Agentes, II Un tutor interactivo de inglés. Percepciones: palabras escritas Acciones: crear ejercicios, sugerencias, correcciones Objetivos: maximizar las calificaciones del alumno Entorno: un conjunto de estudiantes Un taxista automático. Percepciones: cámaras, velocímetro, micrófono Acciones: mover el volante, acelerar, frenar, hablar al pasajero Objetivo: seguridad, rapidez, legalidad, comodidad Entorno: carreteras, autopistas 
Un agente simple Algoritmo:
funcion agente-simple (percepción) “returns” una acción memoria (variable global) memoria = actualiza-memoria(memoria, percepción) acción = elige-mejor-acción(memoria) memoria = actualiza-memoria (memoria, acción) “return” acción
Observaciones: Se debería mantener una secuencia de percepciones en memoria. Se deberían tener criterios externos de éxito.
Un agente de búsqueda en tablas Algoritmo:
funcion agente-de-búsqueda-en-tablas (percepción) “returns” una acción variables globales: percepciones (lista inicialmente vacía) tabla (indexada por lista de percepciones) añade-percepción-al-final-de- percepciones(percepción, percepciones) acción = busca(percepciones, tabla) “return” acción
Inconvenientes: Tabla enorme (y difícil de generar). Agente sin autonomía (si el entorno cambia, la tabla también debería hacerlo).
Un agente reflejo simple Es imposible construir una tabla de búsqueda para cualquier secuencia de percepciones. Uso de reglas: Si “coche-de-enfrente-frena” entonces “frenar”
Algoritmo:
funcion agente-reflejo-simple (percepción) “returns” una acción reglas (variable global) estado = interpreta (percepción) regla = selecciona-regla (estado, reglas) acción=aplica-regla(regla) “return” acción
Un agente reflejo con estado Se mantiene un estado del mundo (configurado por las percepciones).
Algoritmo:
funcion agente-reflejo-con-estado (percepción) “returns” una acción variables globales: estado, reglas estado = actualiza-estado (estado, percepción) regla = selecciona-regla (estado, reglas) acción=aplica-regla(regla) estado = actualiza-estado (estado, acción) “return” acción
Otros agentes Agente basado en el objetivo: En una intersección, es posible “izquierda”, “derecha” o “recto”, pero importa el objetivo (no es únicamente un agente reflejo). Búsqueda y Planificación (campos de IA). Agentes basados en utilidad: Utilidad(estado)=grado de preferencia para un estado. Los agentes basados en el objetivo dan una solución pero puede ser un camino no muy satisfactorio. Programas de juego.
Tipos de entorno Accesible/no-accesible: ¿el agente tiene acceso al estado completo del entorno? Si es accesible, no necesita mantener un estado interno del mundo. Determinista/no-determinista: ¿el estado siguiente del entorno está completamente determinado por el estado actual y la cadena de acciones elegidas por el agente? Episódico/no-episódico: Episodio: percepción-acción. ¿son episodios independientes? Estático/dinámico: ¿el entorno puede cambiar mientras el agente decide? Discreto/continuo ¿número finito de percepciones/acciones?
| Página siguiente |