Universidad Autónoma del Estado de

Hidalgo
Escuela Superior de Huejutla
Licenciatura en Ciencias Computacionales

Presenta:
Alfredo Hernández Bautista

Profesor:
L.S.C Héctor Gerardo Lara Gutiérrez.

Materia:
INTELIGENCIA ARTIFICIAL

Semestre:
5-1
 INTRODUCION A LA INTELIGENECIAS ARTIFICIAL
El concepto de agente ha aparecido recientemente (años 90) y con él se ha
producidola fusión de varias disciplinas científicas que abarcan desde la
Inteligencia Artificialhasta la Psicología, pasando por la Ingeniería del Software, las
Bases de Datos, losSistemas Distribuidos, la Sociología, etc. Desde un punto de
vista tecnológico sepuede decir que la teoría de agentes aglutina todos los
campos relacionados con laInformática (Computer Science).Los orígenes de la
tecnología de agentes (Bradshaw 1996) (Ferber 1999) comienzancon la
Inteligencia Artificial Distribuida (IAD), es decir con la resolución de
problemas(computación inteligente) de forma distribuida. El concepto de agente
como entidadcomputacional aislada evoluciona desde la IAD debido al influjo de la
Ingeniería delSoftware. Actualmente se habla de la Programación Orientada al
Agente desde elpunto de vista de la Ingeniería del Software como la metodología
capaz de superar las limitaciones de la Programación Orientada a Objetos.

Agentes y Sistemas Multiagente

El término agente es cada vez más conocido y se emplea en campos tan diversos
como Internet, los sistemas distribuidos, la inteligencia artificial o la interacción
persona-computador. Hoy en día, se habla de agentes inteligentes, agentes
móviles, agentes software, agentes autónomos, sistemas multiagente (Corchado y
Molina,2002). El campo de los agentes ha atraído a científicos procedentes de
áreas muy dispares: psicología, sociología, ingeniería del software, inteligencia
artificial, etc. Y cada uno de los miembros de estas comunidades tiende a ver el problema
desde superspectiva (Foner 1993). Por tanto, realizar una definición de agente o
agencia escomplicado, debido a la diversidad de opiniones que existen en la
comunidad científicasobre este tema (Franklin, 1996).Dentro de la terminología de
este campo es importante clarificar en primer lugar ladiferencia entre un sistema
basado en agentes y un sistema multiagente (Jennings,1998). Un sistema basado en
agentes es aquel que utiliza el concepto de agente comomecanismo de abstracción, pero
aunque sea modelado en términos de agentes podríaser implementado sin
ninguna estructura de software correspondiente a éstos. Por otrolado, un sistema
multiagente es aquel que se diseña e implementa pensando en queestará compuesto por
varios agentes que interactuarán entre sí, de forma que juntospermitan alcanzar la
funcionalidad deseada (Bussman, 1993). En este caso, hay quehacer un mayor
esfuerzo de abstracción, identificar mecanismos de aprendizaje,coordinación,
negociación, etc. Los sistemas multiagente son adecuados parasolucionar
problemas para los que hay múltiples métodos de resolución y/o
múltiplesentidades capaces de trabajar conjuntamente para solucionarlos (Chu-
Carroll, 1995).Por ello, uno de los aspectos básicos en estos sistemas es la
interacción entre losdiferentes agentes que los forman, la definición de modelos
concretos de cooperación,coordinación o negociación entre los agentes.
1.1 El concepto de Agente
Un agente es un sistema informático, situado en algún entorno, dentro del cual
actúade forma autónoma y flexible para así cumplir sus objetivos. Además de la
interaccióncon el medio, un agente se caracteriza, utilizando la definición de
(Woldridge, 1995),por las siguientes propiedades:
Autonomía: tiene la capacidad de actuar sin intervención humana directa o de
otrosagentes.
•
Sociabilidad: capacidad de interaccionar con otros agentes, utilizando como
medioalgún lenguaje de comunicación entre agentes.
•
Reactividad: un agente está inmerso en un determinado entorno (hábitat), del
quepercibe estímulos y ante los que debe reaccionar en un tiempo preestablecido.
•
Iniciativa: un agente no sólo debe reaccionar a los cambios que se produzcan ensu entorno,
sino que ha de tener un carácter emprendedor y tomar la iniciativa paraactuar guiado por los
objetivos que debe satisfacer.Para algunos investigadores el término agente tiene
una caracterización más concreta,para que un sistema informático pueda considerarse
como un agente tiene quemodelarse e implementarse usando aspectos que usualmente se
aplican a loshumanos. Así, Shoham (1993) define un agente como una entidad cuyo
estado estáformado por componentes mentales (típicas de los humanos), como
creencias,capacidades, elecciones y compromisos: estados que determinan las acciones
quellevan a cabo los agentes y que están afectados por los mensajes que
reciben.Para que se extienda el uso del modelo de agentes de forma generalizada en
eldesarrollo de software es necesario disponer de lenguajes y herramientas adecuadas,que
permitan tanto la implementación de la estructura y el comportamiento del
agente,como la comunicación con otros agentes. Para desarrollar agentes se
pueden utilizarlenguajes de propósito general, entre los que cabe destacar los
orientados a objetos,debido al cierto paralelismo entre objetos y agentes, como
C++ o Java, o lenguajesespecíficos de agentes, de los que han aparecido
numerosas propuestas en losúltimos años, que suelen tener asociadas
plataformas de desarrollo. Algunas de lasplataformas recientes más destacadas
son:

Los lenguajes de agentes han de permitir definir la estructura, estado

ycomportamiento de cada agente. Gran parte de estos lenguajes están
influenciadospor la propuesta de Shoham de considerar la programación orientada a agentes
comoun nuevo paradigma de programación (Shoham, 1993), en donde se representa
elestado mental del agente, en base a sus creencias, capacidades, elecciones
ycompromisos.
Sistemas Multiagente
La Inteligencia Artificial (IA) se ocupa de la creación de sistemas
computacionalesaislados capaces de resolver un problema por métodos basados
en el conocimiento,en la planificación, en algoritmos de búsqueda, en el
aprendizaje, etc. En estossistemas la solución se alcanza con poca o ninguna
interacción con otros sistemas.Sin embargo, desde finales de los años setenta los
grandes avances en la tecnologíatanto del hardware como del software abrieron
una nueva perspectiva a losinvestigadores de la IA (Bond y Gasser, 1988). Estos
avances incluyen la introducciónde concurrencia en máquinas paralelas y la
posibilidad de distribuir los recursoscomputacionales a través de redes de
ordenadores
COMPARACION DE AGENTES CONTRA OBJETOS
Objetos:

• Controlan su estado, pero no su comportamiento.

• Un método de tipo público, debe ser ejecutado cuando sea invocado.

• La ejecución de un método está relacionada con la llamada al objeto.

Agentes:
• Controlan su estado y su comportamiento.

• Pueden rechazar la ejecución de una acción.

• La decisión de ejecutar una acción depende del agente, está basada en

sus propios conocimientos.

AGENTES INTELIGENTES
La construcción de agentes racionales como concepto unificador dentro de la Inteligencia Artificial,
constituye el curiosamente llamado, nuevo enfoque de la Inteligencia Artificial, claramente
definido en el texto introductorio de Russell y Norvig [19]. Incluso antagonistas de las tecnologías
basadas en agentes, como Lanier1, coinciden en que el concepto de agente es inherente al de
Inteligencia Artificial. Ciencias Cognitivas Inteligencia Artificial Filosofía Neuro Ciencias Lingüistica
Psicología Cognitiva Figura 1: La Inteligencia Artificial en el contexto de las Ciencias Cognitivas: la
diferencia es su constructivismo inherente. Varela [21] situa a la Inteligencia Artificial entre las
Ciencias Cognitivas (Ver figura 1), enfatizando su constructivismo inherente que la diferencia de
otras disciplinas que comparten objetivos similares: filosofía, neuro ciencias, lingüistica, filosofía
cognitiva, etc. Esta geografía, cabe mencionar, es de suma utilidad para reflexionar acerca del
carácter científico e ingenieril de la Inteligencia Artificial. Por tanto, no deja de ser sorprendente
que no sea hasta finales de los años ochenta que el concepto de agente es incorporado a la
Inteligencia Artificial, como un tema que se pretende unificador. Parte del problema, pudiera
deberse a un distanciamiento entre los intereses científicos y prácticos del área. Este capítulo
espera ofrecer un acercamiento entre ambas perspectivas. Primero ¿Qué es un agente? ¿De
donde adoptamos este término? 1 Lanier [11] argumenta que la interacción de los agentes
artificiales con los humanos, difícilmente pueden calificarse de inteligente. En su opinión nuestros
actuales agentes resultan un verdadero peligro para la humanidad – Estos agentes no se volverán
inteligentes, pero los humanos ajustarán su comportamiento y sus expectativas al limitado
comportamiento de algo que se les ha presentado como inteligente. 1 2 agentes inteligentes
Históricamente, fuera de la Inteligencia Artificial, el término agente ha sido usado con dos
acepciones. Primero, a partir de Aristóteles [1] y hasta nuestros días, en filosofía el término agente
se ha referido a una entidad que actúa con un propósito dentro de un contexto social. Segundo, la
noción legal de agente, como la persona que actúa en beneficio de otra con un propósito
específico, bajo la delegación limitada de autoridad y responsabilidad, estaba ya presente en el
derecho Romano y ha sido ampliamente utilizada en economía [14]. En el contexto de la
computación [25], el concepto de agente se consolida como una solución a las demandas actuales:
ubicuidad, interconexión, inteligencia, delegación y homocentrismo. Esto es, en entornos como el
que se muestra en la figura 2,donde tenemos una diversidad de dispositivos de cómputo
distribuidos en nuestro entorno e interconectados, los agentes inteligentes emergen como la
herramienta para delegar adecuadamente nuestro trabajo y abordar
esta problemática desde una perspectiva más familiar para usuarios,
programadores y diseñadores.

SISTEMAS MULTI-AGENTES
Un Sistema Multiagente (SMA) se compone de dos o más agentes que se
comunican.
Un agente es un sistema computacional autónomo y flexible, que es capaz de
actuar en
un entorno (Wooldridge and Jennings 1995). Flexible significa, que el agente es:
9 Reactivo, reacciona al entorno en el cual se encuentra.
9 Pro-activo, es capaz de cumplir su propia agenda (planes u objetivos).
9 Social, es capaz de comunicarse con otros agentes a través de algún lenguaje.
Algunas propiedades que son atribuidas usualmente a los agentes en mayor o
menor
grado para resolver problemas particulares son (Nwana 1996, Franklin and
Graesser
1996):
9 Autonomía: los agentes pueden operar sin la directa intervención de humanos u
otros agentes.
9 Habilidad Social: los agentes son capaces de interactuar con otros agentes
(humanos
o no) a través de un lenguaje de comun
9 Racionalidad: un agente puede razonar acerca de datos percibidos a fin de
calcular
una solución óptima.
9 Reactividad: los agentes son capaces de percibir estímulos del entorno y estos
estímulos guían las acciones del agente en su entorno.
9 Pro-actividad: los agentes no son sólo entidades que reaccionan a estímulos,
sino
también tienen un carácter emprendedor y pueden actuar guiados por sus propios
objetivos.
9 Adaptabilidad: esta característica está relacionada con el aprendizaje que un
agente
puede lograr y con su capacidad para cambiar su propio comportamiento basado
en
este aprendizaje.
9 Movilidad: es la capacidad de un agente para moverse a través de una red.
9 Veracidad: un agente no puede comunicar información falsa de manera
deliberada.
9 Benevolencia: un agente está dispuesto a ayudar a otros agentes si esto no está
en
contra de sus propios objetivos.
El estudio de Sistemas Multiagentes se inició hace cerca de 20 años, en el ámbito
de la
Inteligencia Artificial Distribuida (Distributed Artificial Intelligence - DAI). La DAI es
un sub-campo de investigación de la Inteligencia Artificial (AI). La DAI estudia el
comportamiento inteligente de grupo que se deriva a partir de la cooperación de
entidades llamadas agentes. Estudia cómo un grupo de módulos cooperan para
dividir y
compartir el conocimiento del problema y cómo se desarrolla la solución. La DAI
se
centra en el comportamiento global, con un comportamiento prefijado de los
agentes.
Estudia las técnicas y el conocimiento necesarios para la coordinación y
distribución del
conocimiento y las acciones en un entorno multiagente.
El SMA estudia la coordinación del comportamiento inteligente entre un grupo de
agentes inteligentes autónomos (posiblemente pre-existentes. Se centra en el
comportamiento individual a partir del cual se deriva el comportamiento del
sistema.
Hoy en día los SMA forman un área de investigación muy activa y se los está
empezando a utilizar en aplicaciones comerciales e industriales. Los SMA se
centran en
el comportamiento social de entidades inteligentes y se ocupan principalmente de
estudiar modelos de comportamiento, estrategias de cooperación y coordinación,
optimización del desempeño de tareas, aprendizaje a partir de experiencias
propias,
formación de coaliciones, etc.
En DAI el problema a ser resuelto se formula de manera centralizada, y luego se
distribuye a nodos de computación locales. En SMA, en cambio, el problema se
origina
y se resuelve en el nodo local y la solución global resultante es emergente.
En resumen, los SMAs son una tecnología software general motivada en
cuestiones
fundamentales de investigación acerca de autonomía, cooperación, formación de
grupo,
etc. Se ocupa de responder preguntas tales como: "¿Qué puede ser hecho?", y
"¿Cómo
puede ser realizado?", y se aplica a una gran variedad de dominios: comercio
electrónico, control inteligente de producción, robótica, recuperación de la
información.

COMUNICACIÓN ENTRE AGENTES

• La comunicación es la base para las interacciones y la organización social de los
agentes.
• Interacciones – Hay interacciones cuando la dinámica de un agente está
perturbada por las influencias de otros– Las interacciones son el motor de los
SMA.
• Distintas formas de interaccio José Angel Bañares Comunicación mediante el
entorno.
• Ejemplo: robots distribuidos. Problema Un conjunto de robots tienen que recoger
piedras preciosas (cuya localización no se conoce de antemano) y llevarlas a una
nave nodriza.
 • La comunicación se realiza a través del entorno: – Campo gradiente de la señal
generada por la nave nodriza – Partículas radioemisoras que pueden recoger,
echar y detectar los robots al pasar.

Bibliografía
(14 de Julio de 2018). Obtenido de http://jojooa.com/inteligencia-artificial/comparacion-de-
agentes-y-objetos/

Ana Garcia Serrano, S. O. (31 de Mayo de 2007). Inteligencia Artificial Distribuida y Sistemas
Multiagente. Obtenido de
https://pdfs.semanticscholar.org/045b/7c04d619ff5cfe655744a0e040cd2a489f84.pdf

EcuRed. (s.f.). Sistemas Multiagente. Obtenido de https://www.ecured.cu/Sistemas_Multiagentes

Hidalgo, F. V. (21 de Abril de 2013). Obtenido de

https://www.mindmeister.com/es/283831289/tipos-de-agentes-inteligentes