resulte más adecuado en
función de la naturaleza del problema a resolver.

Bibliografía
Baugh J. Matemáticas Discretas. (Iberoamericana), Primera ed.,
Española, 2010, 506pp
Barkakati Turbo c++ Bible. . sams, Primera ed., USA, 2009, 800pp,
Bertino/Martino Sistema de Base de Datos Orientada a Objetos.
(Addison), Primera ed. Española, 2011, 278pp
Farren H. F. Introducción a LISP. (MASSON).,Española, 2012, 200pp.
Giarratano Sistemas Expertos Principios y Programación . Riley,
Española, 2008, 596pp
Russel Stuart, Norvig Meter. Inteligencia Artificial un Enfoque Moderno,
(PHH) . Española, 2007 979pp