AGENTES INTELIGENTES

AGENTES INTELIGENTES 

INTRODUCCIÓN

Definición

Enfocando la IA desde la perspectiva del desarrollo de agentes inteligentes se puede considerar el nuevo reto a corto plazo. “Los agentes constituyen el próximo avance mas significativo en el desarrollo de sistemas y pueden ser considerados como la nueva revolución en el software” –Dr. Nicholas Jennings— Pero, ¿qué son?, ¿en qué consisten?, ¿cuáles son sus características?, ¿qué nos ofrecen?, este es el objetivo de esta investigación.  

Qué es un agente inteligente ??

Podemos definir al agente inteligente como una entidad software que, basándose en su propio conocimiento, realiza un conjunto de operaciones destinadas a satisfacer las necesidades de un usuario o de otro programa, bien por iniciativa propia o porque alguno de éstos se lo requiere.

Todos los agentes inteligentes son programas, pero no todos los programas que realizan búsquedas son agentes inteligentes. Los agentes en sí mismos pueden ser considerados como entidades individuales (partes de programa que tienen control sobre sus propias vidas y movimientos). Continuamente están realizando procesos que les indican qué hacer y cómo. Se comunican con otros agentes para resolver de forma adecuada su trabajo.

De acuerdo con el punto de vista de la inteligencia artificial un agente posee las siguientes propiedades: autonomía, sociabilidad, capacidad de reacción, iniciativa, benevolencia y racionalidad (Wooldridge y Jennings, 1995).

«Un agente inteligente es una entidad software que, basándose en su propio conocimiento, realiza un conjunto de operaciones para satisfacer las necesidades de un usuario o de otro programa, bien por iniciativa propia o porque alguno de éstos se lo requiere»

Últimamente la industria del software, con fines puramente comerciales, nos está mostrando aplicaciones catalogadas como agentes inteligentes que realmente no lo son. Éste es el caso del Ayudante de Microsoft Office (Clippo, Dr. Genio, Ridondo, etc.). Si aplicamos cada una de las propiedades de los agentes inteligentes a este Ayudante veremos que, como mucho, cumple la característica de la sociabilidad. Por tanto realmente no es lo que se enuncia, sino un simple programa que en determinados casos emula el comportamiento de los agentes inteligentes. Esta comparación es una buena forma de distinguir entre un agente inteligente y un programa convencional.

Sistema multiagente

Un sistema multiagente (SMA) es un sistema compuesto por múltiples agentes inteligentes que interactúan entre ellos. Los sistemas multiagente pueden ser utilizados para resolver problemas que son difíciles o imposibles de resolver para un agente individual o un sistema monolítico.

Características

Los agentes en un sistema multiagente tienen varias características importantes:

• Autonomía: los agentes son al menos parcialmente autónomos
• Visión local: ningún agente tiene una visión global del sistema, o el sistema es demasiado complejo para un agente para hacer un uso práctico de esos conocimientos.
• Descentralización: no hay un agente de control designado (o el sistema se reduciría a un sistema monolítico).

Normalmente la investigación de sistemas multiagente se refiere a agentes de software.Sin embargo, los agentes en un sistema multiagente también podrían ser robots,​ seres humanos o equipos humanos.

Ejemplos de metodologías y notaciones de ingeniería de software orientada a agentes, son:

• Vocales (Voyelles) de Yves Demazeau es una de las primeras propuestas en el área, y considera la concepción de sistemas multiagentes desde varios puntos de vista, correspondientes a las vocales: Agente, Entorno, Interacciones, y Organización.
• GAIA de Michael Wooldridge y Nick Jennings de la Univ. de Southampton, propone cómo realizar un análisis basado en roles del sistema multi-agente.
  * MASE de Scott A. Deloach propone agentes como extensiones de objetos y proporciona la herramienta AgentTool para análisis, diseño e implementación.
  * AgentUML de James Odell, propone una notación, extendiendo UML, para especificar protocolos de comunicación entre agentes.
• MADKiT es una herramienta de desarrollo, propuesta por Jacques Ferber, basada en el paradigma Agente-Role-Organización de la metodología Aalaadin.
  * ADELFE del grupo IRIT de la Universidad de Toulouse, trata especialmente los temas de cooperación entre agentes.
• INGENIAS del grupo GRASIA de la UCM, extiende la metodología MESSAGE y proporciona un conjunto de herramientas para modelar y generar código de sistemas multiagente.
• Mas-CommonKADS de Carlos Iglesias en la UPM extiende la metodología CommonKADS, para sistemas expertos, a agentes, utilizando estructuración orientada a objetos y lenguajes de especificación de protocolos como SDL.
• SemanticAgent del grupo LIRIS de la Universidad de Lyon. Basada en el SWRL.

APRENDIZAJE POR REFUERZO

Existen algunas formas de aprendizaje de los agentes inteligentes, el aprendizaje entra en juego cuando el agente observa sus iteraciones con el mundo y sus procesos de toma de decisiones. Existen tres formas de aprendizaje: Aprendizaje supervisado, no supervisado y el aprendizaje por refuerzo.

El aprendizaje por refuerzo consiste en aprender a decidir, ante una situación determinada, que acción es la más adecuad para lograr un objetivo. Consta de dos componentes. Componente selectiva que involucra la selección de la mejor acción a ejecutar de entre varias opciones y la componente asociativa, en el sentido de que las alternativas encontradas se asocian a situaciones particulares en que se tomaron.

El aprendizaje por refuerzo es adecuado cuando no existe un conocimiento “a priori” del entorno o este es demasiado complejo como para utilizar otros métodos.

• MoMORENO A., Armengol E, Béjar J., Sánchez M., “Aprendizaje Automático”, 1994
• Dr COOK Peter, “Intelligent Systems-Fusion, Tracking and Control”, 2003
• RUSELL Stuart, NORVING Peter , “Inteligencia Artificia Un Enfoque Moderno”
• BAARAUJO Basilo, “Aprendizaje Automático: Conceptos Básicos y Avanzados” ,2006