TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE HUEJUTLA

CLAVE: 13DIT0001E

INVESTIGACION:
“CLASIFICACIÓN DE LOS AGENTES INTELIGENTES”

PRESENTA:
NOEMI CRUZ MARCOS

SEMESTRE Y GRUPO: 8º “A”

CARRERA:
INGENIERÍA EN SISTEMAS COMPUTACIONALES

MATERIA:
INTELIGENCIA ARTIFICIAL
 1. AGENTES REACTIVOS SIMPLES

Este es el tipo de agente más sencillo, ya que este actúa en función de las percepciones que
está tomando en ese momento ignorando las anteriores. Actuar de esta forma puede sonar no
muy útil ya que existen acciones que requieren llevar un historial de las anteriores, por ejemplo
un juego de ajedrez, las acciones que se realizan en un determinado momento están presente
durante todo el juego porque de estas dependen las nuevas acciones. (Rodríguez, W. s/f).

Esqueleto:

Características:

 Inteligencia muy limitada

 Riesgo de bucles o ciclos infinitos cuando la visibilidad sobre el entorno es parcial.
 El comportamiento se puede representar mediante una tabla
 El módulo de comportamiento es tan sencillo como una búsqueda en una tabla.

Ejemplo: robot móvil que se mueve en un entorno evitando obstáculos:

 Tres sensores de proximidad: frontal, derecho e izquierdo.

 Tres posibles acciones: avanzar, girar derecha y girar izquierda.
 Una tabla que relaciona percepción con acción:
 2.- AGENTES BASADOS EN MODELOS

Este agente actúa según sus percepciones pero

las relaciona con un modelo obtenidos
anteriormente del mundo real, es decir cuándo va
a realizar determinada acción este la relaciona
con el estado del modelo, por ejemplo ¿cómo
está el mundo ahora?, luego determina si su
acción tuvo efecto en el medio (García, A.2012).

Características:

 Las acciones no se asocian directamente a percepciones.

 Se utilizan las percepciones, los estados anteriores y las acciones anteriores para crear
un modelo del entorno.
 A cada situación del entorno sí se le asocia una acción, como en el caso anterior
(mediante una tabla).

Situación entorno = f (percepciones, datos anteriores)

Acción = f (situación entorno)

 Diferencia importante: una misma percepción puede dar lugar a acciones distintas.
 Se pueden considerar, por ejemplo, derivadas o tendencias de las percepciones.

Esqueleto:

Ejemplo: robot móvil que se mueve en un entorno evitando obstáculos (mejorado):

 Tres sensores de proximidad: frontal, derecho e izquierdo.

 Tres posibles acciones: avanzar, girar derecha y girar izquierda.
 Un mapa de los obstáculos y paredes de la habitación creado a partir de la historia de
percepciones y acciones (movimientos).
 Al disponer de un mapa, las acciones del robot serían más lógicas (por ejemplo, podría
buscar la dirección en la que los obstáculos se encuentren más alejados).
 3.- AGENTES BASADOS EN OBJETIVOS

Este agente también se basa en un modelo del mundo real, la diferencia es que este busca
cumplir un objetivo, es decir el agente tiene como propósito llegar a una meta y realiza todas las
acciones que sean necesarias para cumplirla, en este punto el agente debe estar preparado por
si en determinado momento ocurre un problema que le impida realizar una acción, es decir este
debe detenerse y buscar la forma de realizar la acción para llegar a cumplir su objetivo (García,
A.2012).

Características:
 Ayudan al agente a decidir las
acciones correctas.
 Información sobre la meta ayuda al
agente a describir situaciones
deseables.
 Si la meta no es inmediata a una
acción es necesario realizar algún
proceso de búsqueda y planeación.
 Las acciones no se asocian al
estado del entorno mediante una
tabla.
Aparecen dos elementos nuevos:
 Modelado del efecto de las acciones: a cada par (estado, acción) se le asocia un efecto
(un cambio en el estado).
1. Estado_nuevo = f (estado_anterior, acción)
2. Meta: estado final deseado para el sistema.
Esqueleto:

Nota: El agente basado en Objetivos es menos eficiente, pero es más flexible.

 4.- AGENTES BASADOS EN UTILIDAD
Este tipo de agente evalúa si las acciones que está realizando son útiles, es decir tienen un
efecto positivo en el medio, para esto determina si la crítica que va a tener luego de realizar
una acción es buena o mala (Llata, et all 2008).

Características:
 Las metas no son suficientes para generar un comportamiento de calidad.
 Las utilidades sirven para distinguir la preferencia de un estado a otro.
 La utilidad mapea un estado a un número real
 Debe considerarse las metas conflictivas y las metas inciertas.

Ejemplo: robot móvil que se mueve en un entorno evitando obstáculos (mejorado):

 Todas las acciones anteriores incluyendo:
 Una valoración de la utilidad de cada estado.
El robot ejecuta en cada estado la mejor acción en función del acercamiento al punto de
destino (muy similar al agente basado en metas).
 5.- AGENTES QUE APRENDEN
Este tipo de agente es el que la IA busca desarrollar, agentes que aprendan de las acciones que
están realizando, este es un tipo de agente que tiene un modelo del mundo real y un objetivo a
alcanzar, si en el proceso de alcanzar su objetivo este tiene un problema y realiza una acción la
cual obtiene una crítica mala, el agente aprende que no debe realizar esta acción otra vez, es
decir la gurda en la tabla de reglas que debe cumplir, así de esta forma se podría decir que el
agente está aprendiendo (Llata, et all 2008).

Aprendizaje automático: programas que mejoran su comportamiento con la experiencia

(aprendizaje automático = software).
Existen dos formas posibles de adquirir experiencia:
 A partir de ejemplos suministrados por un usuario (ej. reconocimiento de patrones: un
conjunto de ejemplos clasificados o etiquetados es la fuente de información o la
experiencia necesaria para el aprendizaje). APRENDIZAJE SUPERVISADO
 Mediante exploración autónoma (ej. software que aprende a jugar al ajedrez mediante la
realización de miles de partidas contra sí mismo; o robot que aprende a salir de un
laberinto mediante prueba y error). APRENDIZAJE NO SUPERVISADO.
El aprendizaje en agentes puede definirse como el proceso de modificación de cada componente
del agente, esto permite que cada componente se comporte más en consonancia en la
información que se recibe, lo cual permite mejorar el nivel de actuación del agente.