Agentes Inteligentes: El siguiente pasó en la inteligencia artificial (página 3)
Enviado por Gerardo Valdez Balcazar
Además de los modelos existen dos tipos de coordinación :
c). Coordinación orientada por los problemas: En este tipo de coordinación, los agentes deben coordinar los planes de realización de acciones para prevenir interbloqueos, repetición de acciones y creación de inconsistencias.
d). Coordinación orientada por la cooperación: En este tipo de coordinación los agentes no se coordinan a nivel de planes, sino a nivel de acciones. Esto significa que los agentes se coordinan en el momento de ejecutar acciones [Lab93].
13.4 Negociación
Para que los mecanismos de cooperación y coordinación sean exitosos en un sistema de agentes que actúan interdependientemente, debe existir un mecanismo adicional, por medio del cual, los integrantes de un sistema se puedan poner de acuerdo cuando cada agente defiende sus propios intereses, llevándolos a una situación que los beneficie a todos teniendo en cuenta el punto de vista de cada uno. Este mecanismo es llamado negociación [Her95, Lab93].Los procesos de negociación tienen como resultado la modificación o confirmación de las creencias de cada agente involucrado, en lo relacionado con los demás agentes y con el mundo en el que se desenvuelve. La negociación se puede mirar bajo una perspectiva racional, la cual describe la negociación como un proceso de seis pasos [Her95]:
Definir el problema.
Identificar aspectos.
Ponderar criterios.
Generar alternativas.
Evaluar alternativas.
Formular solución.
En los SMA la mayoría de las veces el problema está bien definido, es decir, el primer paso no es relevante. Los demás pasos se pueden o no seguir, dependiendo del problema para el cual un grupo de agentes busca una solución [Nea et al 92].Los mecanismos de negociación utilizan diferentes reglas en lo relacionado con la distribución de recursos del sistema [Alb92,Baz93,Her95,Nea et al 92,Rai82]:
Regla equitativa: consiste en dividir los recursos disponibles en proporción a los aportes de cada miembro de grupo.
Regla igualitaria: establece una distribución de recursos en partes iguales para todos los miembros.
Regla según las necesidades: consiste en la distribución de acuerdo a las necesidades individuales de cada miembro del grupo.
Regla según el pasado: rige la distribución siguiendo patrones o experiencias en negociaciones pasadas.
Hay otro tipo de reglas usadas en negociación, relacionadas con la toma de decisiones [Her95] :
a). Consenso o unanimidad: Una decisión es tomada cuando todos los miembros de un grupo están de acuerdo con dicha decisión. Es muy posible que se llegue a esto después de negociar varias veces la decisión.
Mayoría: Una decisión es tomada cuando la mayoría de los miembros de un grupo está de acuerdo con dicha decisión. La definición de "mayoría" depende del sistema y se puede relacionar con el número de votos a favor de una decisión o con el peso de tales votos.
La negociación se caracteriza por tener los siguientes elementos:
Un número adecuado de agentes involucrados en el proceso.
Un conjunto minimal de acciones que se llevan a cabo en el proceso, como: proponer, evaluar, refutar, contraproponer, aceptar, rechazar, modificar, etc. [Lab93]. Este conjunto es llamado lenguaje: "El principal componente de la negociación como actividad social es el lenguaje" [Her95]. Este conjunto de acciones puede ser visto como un conjunto de actos de habla con una lógica y una semántica especial, en [Her95] se propone un lenguaje para negociación, basado en actos de habla.
Para que una negociación sea exitosa es necesario un protocolo que facilite y en lo posible garantice la convergencia de ideas a una solución común. Un protocolo establece un conjunto de pasos que debe seguir un proceso de negociación, así como las posibles respuestas de un agente, a las acciones de otro agente.Un ejemplo simple de protocolo de negociación entre dos agentes A y B es el siguiente :1. A lanza una propuesta.
2. B evalúa esta propuesta y determina si es buena para él.
3. Si la propuesta de A satisface a B, el proceso termina. De lo contrario, B debe lanzar una contrapropuesta con sus argumentos.
4. Si A considera que los argumentos de B son buenos, el proceso termina. Si no se logran poner de acuerdo, se necesita la intervención de un tercer agente que tenga en cuenta los puntos de vista de ambos y tome una decisión [Lab93].
En este documento se exponen brevemente algunos de los temas relacionados con la negociación. Para explicaciones detalladas se recomienda ver [Her95].
13.5 Control
El control es el mecanismo básico que provee apoyo para la implementación de mecanismos de coordinación en un SMA. El control se relaciona directamente con:
Determinar cuáles son las subtareas más importantes a realizar en un momento dado.
Determinar qué contexto (resultados intermedios de otros agentes) deben ser usados en la solución de una subtarea.
Estimar el tiempo de generación de la solución a una subtarea.
Evaluar si la solución de un problema ha sido generada. (Problema de la terminación).
El control puede ser considerado desde dos puntos de vista: control global y control local. El control global se relaciona con tomar decisiones basándose en datos obtenidos y consolidados a partir de la información de todos los agentes del sistema, el control local se relaciona con tomar decisiones basándose solo en datos locales. Estos dos controles deben ser balanceados por varias razones:
El aumento del poder de control local lleva a que los agentes actúen eficientemente desde el punto de vista "rapidez en la toma de decisiones y en la ejecución de tales decisiones". Pero, se puede llegar a la pérdida de mecanismos de cooperación efectivos y como consecuencia a la realización de tareas no deseables.
El aumento del poder del control global lleva a aumentar los costos de computación del sistema, porque la información de los agentes cambia dinámicamente, como consecuencia para mantener información global coherente, se deben revisar e incorporar constantemente los cambios en cada uno de los agentes.
Para mantener el balance entre el control global y el control local, los componentes del control local de cada agente deben:
Proveer al control cooperativo una descripción de su estado actual y actividades esperadas.
Interactuar con el control cooperativo para modificar las actividades locales y estar más "inline" con las necesidades de los otros agentes.
Ser suficientemente sofisticado en la toma de decisiones de manera que pueda tolerar cierto nivel de error en el control cooperativo.
En [Les91] se presentan algunos mecanismos y estrategias para la implementación del control en un SMA. El mecanismo básico propuesto es la creación y manejo de estructuras que puedan acceder todos los agentes y en las que se representen organicen e integren, a alto nivel, las metas globales locales del sistema. Cada una de estas metas se relaciona con la intención de realización de alguna tarea. La estructura global de metas no necesita ser totalmente desarrollada para la resolución distribuida de problemas, la estructura puede ser construida a medida que la solución del problema progresa.Para poder manejar estas estructuras de objetivos, los agentes que integran el SMA deben tener la habilidad de transmitir sus estructuras locales de metas. La transmisión de las metas puede indicar a los otros agentes qué tipo de información es más necesaria para el desarrollo de una solución. Por otro lado, la generación de submetas a partir de las metas facilita la generación de resultados intermedios que lleven a la satisfacción de la meta inicial. De esta forma, la incertidumbre en el control cooperativo se disminuye porque más información es generada y comunicada. Sin embargo, la comunicación de estructuras de metas genera costos adicionales de comunicación en el sistema.A partir de la información de la estructura de metas se debe decidir cuáles son las metas de mayor importancia, para su realización. Para ello es importante distinguir entre la creencia local en un resultado parcial (creencias) y la importancia de incorporar tal resultado en una solución (evaluación global de la importancia de un resultado). La evaluación local de la importancia de metas externas, determina el balance entre responder a las necesidades de otros agentes y a las propias. La escogencia del balance preciso depende de como los agentes desde su perspectiva local juzguen sus resultados parciales y la importancia de sus metas desde una perspectiva cooperativa.
Entre las estrategias para la implementación de los mecanismos de control se mencionan [Les91]:
Metacontrol estático asociado con la estructura organizacional de un sistema : Para alcanzar una resolución cooperativa óptima es necesario eliminar la incertidumbre que se genera de manera natural en un sistema distribuido, dado que no se cuenta en todo momento con la información actualizada de cada uno de los componentes del sistema. Esto implica que cada decisión debe ser reevaluada constantemente a la luz de la nueva información generada. Pero esto es bastante costoso desde el punto de vista de procesamiento y comunicaciones.
Otra opción, que no requiere reevaluación constante y por ello es menos costosa, es tomar decisiones de control cooperativo por medio de un proceso de decisión de dos niveles. Un nivel llamado nivel de diseño organizacional, se refiere a decisiones estratégicas que no necesitan ser constantemente reevaluadas para obtener un desempeño razonable. El otro nivel, llamado nivel de agente, se refiere a decisiones tácticas que son constantemente reevaluadas. El nivel de diseño organizacional define políticas a largo plazo que pueden ser usadas al nivel de agente para restringir el conjunto de escogencias o información que debe ser evaluado para tomar decisiones. Estas políticas definen la estructura organizacional del sistema distribuido para resolución de problemas. De alguna manera la estructura organizacional representa decisiones precomputadas acerca de la estructura de metas de cada agente. Para diferentes aspectos de control cooperativo, las políticas individuales especifican estrategias globales a largo plazo que pueden ayudar a la solución coherente de problemas entre agentes. Las políticas guían y restringen las decisiones de control local para que ellas estén de acuerdo con la estrategia global. Una forma cruda de conocimiento organizacional compilado puede ser implementada por medio de la especificación de áreas de interés asociadas con cada agente.
Metacontrol dinámico asociado con la planeación global parcial : Es claro que para que los agentes cooperen de manera efectiva necesitan una vista razonablemente precisa de la estructura de metas de otros agentes. Ellos necesitan ser capaces de reconocer y anticipar dónde hay interacción o subproblemas redundantes, cuándo planear trabajar sobre los problemas, qué tan difíciles son los problemas y la flexibilidad que tiene el agente para reasignar sus actividades. Un conjunto de preguntas interrelacionadas se derivan de manera natural : qué aspectos dinámicos de la estructura de metas son importantes, qué tan precisa debe ser la vista global de metas, qué tanto de la evolución de la estructura de metas debe ser capturada. Las propuestas para proveer y operar sobre esta información son guiadas por dos principios. El primero se basa en satisfacer la vista del control cooperativo y en que los agentes no tienen que ser totalmente coherentes en su comportamiento, este principio es importante en situaciones donde el control permite reducciones significantes en la cantidad de cómputo y procesamiento requerido para implementar los algoritmos de control cooperativo. El segundo principio es que el control cooperativo efectivo es consecuencia del control local sofisticado. Esto es, los agentes deben ser capaces de representar y razonar no solo sobre sus actividades locales sino también de acomodarse a los requerimientos de otros agentes. La propuesta desarrollada en [Les91], llamada planeación global parcial se basa en la vista de metas a corto plazo de los agentes. Esta vista también contiene el orden esperado en el cual los agentes intentarán alcanzar las metas y estima tiempo y calidad de la solución. Uno puede considerar esto como un plan de alto nivel para la resolución local de problemas. Hay una tensión obvia entre la posibilidad de reasignación de problemas globales y el grado de predicción en el plan de alto nivel. A menor predicción, se requiere mayor comunicación y procesamiento para alcanzar un comportamiento cooperativo coherente. Los agentes intercambian esta vista parcial y aumentada de la estructura local de metas esperada. Por medio de la combinación de fragmentos de estructuras de metas de diferentes agentes un agente construye planes de metas globales y parciales. Un agente usa esta información para comprender cómo sus actividades se relacionan con otros agentes.
Esta información guía a un agente, para reorganizar sus metas locales, buscando resultados tales como:
Explotar los resultados parciales disponibles de otros agentes.
Proveer resultados parciales que puedan restringir el campo de búsqueda de la solución a las metas de otros agentes.
Evitar soluciones redundantes a metas, excepto cuando sea deseable.
Reevaluar la importancia de alcanzar una meta.
14. Ambientes
accesibles (los sensores detectan todos los aspectos relevantes y no se necesitan estados internos) o inaccesibles determinísticos (el siguiente estado está determinado por el actual y las acciones del agente) o indeterminísticos. En ambientes complejos se considera un ambiente determinístico o no desde el punto de vista del agente episódicos (la calidad de la acción depende solo del episodio) o no espisódicos estáticos o dinámicos (si el ambiente puede cambiar mientras el agente piensa) o semidinámicos (el desempeño del agente cambia) discretos (número limitado y distinguible de percepciones y acciones) o continuos
Los agentes son capaces de intercambiar y compartir información / conocimiento (metas y soluciones parciales), representar la información desde puntos de vista diferentes, y cooperar para llegar incrementalmente a una solución.
Cuando tienen metas comúnes o que se traslapan, deben de actuar en forma cooperativa.
Si tienen metas con conflictos, deben de competir inteligentemente.
Su protocolo de comunicación a veces involucra “actos de habla'' (speech acts) que reflejan creencias, intenciones, etc., de los agentes.
DAI es apropiado cuando se tiene distribuída: la experiencia y el diseño, la información (e.g., oficina), los datos (e.g., sensores), las decisiones (e.g., control de manufactura), las bases de conocimiento se desarrollan independientemente y pueden interconectarse y reutilizarse.
Caracteristicas de arquitecturas distribuídas:
concurrencia
procesamiento asíncrono
indeterminismo
influencia restringida de cada agente (i.e., modularidad y encapsulamiento de agentes)
control decentralizado
negociación entre agentes
habilidad de manejar información inconsistente
evolución continua
Elementos que se distribuyen:
acciones
foco de atención
autoridad/responsabilidad
credibilidad
confiabilidad
interpretación
conocimiento
percepción
recursos
evaluación
trabajo
Ejemplo: Se tiene una ficha roja (R) y 4 azules (A1, A2, A3, A4) en un tablero de NxN. El propósito del juego es capturar a la ficha roja.
Reglas:
En cada paso, cada ficha puede quedarse donde está o moverse hacia arriba, abajo, izquierda o derecha
Los azules ganan si ocupan los 4 cuadros alrededor del rojo
Los azules pierden si el rojo llega a un borde
En general, cada agente tiene una representación interna (que puede ser parcial o incorrecta) del problema que puede diferir de la de los otros agentes, e.g.,
1. Cada Ai puede tratar de ocupar un punto que rodea a R. Por si solo cada agente no resuelve el problema original, pero en conjunto si lo solucionan
2. Un agente es el que controla y el resto son sus esclavos. En este caso, solo el que controla debe de conocer el problema, el resto solo sigue órdenes y pueden no tener representado nada
15. Esquemas de Control
a) Control central
Un agente (A1) controla todo y ordena a los demas (A2, A3 y A4) que hacer.
Algoritmo:
1. A1 ve la posición de R y de los Aks
2. A1 calcúla cuadrantes y asigna uno por agente (dependiendo de su posición)
3. A1 dice como moverse para entrar a los cuadrantes
4. Los esclavos se mueven
Para determinar los movimientos:
IF R no se mueve, moverse más cerca a R
IF R se mueve (a un cuadrante) entonces:
si se mueve junto a Ak, Ak no se mueve
un Ak se debe de mover para permanecer en su cuadrante
El agente en el cuadrante opuesto debe de seguir a R los otros, se deben de mover perpendicularmente a R y dentro de su cuadrante
Requerimientos:
A1 debe de saber la posición de R y de los Aks todo el tiempo
A1 debe de poder calcular cuadrantes
A1 sabe que comandos obedecen los Aks y sabe como comunicarlos
A1 puede calcular movimientos adecuados
Los esclavos deben de percibir comandos (no necesitan reportar nada, porque A1 sabe todo el tiempo su posición)
b) Control central + agentes con percepción
Ahora los agentes pueden percibir su posición y se la reportan a A1 el cual debe de poder combinarla para decidir como actuar.
c) Control central + agentes buscan a R
Todos los agentes tienen la capacidad de detectar la posición de R dentro de un rango limitado.
Variación al algoritmo:
1. cada Ak informa su posición
2. A1 asigna una región a cada Ak
3. A1 comanda que cada Ak “patrulle'' su región
4. Cada Ak busca a R y si lo detecta le informa a A1
Requerimientos:
A1 sabe el rango de visibilidad de cada Ak y puede calcular su región de patrullaje
Los esclavos pueden transmitir la posición de R al controlador
d) Control central con comandos abstractos
Los agentes pueden ejecutar comandos más complejos por si solos e.g, patrullar, ir a su región designada, acercarse al rojo, por lo que tienen cierta planeación limitada
A1 no necesita saber las acciones de los Aks
A1 debe de calcular los comandos de alto nivel para los esclavos y los de bajo nivel solo para él.
El esclavo puede ahora transmitir su posición solo cuando se le pide o cuando se mueve a una nueva región.
e) Control distribuido
Todos los agentes pueden participar en las decisiones globales. Una simplificación es que cada agente comunica toda su información a los otros agentes y todos usen el mismo método global para decidir que tareas hacer.
Algoritmo:
todos los agentes dan su posición a los otros
cada agente calcula la asignación global de agentes a regiones para patrullar y sigue su propia tarea
el que detecta a R lo anuncia
cada agente calcula los cuadrantes y se va al que le corresponde
Requerimientos:
cada agente anuncia a los otros
cada agente calcula una asignación global (siempre viendo lo óptimo desde una perspectiva global)
f) Control distribuído + agentes individuales
Los agentes calculan sus costos locales (información local) pero tratan de optimizar sobre estimaciones globales.
Se asume que los agentes son “honestos''.
Algoritmo:
cada agente estima su propio costo de ocupar diferentes regiones en el tablero
cada agente anuncia su estimación a los otros agentes
cada agente hace una estimación global
…
Requerimientos: cada agente estima su costo y puede determinar una asignación global dado un conjunto de estimaciones
Se necesita tener una representación (preferiblemente explícita) de lo que saben los agentes y de sus capacidades.
Que se requiere especificar:
los estados del ambiente y de los agentes
las transiciones de estados legales del ambiente
restricciones en el estado del ambiente
las habilidades de los agentes (razonamiento, percepción, comunicación, acciones permisibles)
Los recursos disponibles de los agentes y como tratan de optimizar su uso la organización de los agentes
Esto se puede simplificar, especificando los protocolos de comunicación de los agentes en las diversas organizaciones y sus habilidades y disposición en la organización.
Sistemas “Reactivos'':
el ambiente cambia rápidamente y de manera impredecible
los agentes tienen razonamiento limitado
los agentes pueden percibir una pequeña parte del ambiente
los agentes pueden actuar concurrentemente entre ellos y con los eventos del ambiente
Agentes que dan servicios a otros son vistos como recursos.
Si un agente no interactua con otro es mejor ignorarlo o tratarlo como parte del medio ambiente.
La información de cada agente puede ser:
el estado del medio ambiente de acuerdo al agente
el problema que el agente quiere resolver
un plan abstracto de su ejecución
una agenda de tareas por hacer
Las tareas actuales (algunas derivadas de cambios en el medio ambiente) los recursos disponibles (protocolo de acceso, métrica de costo, modelo de uso del recurso, el estado del recurso) asignación de recursos a las tareas actuales las acciones que se están realizando
Tendencia de muchos: combinación de métodos centralizados y distribuídos.
Actualmente también existe mucha investigación en la interacción Humanos – Agentes Computacionales.
16. Tecnologías involucradas
a). Lenguajes de agentes
Un lenguaje de agentes es un sistema que permite programar sistemas de computación en términos de algunos conceptos desarrollados por la teoría de agente. Se espera que aunque sea haya una estructura que represente a un agente, aunque se debería esperar que dicho lenguaje tuviera más conceptos de la teoría de agentes como creencias, metas, objetivos, planificación etc.
El interés por los lenguajes de agentes surgió de la propuesta de Shoham para crear un nuevo paradigma de programación orientada a agentes. El lenguaje propuesto fue el Agent0, en este la principal entidad es el agente y su estado es un conjunto de creencias, habilidades, acciones y objetivos. También existen métodos para intercambio de mensajes, solicitud y asignación de tareas
Otra alternativa son los enfoques orientados a teorías de agentes, en donde se enuncia definiciones de los SMA para luego tratar estas como implementaciones. Un lenguaje ejemplo de esta alternativa es ConCOLOG en donde se modela la ejecución de tareas asignadas a varios agentes y como afectan al entorno. La implementación de estas características de un SMA se basa en entidades de conocimiento modificables por las tareas. El conjunto de aplicaciones que se pueden dar sobre las tareas son axiomas de precondición de tareas y axiomas de marco que afectan a la ejecución de tareas
El problema de estos tipos de lenguajes es que su desarrollo se hace para aplicaciones pequeñas y medianas, ante aplicaciones de complejidad mayor se deben utilizar lenguajes de alto nivel como C++ y Java, el problema de utilizar estos lenguajes es que no conciben una entidad agente como tal, claro esta que existen plataformas como JADE que definen clases que representan entidades de agentes y métodos que representan en muchos casos implementaciones de los temas de la IAD.
b). Lenguajes de programación
En principio, cualquier lenguaje de programación puede ser utilizado. Siendo así de amplio el espectro en el cual se puede escoger un lenguaje para programar un sistema experto. Atendiendo a la forma de estructurar sus instrucciones, se los puede dividir en:
IMPERATIVOS: PASCAL, C/C++.
FUNCIONALES: LISP.
DECLARATIVOS: PROLOG, CHIP, OPS5.
ORIENTADOS A OBJETOS: SmallTalk, Hypercard, CLOS.
Tradicionalmente LISP y PROLOG han sido los lenguajes que se han utilizado para la programación de sistemas expertos.
i). Lisp
Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simbólico. John McCarthy lo desarrolló en 1958, en el Instituto de Tecnología de Massachusetts (MIT), inicialmente como un lenguaje de programación con el cual los investigadores pudieran implementar eficientemente programas de computadora capaces de razonar.
Rápidamente LISP se hizo popular por su capacidad de manipular símbolos y fue escogido para el desarrollo de muchos sistemas de Inteligencia Artificial.
ii). Prolog
PROgramming in LOGic (PROLOG), es otro de los lenguajes de programación ampliamente utilizados en IA. PROLOG fue desarrollado en Francia, en 1973 por Alain Colmenauer y su equipo de investigación en la Universidad de Marseilles.
Inicialmente fue utilizado para el procesamiento de lenguaje natural, pero posteriormente se popularizó entre los desarrolladores de aplicaciones de IA por su capacidad de manipulación simbólica. Utilizando los resultados del grupo francés, Robert Kowalski de la Universidad de Edimburgo, en Escocia, desarrolló la teoría de la programación lógica. La sintaxis propuesta por Edimburgo, se considera el estándar de facto del PROLOG.
17. Conclusiones
Los ejemplos comentados en este artículo no son ciencia ficción, sino que describen lo que, se supone, nos espera de aquí a pocos años. La IA ha dado un paso más hacia delante.
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.
El contraste anotado nos lleva a una conclusión que queremos consignar aquí como nota final de este artículo. Todo parece indicar que las computadoras, debidamente programados con las técnicas de alto nivel propias de la IA, pueden descollar en el campo de la pericia, es decir, de la solución de problemas especializados; por su parte, el intelecto humano parece insustituible en relación con la solución de problemas de sentido común. Se impone entonces fomentar la asociación de hombre y máquina en sistemas de cooperación simbiótica y sinergética; hombre y máquina se necesitan mutuamente para solucionar eficazmente los problemas, y de la interacción entre ambos resulta una energía intelectual muy superior a la de la suma de sus partes.
En cada uno de los temas relacionados con agentes y SMA se puede profundizar tanto como se quiera, pero a veces se llega a problemas que no son relevantes en el contexto de SMA. Lo importante, es entender que la noción de agente es tan amplia o ten reducida como se quiera y/o se necesite.Una de las características más importantes de un SMA es que el grupo de agentes que lo integran debe trabajar de manera cooperativa e individual. Los agentes trabajan de manera cooperativa para satisfacer las metas globales que se derivan de la búsqueda de las soluciones a los problemas globales y de manera individual, porque las metas globales son descompuestas en submetas, generando metas locales para los agentes que participarán en el desarrollo de las soluciones a los problemas.Cuando dos o más entidades trabajan en grupo, se presentan conflictos de intereses de manera natural. Es necesario que el ambiente en el que se desenvuelven provea procesos para la resolución de tales conflictos. En este documento se propone como mecanismo básico para manejar este aspecto, la negociación en grupo. Este mecanismo puede ser visto como un proceso de toma de decisiones en el cual dos o más entidades, representando sus propios intereses, se ponen de acuerdo acerca de cómo resolver un conflicto de preferencias. Algunas de estas tareas de decisión están caracterizadas por las relaciones cooperativas entre los miembros del grupo, en las cuales los individuos trabajan por el desempeño del grupo en general; o por relaciones competitivas en las cuales los miembros del grupo plantean posiciones definidas y discuten entre sí, defendiendo sus propios intereses [Her95]. Por otro lado los mecanismos de control propuestos en este documento son básicos para la implementación de los mecanismos de coordinación porque permiten predecir con cierto nivel de precisión el comportamiento de los integrantes de un SMA y posibilitan a cada integrante estar más "in-line" con los comportamientos de los otros. También son básicos para la evaluación de la terminación en el desarrollo de la solución a un problema.Un SMA es un sistema distribuido, por ello, en él nunca se cuenta con información global consolidada totalmente actualizada. Por esta razón, los agentes deberían reevaluar las decisiones tomadas, a la luz de cada nueva información obtenida, generando sobrecostos de comunicación. Es importante que los mecanismos de negociación y control sean coherentes con las necesidades de los sistemas a los que pertenecen, es decir, ser sofisticados si el sobrecosto generado es menor que el sobrecosto generado con la implementación de un SMA sencillo, para la resolución de un problema.
18. Desafíos técnicos del futuro
Los tres desafíos más importantes en el desarrollo dentro de la A I son su facilidad de uso, la flexibilidad de la infraestructura computacional y la disponibilidad de herramientas de desarrollo cada vez más poderosas.El empleo de una interfaz inteligente ayudará a las personas a encontrar lo que ellas deseen, hará lo que éstas deseen cuando lo deseen, en forma natural y sin requerir el conocimiento de detalles irrelevantes.En fin, todo parece indicar que las computadoras programadas con la A I son el campo de la solución de problemas del futuro; sin embargo, el intelecto humano parece ser irremplazable en relación con la solución de problemas de sentido común. Se sugiere entonces, dado lo complicado de la mente humana, que hombre y máquina interactúen juntos ya que necesitan uno del otro para solucionar eficazmente los problemas.
19. Bibliografía
-[Botti1999] V. Botti, C. Carrascosa, V. Julian, J. Soler. The ARTIS Agent
Architecture: Modelling Agents in Hard Real-Time Environments. Proceedings of the AAMAW"99. Lecture Notes In Computer Science, vol. 1647. Springer
– Verlag (pag. 63-76), Valencia 1999. ISBN 3-540-66281-2.
-[Franklin1996] Franklin, S., Graesser, A.: Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents. Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages.
Springer-Verlag (1996).
-[Huhns 1998] Huhns, M., Singh, M. P.: Readings in Agents. Readings in
Agents. Chapter 1, 1-24 (1998).
-[Jennings1998] Jennings, N. Wooldridge, M.: Applications of Intelligent
Agents. Queen Mary & Westfield College. University of London.
-[Nwana1996] Nwana, H. S.: Software Agents: An Overview. Intelligent
Systems Research. AA&T, BT Laboratories, Ipswich, United Kingdom (1996).
-[Parunak1999] Parunak, H. Van Dyke and Odell, James: Engineering
Artifacts for Multi-Agent Systems, ERIM CEC. (1999).
-[Russell1996] Russell, S: Inteligencia Artificial: un enfoque moderno.
Prentice – Hall. México, (1996).
-[Wooldridge1995] Wooldridge, M. and Jennings, N. R.: Intelligent agents: Theory and practice. The Knowledge Engineering Review,10(2):115–152, (1995).
-Workshop on Distributed Artificial Intelligence. Glen Arbor, Febrero 1992.
-[Dem,90] Y.Demazeau & Mueller, "Descentralized Artificial Intelligence", en "Descentralized AI", Demazeau & Mueller eds., North-Holland/Elsevier, pp 3-13,1990.
-[Dem,92] Y. Demazeau & O. Boissier, "A Distributed Artificial Intelligence View on –General Purpose Vision Systems", en "Descentralized AI 3", Demazeau & Werner eds., North-Holland/Elsevier, pp 311-330, 1992.
-[Dem,93] Y.Demazeau, "Distributed Artificial Intelligence & Multi – Agent Systems". –Conferencia impartida en el X Simposio Brasileño de Inteligencia Artificial, 1993.
-[Iglesias,96] C.A. Iglesias, J.C. González and J.R. Velasco. "MIX: A general purpose -multiagent architecture" en Intelligent Agent II: Agent Theories, Architectures, and -Languages, volume 1037 of Lecture Notes in Artificial Intelligence, pages 251-266. Springer-Verlag, 1996.
-[Iglesias,98] C.A. Iglesias, "Definición de una Metodología para el Desarrollo de Sistemas Multiagentes. Tesis Doctoral", Febrero 1998, Departamento de Ingeniería de Sistemas Telemáticos de la Universidad Politécnica de Madrid.
-[KADS,93] R. De Hoog, R.Martil, B. Wielinga, R. Taylor, C. Bright, and W. van de Velde. The CommonKADS model set. ESPRIT Project P5248 KADS–II/M1/DM..1b/UvA/018/5.0, University of Ámsterdam, Lloyd`s Register, Touche Ross Management Consultants & Free University of Brussels, Dec.1993.
-[Mor,94] F. Morales, "Sistemas Tutoriales Basados en Casos", en Informática 94, Cuarta Convención Internacional y Feria de Software, La Habana, Cuba, Febrero 1994.
-[Mor,95] F. Morales, "Implementando Cooperación en un Mundo MultiAgente". Reporte Interno de Investigaciones. Universidad de La Habana, Fac. Matemática y Computación. 1995.
http://bloghost.cl/bernardobello/2009/03/16/descarga-directa-de-libros-gratis/
http://ccc.inaoep.mx/~emorales/Cursos/RdeC/node115.html
http://www.virtual.unal.edu.co/cursos/ingenieria/2001394/docs_curso/capitulo1/leccion1.1.htm
https://adenu.ia.uned.es/web/en/members/jgb/teaching/etsi_informatica/ia_e_ingenieria_del_conocimiento/contenidos_a/contenido/inteligencia_artificial_distribuid
http://alek.pucp.edu.pe/ma_cont
http://www.fortunecity.com/skyscraper/chaos/279/principal.htm
http://go.to/inteligencia_artificial
http://www.publispain.com/supertutoriales/matematica/inteligencia_artificial
http://www.redcientifica.com/doc/doc200106170001.html
MARTÍN BONAFIO, Redes neuronales y Sistemas Difusos, Madrid, Ediciones Alfaomega, 2001.
Enciclopedia CLARÍN, La Ciencia Explicada, Buenos Aires, Editorial Clarín, 1995.
http://www.uv.mx/cienciahombre/revistae/vol17num3/articulos/inteligencia/index.htm – Luís Alberto García Fernández.
http://es.wikibooks.org/wiki/Portada – Jon Alava (14/10/1998)
http://es.wikipedia.org/wiki/Inteligencia_Artificial
Tirso de Andrés, Homo Cybersapiens. La Inteligencia artificial y la humana, 2002, ISBN 84-313-1982-8
Luis Mª Gonzalo, Inteligencia Humana e Inteligencia Artificial, Madrid, 1987. ISBN 84-7118-490-7
Víctor Gómez Pin, Entre lobos y autómatas. La causa del hombre, Espasa, Madrid, 2006. ISBN 978-84-670-2303-9
Revista "Inteligencia Artificial" Revista Iberoamericana de Inteligencia Artificial. ISSN 1137-3601
Agradecimientos
En primer lugar agradezco a Dios por darme la salud para seguir adelante y a mis padres por darme el apoyo incondicional, en segundo lugar agradezco a mi Docente de esta materia que con su experiencia en el campo de la investigación supo instruirme en los métodos de la investigación científica, a los autores de los libros citados en la bibliografía por compartir el conocimiento y a los creadores de las paginas Web que se dedican en la área de la investigación.
Autor:
Univ. Gerardo Valdez Balcazar
Monografía realizada para la materia de: Metodología de la Investigación
Doc.: Guillermo Choque Aspiazu PHD
| Página siguiente |