Agentes Lógicos

Vista previa del material en texto

Inteligencia Artificial
Ingeniería de Sistemas y Computación
Agentes Lógicos
The greatest progress that the human race has made lies in learning how to make correct inferences.
Friedrich Nietzsche
https://www.psicoactiva.com/juegos-inteligencia/buscaminas/
Ejemplo: Médico
Un médico diagnostica a un paciente 
Es decir, infiere una enfermedad que no es directamente observable
A partir del diagnóstico, se selecciona un tratamiento. 
Parte del conocimiento que utiliza el médico está en forma de:
Reglas que ha aprendido de los libros de texto y sus profesores
Patrones de asociación que el médico no es capaz de describir explícitamente. 
Conocimiento y Razonamiento
Los humanos, al parecer, saben cosas; y lo que ellos saben, les ayuda a hacer cosas.
O, dicho de otra manera
De algún modo, las personas conocen cosas y realizan razonamientos.
El conocimiento y el razonamiento juegan un papel importante cuando se trata de entornos parcialmente observables.
Ejemplo: Lenguaje Natural
El entendimiento del lenguaje natural también necesita inferir estados ocultos, en concreto, la intención del que habla.
Cuando escuchamos:
“Víctor lanzó un ladrillo a la ventana y se quebró en mil pedazos”
Sabemos que lo que «se quebró en mil pedazos» fue la ventana y no el ladrillo 
Quizá de forma inconsciente, razonamos con nuestro conocimiento acerca del papel relativo de las cosas
Objetivo
Introducir los agentes basados en conocimientos.
Estos agentes pueden:
Construir representaciones del mundo
Utilizar un proceso de inferencia para derivar nuevas representaciones del mundo
Emplear las inferencias para deducir qué hacer. 
Los conceptos que discutiremos son centrales en AI:
La presentación del conocimiento
Los procesos que permiten que el conocimiento evolucione
Tanto el conocimiento como el razonamiento son importantes para los agentes artificiales, porque les permiten alcanzar comportamientos exitosos que serían muy difícilmente alcanzables con otros mecanismos.
Los agente de reflejo simple
Un agente inteligente, 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. 
Para percibir su medioambiente se usan sensores y para actuar en ese medio utilizando actuadores.
Un agente de reflejo simple actúa encontrando una regla cuya condición coincida con la situación que el agente percibe en su entorno a través de sus sensores.
Los agente de reflejo simple
Sin embargo, el conocimiento de estos agentes es muy específico e inflexible.
Agentes lógicos o basados en conocimiento
Un agente lógico es una entidad que, mediante ciertas estructuras lógicas y representación del conocimiento, permite desarrollar procesos de razonamiento, para la realización de un cierto comportamiento en un entorno dado.
Con los agentes basados en conocimientos se pueden aprovechar del conocimiento expresado en formas muy genéricas, combinando y recombinando la información para adaptarse a diversos propósitos. 
Agentes lógicos o basados en conocimiento
Un agente basado en conocimiento puede combinar el conocimiento general con las percepciones reales para inferir aspectos ocultos del estado del mundo, antes de seleccionar cualquier acción. 
El conocimiento acerca de los efectos de las acciones permite a los agentes que resuelven problemas para actuar correctamente en entornos complejos.
Nuestra principal razón para estudiar los agentes basados en conocimiento es su flexibilidad. 
Agentes lógicos o basados en conocimiento
El conocimiento acerca de los efectos de las acciones permite a los agentes que resuelven problemas para actuar correctamente en entornos complejos.
Los agentes lógicos son capaces de:
Aceptar tareas nuevas en forma de objetivos descritos explícitamente, 
Obtener rápidamente competencias informándose acerca del conocimiento del entorno o aprendiéndolo, 
Adaptarse a los cambios del entorno actualizando el conocimiento relevante.
Base de conocimientos
El componente principal de un agente basado en conocimiento es su base de conocimiento (BC).
Informalmente, una base de conocimiento es un conjunto de sentencias. 
Cada sentencia se expresa en un lenguaje denominado: “lenguaje de representación del conocimiento” y representa alguna aserción acerca del mundo. 
Base de conocimiento
La lógica será el instrumento principal para la representación del conocimiento. 
El conocimiento de los agentes lógicos siempre es categórico 
Cada proposición acerca del mundo es verdadera o falsa
El agente puede ser agnóstico acerca de algunas proposiciones.
Esquema general de un agente lógico
Esquema general de un agente lógico
La función Agente-BC(percepción) devuelve una acción, con variables estáticas BC, después de consultar una base de conocimiento.
Debe haber un mecanismo para añadir sentencias nuevas a la base de conocimiento, y uno para preguntar qué se sabe en la base de conocimiento. 
Los nombres estándar para estas dos tareas son DECIR (TELL) y PREGUNTAR (ASK), respectivamente.
Esquema general de un agente lógico
Esquema general de un agente lógico
Para responder a la pregunta, se debe realizar un razonamiento extensivo acerca del estado actual del mundo, de los efectos de las posibles acciones, etc.
El agente mantiene una base de conocimiento, BC, que inicialmente contiene algún “conocimiento de antecedentes”. 
Cada vez que el programa del agente es invocado, realiza dos cosas. Primero, DICE a la base de conocimiento lo que ha percibido. Segundo, PREGUNTA a la base de conocimiento qué acción debe ejecutar.
Esquema general de un agente lógico
Esquema general de un agente lógico
En este segundo proceso de responder a la pregunta, se debe realizar un razonamiento extensivo acerca del estado actual del mundo, de los efectos de las posibles acciones, etcétera. 
Una vez se ha escogido la acción, el agente graba su elección mediante un DICE y ejecuta la acción. 
Este segundo DECIR es necesario para permitirle a la base de conocimiento saber que la acción hipotética realmente se ha ejecutado.
Esquema general de un agente lógico
Esquema general de un agente lógico
CONSTRUIR-SENTENCIA-DE-PERCEPCIÓN toma una percepción y un instante de tiempo, y devuelve una sentencia afirmando lo que el agente ha percibido en ese instante de tiempo. 
PÉDIR-ACCIÓN toma un instante de tiempo como entrada y devuelve una sentencia para preguntarle a la base de conocimiento qué acción se debe realizar en ese instante de tiempo.
CONSTRUIR-SENTENCIA-DE-ACCIÓN toma una acción y un instante de tiempo, y devuelve una sentencia afirmando lo que el agente ha decidido hacer en ese instante de tiempo. 
Fuente
S. Russell, P. Norvig, Artificial Intelligence - A Modern Approach (3rd Edition), pp. 234–236, Prentice Hall, 2010.