Agentes Inteligentes: El siguiente pasó en la inteligencia artificial (página 2)

En [Iglesias, 98] se define la Inteligencia
Artificial Distribuida (IAD) como "aquella parte de la IA
que se centra en comportamientos inteligentes colectivos que son
producto de la
cooperación de diversos agentes". Estos agentes, son
las entidades que colaboran.

La descripción de un sistema desde el
punto de vista de la IAD, puede hacerse de acuerdo a dos
elementos fundamentales [Dem, 90]. El primero se concentra en las
componentes fundamentales del sistema como una composición
de estos, o sea como la sociedad en
que viven nuestros agentes (IAD clásica).

Fig. 1 Modelo de
casos de uso para el SBC-ED

3. ¿Que es
un agente?

Figura 2. Visión esquemática de un
Agente Inteligente

Varios investigadores y grupos de
investigación han definido el
término de agente desde diferentes puntos de vista, esto
ha influido a que en la actualidad existan diferentes
definiciones de lo que es un agente.

La dificultad se debe especialmente a que los agentes se
pueden emplear en muchos dominios de aplicación, llevando
consigo a que cada dominio asocie
varios y diferentes atributos a la definición de agente.
Por lo tanto es conveniente dar una corta definición de
agente que no involucre las características que debe tener
un agente inteligente. Un agente es un sistema que esta en
algún ambiente y que
es capaz de tomar acciones
autónomas de acuerdo al estado del
ambiente para cumplir sus objetivos de
diseño.
Lo anterior no quiere decir que el agente tenga dominio completo
del ambiente, por el contrario en la mayoría de
situaciones este es muy complejo y el agente solo tendrá
un control parcial
de este. Así mismo puede suceder que para un estado del
ambiente muy similar, dos acciones diferentes tomadas por el
agente produzcan efectos heterogéneos en el
ambiente.

4.
¿Cómo se caracteriza un agente?

Un agente va a venir caracterizado por una serie de
calificativos, los cuales vienen a denotar ciertas propiedades a
cumplir por el agente. Esto nos lleva a plantear otra
definición bastante aceptada de agente donde se emplean
tres calificativos que, según, el autor se consideran
básicos. Esta definición ve a un agente como un
sistema de computación capaz de actuar de forma
autónoma y flexible en un entorno [Wooldridge1995],
entendiendo por flexible que sea:

Reactivo, el agente es capaz de responder a
cambios en el entorno en que se encuentra situado.

Pro-activo, a su vez el agente debe ser capaz de
intentar cumplir sus propios planes u objetivos.

Social, debe de poder
comunicarse con otros agentes mediante algún tipo de
lenguaje de
comunicación de agentes.

Como vemos en este caso, hemos identificado una serie de
características o apellidos que de por sí debe
tener un agente.

Atendiendo a esta idea, para poder asociar a una
herramienta el término «agente» debe ser capaz
de cumplir los requerimientos anteriormente expuestos.
Actualmente, un pequeño porcentaje del SW de
propósito general existente se adapta a dicha
definición. Apliquemos estas características a
nuestro agente de información de ejemplo:
¿sería reactivo?

Podemos pensar que sí a juzgar por el hecho de
que el agente debería reaccionar frente a los mandatos que
le indicamos, además debe poder reaccionar frente a
posible eventos que le
lleguen de la red. ¿Sería
pro-activo?, evidentemente que sí, nuestro agente
debería autoplantearse su curso de acción
para poder realizar todas sus tareas adelantándose a las
peticiones de su usuario. Por último debemos pensar si
nuestro agente sería social. Esta característica
desde nuestro punto de vista no sería básica en una
definición general de agente, no obstante, sí que
podemos claramente identificar una conducta social
en nuestro ejemplo si observamos que debería poder
comunicarse con infinidad de recursos en la
red y, por qué no, con otros agentes existentes en la
misma.

Pero, en definitiva, ¿cuáles son las
características básicas y de qué mas
características disponemos para poder calificar a un
agente?. Revisemos a algunas de las características que en
la literatura se
suelen atribuir a los agentes en mayor o menor grado para
resolver problemas
particulares y que han sido descritos por autores tales como
Franklin y Graesser [Franklin1996], y Nwana [Nwana1996],
éstas son:

Continuidad Temporal: se considera un agente un
proceso sin
fin, ejecutándose continuamente y desarrollando su
función.

Autonomía: un agente es completamente
autónomo si es capaz de actuar basándose en su
experiencia. El agente es capaz de adaptarse aunque el entorno
cambie severamente. Por otra parte, una definición menos
estricta de autonomía sería cuando el agente
percibe el entorno.

Sociabilidad: este atributo permite a un agente
comunicar con otros agentes o incluso con otras
entidades.

Racionalidad: el agente siempre realiza «lo
correcto» a partir de los datos que percibe
del entorno.

Reactividad: un agente actúa como
resultado de cambios en su entorno. En este caso, un agente
percibe el entorno y esos cambios dirigen el comportamiento
del agente.

Pro-actividad: un agente es pro-activo cuando es
capaz de controlar sus propios objetivos a pesar de cambios en el
entorno.

Adaptatividad: está relacionado con
el aprendizaje
que un agente es capaz de realizar y si puede cambiar su
comportamiento basándose en ese aprendizaje.

Movilidad: capacidad de un agente de trasladarse
a través de una red telemática.

Veracidad: asunción de que un agente no
comunica información falsa a propósito.

Benevolencia: asunción de que un agente
está dispuesto a ayudar a otros agentes si esto no entra
en conflicto con
sus propios objetivos.

No existe un consenso sobre el grado de importancia de
cada una de estas propiedades para un agente. Sin embargo, se
puede afirmar que estas propiedades son las que distinguen a los
agentes de meros programas.
Según hemos visto en la definición de Wooldridge,
las características de autonomía, reactividad,
pro-actividad y sociabilidad son las caracte-rísticas
básicas. Podríamos encontrar otras definiciones
donde varían ligeramente las características a
aplicar a un agente básico.

Figura 3. Navaja suiza de Parunak representando los
conceptos que puede integrar un agente

Tal como indica el Dr. H. Van Dyke Parunak en su
trabajo
[Parunak1999], un agente es como una navaja del ejército
suizo en el que se puede ver la definición básica
como sólo la navaja y en el que si se necesita
algún accesorio más se le añade y, si no se
necesita, no hay necesidad de acarrear con todos los
accesorios (figura 3).

Entonces:

Un Agente puede definirse como una entidad, semi
o completamente autónoma, la cual actúa
racionalmente de acuerdo a sus percepciones del exterior y
el estado de
su conocimiento.

Desde un punto de vista estructural, y de acuerdo a
[Ber, 92] , el agente puede dividirse en dos partes principales.
La primera está relacionada con el
conocimiento que el agente posee acerca del mundo exterior,
las habilidades de otros agentes y las suyas propias, así
como sus tópicos de interés;
el segundo aspecto abarca el procesamiento dinámico que el
agente realiza de los mensajes y que definirá su actividad
de razonamiento ante problemas e informaciones nuevas. Por esto
se basa en un lenguaje de comunicación externo, para
interactuar con otros agentes, uno interno, para la
comunicación entre sus propias componentes, y un
conjunto de métodos
que permite el procesamiento de estos mensajes.

5. La sociedad de
agentes

Está organizada como una red en la cual los nodos
representan dichas entidades, y los enlaces los puentes de
intercambio de información entre los mismos. A partir de
la
organización de los enlaces, el intercambio de
información puede hacerse o bien directamente, o bien
indirectamente a través de un intermediario.

A partir del control esbozado en el párrafo
anterior, se puede decir que existen dos tipos fundamentales de
sociedades en
la Inteligencia
Artificial Distribuida: la centralizada y la
descentralizada.

5.1. Sistemas Multi
Agente

Los Sistemas MultiAgente se preocupan por coordinar la
conducta inteligente de agentes autónomos. Estos agentes
hacen parte de una colección y pueden coordinar su
conocimiento, objetivos, habilidades y planes juntamente para
tomar una acción o resolver una meta global, al igual que
los DPS estos pueden tener conocimiento parcial sobre el problema
y las soluciones. En
estos sistemas debe haber un proceso de racionalización
para la coordinación del conjunto de agentes [BOND
1988].

Por lo general en estos sistemas MA los agentes con sus
creencias, deseos e intenciones construyen el problema y el
plan o
secuencia de acciones para solucionarlo.

5.2 Planeación

El proceso de generación de un plan es llamado
planeación, como ya se vio los planes en la IA son vistos
como una secuencia de acciones de un agente, de tal manera que es
capaz de cambiar su entorno y lograr uno o más
objetivos.

Las entradas esenciales para un proceso de
planeación son: estado inicial del mundo y el conjunto de
las posibles acciones, el agente pude cambiar el mundo o ambiente
con sus acciones. Una buena planeación solo seria efectiva
en entornos altamente predecibles, mientras que en dominios
caóticos es poco efectiva, en este caso el agente solo
podría reaccionar ante eventos y percepciones.

Los métodos de planeación para DPS y
sistemas MA son diferentes, la planeación para
múltiples agentes se utiliza en DPS, mientras que los
métodos para planeación distribuida se aplican a
los sistemas MA.

Como se vera en las siguientes secciones, en los
sistemas DPS un plan debe ser resulto por los agentes, mientras
que en los sistemas multiagente se debe generar y ejecutar un
plan por los agentes

5.2.1 Planeación para múltiples
agentes

La planeación para múltiples agentes puede
ser considerada como un problema distribuido que los agentes
tiene que resolver. Cuando se construye este problema distribuido
se tienen que hacer algunas suposiciones de las principales
propiedades de sus elementos [LUBO 2002].

Existen dos métodos de colaboración entre
agentes cuando se soluciona un problema distribuido, la
colaboración esta basada en la repartición de
tareas y en compartir resultados.

5.2.3 Repartición de tareas

Se basa en la descomposición y repartición
de tareas y la habilidad de los agentes para trabajar en
paralelo. El método se
basa en la descomposición de subtareas a cargo de un
agente cuando este se ve sobrecargado por una tarea, la
asignación de las subtareas resultantes se hace a los
agentes del sistema que tengan las habilidades que se necesiten
para resolverla. Una subtarea puede ser dividida y asignada
recursivamente si es necesario. Cuando se termine la subtarea(s)
el resultado es devuelto a un agente que crea la solución
final del problema, generalmente este agente es el que descompuso
el problema, ya que es muy probable que este sepa sintetizar los
resultados.

La repartición de tareas se puede hacer en
diferentes tipos de sistemas según las capacidades de los
agentes:

En sistemas homogéneos la repartición de
tareas es sencilla ya que los agentes cuentan con las mismas
capacidades. En este caso las subtareas pueden ser asignadas
aleatoriamente a los agentes inactivos del sistema.

En sistemas homogéneos la repartición de
tareas exige mecanismos más complejos ya que los agentes
poseen diferentes habilidades. En este caso cada subtarea debe
ser asignada a un gente que tenga las capacidades adecuadas para
resolverla, esto conlleva a que el agente que descompone el
problema debe guardar información sobre las habilidades de
cada uno de los agentes del sistema.

5.2.4 Compartir resultados

Los agentes con capacidades, conocimiento y
representaciones del entorno diferentes pueden llegar a
diferentes resultados al ejecutar una misma tarea, de esta manera
se busca que estos resultados se compartan de forma que los
agentes cooperen para encontrar la solución global del
problema. Al basarse en las diferentes soluciones de los agentes,
se pueden obtener los siguientes beneficios:

Mayor confianza, debido a que si muchos agentes producen
la misma solución para un problema determinado, incrementa
la probabilidad
de que el resultado sea correcto.

Mayor integración, ya que cada agente comparte
con otros los resultados de todas las tareas que se han
completado, de esta manera el grupo de
agentes puede completar la solución global de la
tarea.

Mayor Precisión, teniendo una mayor visión
sobre el conjunto de tareas, se permite a los agentes refinar
cada uno de los resultados.

Mayor Puntualidad, el intercambio de resultados permite
a los agentes trabajar en paralelo, minimizando el tiempo gastado
en la solución de un mismo problema por muchos
agentes.

5.3 Planeación Distribuida

En la planeación distribuida, las tareas y
resultados de esta, pueden ser fuente de distribución en un sistema MA, es decir el
proceso de planeación es distribuido entre muchos agentes.
El resultado de este proceso de planeación (el cual es un
plan) se distribuye y es ejecutado por varios agentes, a esto se
le conoce con el nombre de plan distribuido.

Los agentes pueden participan en la creación de
un plan distribuido, actuar tras un plan distribuido o participar
de las dos maneras. A continuación se presentaran técnicas
para planeación distribuida.

5.3.1 Planeación centralizada para planes
distribuidos

En la planeación centralizada un solo agente debe
crear un plan. Este plan tiene que ser distribuido entre los
agentes del sistema. El agente que genero el plan o
un agente coordinador divide el plan en hilos que pueden ser
ejecutados en paralelo. Los hilos son distribuidos entre los
agentes utilizando técnicas de asignación de tareas
y cada agente actúa sobre el subplan que
recibe.

5.3.2 Planeación distribuida para planes
centralizados

La planificación distribuida puede existir
incluso cuando el plan resultante es ejecutado por un solo
agente, la distribución se hace necesaria cuando no hay la
suficiente capacidad o conocimiento del agente para hacer el plan
y por lo tanto debe buscar cooperación con otros agentes
especialistas en planeación.

En este tipo de planeación el problema es
descompuesto y distribuido entre los agentes especialistas de
planeación usando alguna técnica de
repartición de tareas. La coordinación se puede
lograr mediante los siguientes métodos: [LUBO
2002]

Intercambio de un plan parcial especializado en el cual
un planificador modifica y expande un plan parcial de acuerdo con
sus objetivos.

Combinación de resultados en el cual los
planificadores generan planes parciales en paralelo e intentan
integrarlos para formar un plan general.

5.3.3 Planeación distribuida para planes
distribuidos

Es la forma más compleja de planeación
distribuida, en este método tanto la planeación
como la ejecución de los planes son
distribuidos.

En los sistemas MA este es el caso más general de
planeación, como cada agente esta generando su plan, puede
suceder que los agentes no sean consientes de la conducta de los
otros agentes, debido a esto es imposible e innecesario probar un
plan multiagente completo que comprenda todas las acciones que
tomen los agentes del sistema. La mejor forma para que cada uno
de los agentes respete los planes de los otros, es tener una
buena cooperación entre ellos. [LUBO 2002]

Un agente puede ser clasificado por su rol o papel en
una sociedad de agentes (SMA al que pertenece), por su
especialidad o actividad en la que es experto, por sus objetivos
o metas en el SMA, por su funcionalidad o lo que es capaz de
hacer, por sus creencias, por su capacidad de comunicación
y por su capacidad de aprendizaje [Lab93].

6. Agentes
Cognitivos y Reactivos

Un AGENTE COGNITIVO es aquel que es capaz de efectuar
operaciones
complejas, es individualmente inteligente (es un sistema
más o menos experto, con capacidad de razonamiento sobre
su base de conocimiento), puede comunicarse con los demás
agentes y llegar a un acuerdo con todos o algunos de ellos, sobre
alguna decisión. Un sistema cognitivo está
compuesto por un pequeño número de agentes
cognitivos.

Un AGENTE REACTIVO es un agente de bajo nivel, que no
dispone de un protocolo ni de
un lenguaje de comunicación y cuya única capacidad
es responder a estímulos. Los agentes reactivos no son
individualmente inteligentes, sino globalmente inteligentes. Los
sistemas reactivos por lo general están compuestos por un
gran número de agentes reactivos que realizan acciones
entre todos, para esto es necesario tener en cuenta nuevas
teorías
de cooperación y comunicación que permitan el
desempeño de estas acciones (Figura
3).

Es posible concebir sistemas heterogéneos cuyo
comportamiento se derive de los dos tipos de agentes y tenga
características de ambos. Es decir, es posible dotar a los
agentes cognitivos de capacidades de reacción a los
eventos, a tales agentes se les puede llamar AGENTES
HÍBRIDOS. [Lab93].

Figura 4. Clasificación de sistemas de
agentes

7.
Características de un Agente Cognitivo

Los avances en los trabajos de IAD en SMA permitieron
definir las siguientes características [Lab93] :
.

A). Intencionalidad: Un agente cognitivo es
guiado por sus metas, las cuales describen las situaciones que
son deseables para el agente. Una intención es la
declaración explícita de sus metas y medios para
llegar a ellas, y los planes se pueden definir como secuencia de
acciones que lleven a un agente a obtener su meta.

b). Racionalidad: Un agente cognitivo posee
criterios de evaluación
de acciones y de selección,
de tal manera que lo que decida sea en beneficio de él
(adquirir más conocimiento, obtener respuestas, etc.).
Además, es capaz de justificar sus decisiones.

1. La base de conocimiento es un conjunto de
representaciones de hechos del mundo. [Rus et al95]. 2.
Globalmente inteligentes: Solo en grupo pueden resolver un
problema.

c). Compromiso: Un agente cognitivo cooperativo3
planifica sus acciones por coordinación y negociación con los otros agentes. Los
agentes que participan en la coordinación de actividades
obran bajo el supuesto de que en condiciones normales, cada uno
de los participantes cumplirá con el plan con el que se
comprometió.

d). Adaptabilidad: Un agente cognitivo es capaz
de controlar sus aptitudes y comportamiento de acuerdo al rol que
asuma en un sistema.

e). Inteligente: Un agente cognitivo es
inteligente si es racional, intencional y adaptable. Un agente
inteligente debe ser capaz de operar exitosamente en varios
ambientes, si se toma el suficiente tiempo para adaptarse [Rus et
al95].

8. Arquitectura de
un Agente Cognitivo

La estructura
interna de un agente cognitivo se puede clasificar de manera
general así:

Figura 5. Arquitectura de
un agente cognitivo.

8.1 Funcionalidad

Es el conjunto de funciones o
tareas que el agente sabe hacer y que los demás agentes
pueden conocer que él hace [Lab93]. Dentro de estas
funciones pueden estar las funciones de comunicación con
otros agentes, de selección de agentes para una tarea
específica, de obtener información del sistema, de
información del estado interno del agente, etc.

8.2 Creencias

Son el conocimiento subjetivo o conjunto de
opiniones que el agente tiene de él mismo y de los
demás agentes [Lab93]. Puede comenzar como una
opinión o conocimiento inicial y cambiar con las acciones
y desempeño de cada uno de los agentes, incluido él
mismo, cuando el sistema esté en
funcionamiento.

8.3 Conocimiento

Es el conocimiento que cada agente tiene y
que usa para la resolución de un problema [Lab93], es
decir, es la representación de lo que sabe y del
conocimiento que ha adquirido en experiencias pasadas y que le
sirve para hallar soluciones o seleccionar acciones a seguir en
cualquier momento. El conocimiento le permite al agente entender
el mundo, lo que los demás agentes tratan de decirle y sus
razonamientos internos y explicar sus ideas y decisiones a los
demás agentes.Hay tres clases de conocimiento importantes
a tener en cuenta:

8.3.1 Conocimiento Inicial:

Es el conocimiento propio o básico del agente una
vez éste existe, y no puede cambiar con el tiempo.
[Sin93]

8.3.1.1 Know-That: Es el conocimiento de hechos o
saber qué hacer ante un problema o un conjunto de acciones
[Sin93]. Este tipo de conocimiento puede cambiar con el tiempo y
la experiencia adquirida por el agente.

8.3.1.2 Know-How: Es el conocimiento de
cómo actuar o cómo hacer las cosas. Es decir, es la
habilidad para ejecutar acciones convenientes (dependiendo de la
solución del problema) en un mundo cambiante. Más
concretamente se puede definir como la habilidad o potencial de
un agente para tomar una acción efectiva, y las destrezas
que él demuestra cuando hace cosas que le atribuyen
inteligencia. Al igual que el Know-That este tipo de conocimiento
puede cambiar con el tiempo y la experiencia adquirida por el
agente.

Se puede decir que:"Un agente conoce cómo
alcanzar p al realizar la acción a, si el agente tiene el
know-that que le indica que ejecutar a lo lleva a alcanzar p".
Además, "Un agente conoce cómo ejecutar a, si el
agente tiene el know-how que le indica cómo ejecutar a".
[Sin93]

8.4 Control El control en un agente está
representado por la estructura local de metas que el agente
tiene. Para un manejo más efectivo de estas estructuras se
adicionan los conceptos de intenciones, planes y acciones que el
agente tiene.

3. Un agente es llamado cooperativo, si pertenece
a un sistema de agentes que resuelve tareas de manera cooperativa.

8.4.1 Metas: Las metas, son el conjunto de
estados deseables en el ambiente en el que se desenvuelve un
agente. Un agente puede decidir alcanzar o no cada una de tales
metas de acuerdo a las ventajas que esta represente. En un SMA
hay una meta global o principal que debe ser alcanzada con la
colaboración de todos los agentes del sistema. Esta meta
global puede ser dividida en submetas, las cuales son asignadas
como metas a los agentes del sistema, de acuerdo a alguna
política
organizacional. Los planes que desarrolle cada agente para
alcanzar estas submetas, pueden ser combinados para alcanzar
la meta
global. Es decir, los planes que desarrolle un agente para
alcanzar sus metas, contribuirán a alcanzar las metas
globales del sistema. [Eph et al95]

8.4.2 Plan: Es un conjunto de estrategias para
resolver un problema o alcanzar una meta [Sin93]. Como se dijo en
la descripción de Metas, la meta global puede ser dividida
en submetas, las cuales son asignadas como metas a los agentes
del sistema. Los planes que desarrolla cada agente para alcanzar
su propia meta, pueden ser combinados para desarrollar un plan
global que sirve para alcanzar la meta global [Eph et al95]. Se
puede decir que: "Un agente sabe cómo alcanzar a p
sólo si él conoce que algún plan P contempla
a p, y él es capaz de ejecutarlo." [Sin93]

Los planes son una de las plataformas para el desarrollo de
mecanismos de coordinación, porque describen a alto nivel
el comportamiento de los agentes y por ello posibilitan la
predicción de las acciones de un agente. Esta
predicción permite que un agente actúe de manera
coherente con las acciones de los demás
agentes.

8.4.3 Estrategias: Una estrategia es la
descripción de las acciones de los agentes a un nivel
grueso de detalle, corresponden a abstracciones de los posibles
comportamientos de los agentes y hacen más simple
entender, especificar e implementar agentes
inteligentes.

Las estrategias no adicionan habilidades a los agentes,
simplemente ayudan a diseñar, analizar y organizar mejor
las destrezas que los agentes ya poseen. Se puede usar las
estrategias para describir agentes que no tienen un plan
específico, es decir, que no representan ni describen
simbólicamente el conjunto de acciones a seguir; por lo
tanto puede haber estrategias que no correspondan a un
plan.

8.4.4Intenciones: Una intención se puede
definir como el objetivo
concreto o el
fin que se pretende alcanzar al realizar una o varias acciones,
este objetivo se puede describir con proposiciones
lógicas. Las metas adoptadas por un agente son las
intenciones (Las metas que un agente decide alcanzar). Se puede
decir que las intenciones son la causa de las acciones de un
agente. Por otro lado, un agente realiza acciones tratando de
seguir sus estrategias (Figura 5).

Estudiar las intenciones es importante,
porque de ellas se deriva la capacidad con la cual los agentes
pueden usar conceptos para predecir y explicar el comportamiento
de otros agentes, además, son muy útiles porque son
abstracciones de los estados y comportamiento de los
agentes.

Cuando un agente tiene varias intenciones,
éstas tienen que ser mutuamente consistentes o por lo
menos intentar que así lo sean, y también deben ser
consistentes con el conocimiento y las experiencias adquiridas en
el pasado. Si un agente cree algo (p) o lo conoce por experiencia
del pasado, intentará hacerlo; pero si por el contrario no
cree en él o sabe que algo no es así (-p), no lo
intentará. Las intenciones de dos o más agentes
pueden no ser mutuamente consistentes, ya que pueden estar
compitiendo por algún recurso.Una intención puede
ser confundida con hacer algo intencionalmente, sin embargo, una
intención es querer hacer algo y hacer intencionalmente se
refiere a las acciones y estados que un agente realiza a
propósito. Un agente puede adoptar y modificar sus
intenciones basándose en su conocimiento. No se puede
garantizar el éxito
de las intenciones de un agente si él no tiene el know-how
para alcanzarlas. Por el contrario, si un agente tiene la
intención de hacer algo y tiene el knowhow para hacerlo,
entonces lo hará exitosamente. [Sin93]

Figura 6. Relación entre
estrategias, metas, intenciones y
acciones.

9. ComunicacionesLos
agentes cognitivos cuentan con mecanismos de comunicación
que les permiten interactuar con los otros agentes para la
resolución cooperativa de problemas, para la
coordinación o sincronización de acciones, para
resolver conflictos con
recursos, para participar en una negociación, o
simplemente para enviar información [Lab93]. Uno de los
mecanismos de comunicación entre agentes en SMA es el paso
de mensajes, estos mensajes han sido estudiados ampliamente bajo
la perspectiva de la teoría
de actos de habla [Flo82] con muy buenos resultados. La
comunicación establecida por dos o más agentes
puede ser vista desde varios puntos de vista, algunos de ellos
son explicados a continuación: procesos que
componen el episodio de comunicación, protocolos
utilizados en la comunicación, arquitecturas de
comunicación y tipos de
comunicación.Un episodio típico de
comunicación entre cualquier par de entidades está
compuesto por siete procesos, de ellos tres son realizados por la
entidad emisora E y cuatro por la entidad receptora R.

a). Intención: E decide que hay algo que
quiere comunicarle a R.

b). Generación: E escoge las palabras que
expresan el significado de la proposición p (contenido del
mensaje) que quiere comunicar.

c). Síntesis: Cuando E expresa las
palabras.

d). Percepción: R percibe las palabras,
aunque estas pueden no ser las mismas que el emisor
expresó (las palabras pueden ser alteradas por el medio).
En este paso se puede decir que hubo el "reconocimiento del
acto".

e). Análisis: R infiere los posibles
significados de lo que escuchó, este paso se divide en dos
partes: la interpretación sintáctica y la
interpretación semántica. La segunda parte requiere no
sólo comprensión del significado de las palabras,
sino también incorporar conocimiento o
interpretación pragmática.

f). Escoger un significado: Algunas expresiones
pueden tener varias interpretaciones, pero R se toma el trabajo de
escoger cuál es la interpretación que E
quería transmitir. Este proceso depende del razonamiento
de R, en la que puede tener en cuenta muchos factores como: la
probabilidad de que un hecho ocurra en el mundo, la probabilidad
de que una secuencia particular de palabras sea generada por E,
etc.

g). Incorporación: el receptor puede creer
todo lo que escucha (ingenuo) o puede tomar la decisión de
creer o no y además generar proposiciones adicionales [Rus
et al95] .

Muchas de las características y
propiedades de la comunicación entre agentes, en especial
los protocolos, dependen de los pasos mencionados anteriormente.
Los protocolos de comunicación entre agentes en SMA, son
las reglas que debe seguir un agente para comunicarse con los
demás de manera coherente. Los protocolos permiten
estructurar de manera estándar las interacciones y tienen
la ventaja de llevar a un diseño modular de los agentes,
porque permiten separar el diseño interno del
diseño de la interfaz de comunicación.El protocolo
de interacción de un grupo de agentes se
construye a partir de las posibilidades de respuesta de un agente
a cada uno de los mensajes que recibe. En este documento se
propone manejar estas posibilidades basándose en "La
teoría de actos de habla" o "Speech Acts".La teoría
de actos de habla ha sido muy estudiada en filosofía, antropología, lingüística. etc. y constituye un
fundamento teórico de la comunicación. Su
interés radica en la uniformidad de mecanismos que propone
integrando información de las disciplinas que la estudian.
Un acto de habla puede estar clasificado dentro de las siguientes
tres categorías:

i). Actos de Emisión: Corresponden a la
acción física de emitir
(formular y articular) un enunciado.

ii). Actos Ilocucionarios : Corresponden a
enunciados que llevan una intención, es decir, cuando un
emisor transmite un mensaje con alguna intención
(preguntar, afirmar, solicitar, etc.) y su contenido
correspondiente; y este mensaje es comprendido por el receptor u
oyente.

iii). Actos Perlocucionarios : O acciones que
ocurren como resultado de los actos ilocucionarios o de
emisión de manera indirecta o directa [Sin93,
Lab93].

Los actos que más interesan en el marco de SMA
son los ilocucionarios. La razón es que tienen dos
aplicaciones importantes en SMA : la primera es que el lenguaje
usado en un SMA para la comunicación debe permitir
diferentes tipos de mensajes, los cuales son asociados con los
diferentes tipos de actos de habla y la segunda es la
intención de utilizar las teorías
lingüísticas de la semántica de actos de habla
para aplicarlas a la descripción de las interacciones
entre agentes. Además, la semántica de actos de
habla permite establecer las condiciones en las que el acto es
exitoso o satisfecho, asignar un operador para cada tipo de
mensaje con el cual se pueda distinguir de los demás
tipos, etc. [Sin93].Algunos actos de habla ilocucionarios son
[Her95]:

i). Afirmar: Un agente está afirmando
algo. El acto es satisfecho si el contenido del mensaje es verdad
en el momento en que es emitido.

ii). Ordenar: Un agente está ordenando
algo a otro u otros agentes. El acto es satisfecho sólo si
se cumple la orden más tarde.

iii). Consultar: Un agente consulta algo a otro u
otros agentes agente. El acto es satisfecho si el agente recibe
la consulta más tarde.

iv). Responder: Un agente responde algo a otro u
otros agentes. El acto es satisfecho si el agente oyente recibe
la respuesta del agente emisor.

v). Prometer: Un agente promete algo. El acto es
satisfecho si el agente cumple la promesa más
tarde.

vi).Preguntar: Un agente pregunta algo. El acto
es satisfecho si el o los agentes oyentes reciben la
pregunta.

Se pueden definir gran cantidad de actos de
habla, dependiendo del contexto en el que van a ser manejados
[Flo82,Sin 93, Her95].Otro de los puntos de vista desde el que se
puede observar un episodio de comunicación entre dos
agentes es la arquitectura, ella es determinada por la topología lógica
de comunicación entre los agentes. Algunas de las
arquitecturas básicas son:

i). Distribuida en anillo: son agentes forman un
anillo lógico, por medio del cual intercambian
mensajes.

ii). Centralizada en estrella : n agentes forman
una estrella lógica por medio de la cual se comunican; uno
de los agentes, que puede ser llamado supervisor, es el que
está situado lógicamente en el nodo de la estrella,
esto significa que es el que recibe y reenvía los
mensajes.

iii).Todos con todos: cada agente tiene
comunicación lógica directa con todos los
demás agentes del sistema.

iv). Híbridas: Estas arquitecturas
presentan combinaciones de varias arquitecturas como la de anillo
o la de estrella [Lab93].

La mayoría de los SMA tienen una arquitectura
híbrida de comunicación, ya que a veces se puede
necesitar que el mensaje llegue a un solo agente y a
través de él comunicárselo a los
demás, o que todos los agentes se comuniquen con todos
directamente. El último de los puntos de vista considerado
en este documento y desde el cual se puede observar un episodio
de comunicación entre agentes es el relacionado con tipos
de comunicación establecida. Un agente puede contar con
funciones de selección que indiquen los agentes a los que
se debe enviar un mensaje. A continuación se describen
brevemente algunos tipos de comunicación.

9.1 Comunicación selectiva o difusa: En la
comunicación selectiva, los agentes destino de los
mensajes son escogidos por medio de alguna función de
selección; en la comunicación difusa o "broadcast",
por el contrario, el mensaje es enviado a todos los
agentes.

9.2 Comunicación con o sin espera de
confirmación: Se dice que existe comunicación
con espera de confirmación, si el agente emisor espera un
mensaje de "acknowledge" de recepción por parte del agente
receptor. Si el agente emisor no espera dicho mensaje de
acknowledge, se dice que existe comunicación sin espera de
confirmación.

9.3 Comunicación de transmisión simple
o con retransmisión : En la comunicación de
transmisión simple, el emisor transmite sólo una
vez un mensaje, en la comunicación con
retransmisión, el emisor retransmite varias veces un
mensaje [Lab93] .

En un SMA, cada uno de los agentes debe seleccionar el
tipo de comunicación que establecerá de acuerdo a
las características del mensaje que comunicará y a
las características del grupo de agentes a los que
enviará tal mensaje. Por ejemplo, si se desea comunicar un
mensaje de gran importancia, se debería establecer una
comunicación con espera de confirmación, de esta
manera se garantizaría la recepción de tal
mensaje.

En la figura 4 se indica el esquema gráfico del
funcionamiento de un agente, integrando los aspectos que acaban
de ser descritos. Una vez decididas las metas locales, algunas de
ellas son adoptadas por el agente como intenciones y a partir de
ellas, cada agente realiza la planificación. Es decir,
cada agente crea su propio plan de actividades [Lab93, Sin93].
Luego de tener el plan de acción, un agente ejecuta cada
una de las acciones que componen tal plan, de acuerdo con su
experiencia y conocimiento. Claro que este plan de actividades
puede cambiar porque se obtiene nueva información del
ambiente.

Figura 7. Esquema del funcionamiento
de un agente.

10. Arquitecturas
para agentes inteligentes

Una arquitectura permite descomponer un sistema
computacional en componentes más pequeños y
determinar como es la relación entres estos. Una
arquitectura para agentes en particular permite descomponer un
sistema de agentes, y determinar como deben interactuar entre
ellos y con el ambiente.

Se distinguen tres arquitecturas diferentes que se
clasifican según el modelo de razonamiento que
utilizan.

10.1 Arquitecturas deliberativas

Una arquitectura deliberativa es aquella en la que el
comportamiento y conocimiento de los agentes están
explícitamente representados mediante un modelo
simbólico. El modelo simbólico consta generalmente
de un conjunto de símbolos físicos, es decir un
conjunto físicamente realizable de entidades y
estructuras. Además de esto en la arquitectura
deliberativa las decisiones de los agentes son hechas mediante
razonamiento lógico o seudo lógico.

Para construir una arquitectura deliberativa se deben
solucionar los siguientes dos problemas.

. Trasladar el mundo real a una acertada y suficiente
descripción simbólica.

. La forma en la que se representará
simbólicamente la información de las entidades y
procesos complejos del mundo real, y la manera de conseguir que
los agentes razonen con esta información.

Un ejemplo de agentes que se pueden desarrollar con la
arquitectura deliberativa, son los agentes intencionales en los
cuales se define una planificación teniendo en cuenta sus
creencias y deseos. La arquitectura BDI es una de las
arquitecturas más utilizada en nuestros días, en
ella se definen los deseos, creencia e intenciones de los agentes
[CORC 1999].

10.2 Arquitecturas reactivas

Una arquitectura reactiva es aquella que no incluye
alguna clase central
de modelo simbólico del mundo y no usa un razonamiento
simbólico complejo. Las acciones que toman sus entidades
se basan en una asignación de lectura del
medio ambiente
con una operación a efectuar. Esta clase de arquitectura
también es llamada alternativa, ya que surgió como
una opción a las arquitecturas deliberativas que presentan
problemas que en ocasiones no se pueden solucionar y
además se aleja de la representación del
conocimiento mediante un modelo simbólico.

10.3 Arquitecturas Híbridas

Los investigadores sugieren que ninguna de las dos
arquitecturas vistas anteriormente es del todo apropiada para la
construcción de agentes, por eso se
plantean soluciones de arquitecturas híbridas en la cual
se integran los dos métodos (deliberativa y
reactiva).

Una propuesta de tal arquitectura es la
construcción en base a dos subsistemas: uno deliberativo
en el cual los planes desarrollados y las decisiones hechas sean
planteadas por un conjunto de símbolos y uno reactivo el
cual tenga la capacidad de reaccionar ante eventos del entorno
sin emplear razonamiento complejo. Esta clase de metodología se puede desarrollar en capas
en la que una o más capas pueden tener acceso a los datos
suministrados por el entorno y una o más capas pueden
efectuar acciones en el entorno. A continuación se
presentan dos clases en la que esta propuesta de arquitectura
híbrida se puede desarrollar.

. Horizontal: Todas las capas tienen acceso a los datos
del entorno y a realizar acciones en el entorno.

. Vertical: Una capa tiene accesos a los datos del
entorno y a realizar acciones en el entorno.

En este caso de arquitectura en capas, el correcto
comportamiento del agente viene dado por la interacción
entre los diferentes niveles y en el nivel de información
de cada capa.

11. Estructura de
un Agente

Agente = Arquitectura +
Programa

Podemos describir agentes en términos de sus
percepciones, acciones, metas y ambiente.

No importa tanto si es ambiente “real'' o
“artificial'' (e.g., softbots) sino la
interacción entre percepción, comportamiento,
ambiente y metas.

El usar una tabla acciones – secuencia de percepciones
en general no es adecuada por:

Requiere tablas muy grandes mucho tiempo para construir
la tabla no hay autonomía, por lo que si cambia el
ambiente el agente deja de saber que hacer aunque se le de
aprendizaje, necesitaría mucho tiempo para aprender todas
las entradas de la tabla

Para construir un mapeo entre percepciones y acciones
podemos pensar en varios tipos de agentes.

Agentes de reflejos simples: construir una
tabla es imposible, pero podemos considerar algunas asociaciones
comunes en términos de reglas
situación-acción. e.g.,

IF el coche de enfrente esta
frenando

THEN empieza a frenar

Agentes de reflejos simples y estado interno.
Esto es muy simple, y normalmente se necesita un estado interno
para (i) ver como cambia el ambiente independientemente del
agente y (ii) como afectan las acciones del agente al
ambiente.

Agentes con información de metas. El
agente necesita información de sus metas para escoger que
acciones las pueden cumplir (pueden usarse técnicas de
búsqueda y planificación).

Esto lo puede hacer más flexible (e.g., si
está lloviendo ajustar la efectividad de los
frenos).

Agentes con medida de utilidad. Las metas por
si solas no son suficientes para generar un comportamiento de
buena calidad. Para
esto necesitamos una medida de utilidad
(función que mapea un estado o secuencia de estados con un
número real).

Agentes con aprendizaje. La idea es que las
percepciones no se usen solo para actuar, sino también
para mejorar su desempeño en el futuro.

12. Clasificación de los agentes
inteligentes

. Movilidad.

. Arquitectura de construcción

. Atributos principales

. Roles

. Híbridos y Heterogéneos

12.1 Clases de agentes inteligentes

12.1.1 Agentes colaborativos

Este tipo de agentes se enfatiza en la autonomía
y las habilidades sociales con otros agentes para ejecutar las
tareas de sus usuarios. La coordinación de los agentes se
logra mediante la negociación para alcanzar acuerdos que
sean aceptables para los agentes negociantes.

Los agentes colaborativos son capaces de actuar
racionalmente y autónomamente en ambientes multiagente y
con restricciones de recursos. Otras características de
estos agentes es que poseen habilidades sociales, son proactivos,
benévolos, estáticos y veraces.

Los agentes colaborativos se pueden utilizar es la
solución de algunos de los siguientes
problemas:

. Para resolver problemas que son muy grandes para un
agente centralizado.

. Para permitir la interconexión e
interoperabilidad de sistemas de IA existentes como sistemas
expertos, sistemas de soporte de decisión
etc.

. Solucionar problemas que son inherentemente
distribuidos.

. Proporcionar soluciones que simulen recursos de
información distribuidos.

. Incrementar la modularidad, velocidad,
confiabilidad, flexibilidad y reutilización en sistemas de
información.

12.1.2 Agentes de Interfase

Los agentes de interfaz se enfatizan en la
autonomía y la adaptabilidad para realizar tareas a sus
usuarios. Este tipo de agentes básicamente presta soporte
y asistencia a un usuario que esta aprendiendo una nueva
aplicación o nuevos conceptos.

El agente puede aprender mediante alguna de las
siguientes cuatro técnicas, observando y monitoreando la
interfaz:

1. Por observación e imitación del
usuario.

2. A través de una retroalimentación positiva o negativa del
usuario.

3. Recibiendo instrucciones explicitas del
usuario.

4. Asesorándose de otros agentes.

De esta manera el agente puede actuar como un asistente
personal y
autónomo del usuario, cooperando con él para
terminar una cierta tarea.

12.1.3 Agentes móviles

Estos agentes se enfatizan en las habilidades sociales y
la autonomía, a diferencia de los agentes cooperativos,
estos son móviles.

Los agentes móviles son procesos de software que son capaces de
transitar por una red, generalmente una WAN, interactuando con
computadores alejados, reuniendo información para el
usuario y volviendo a su origen cuando las tareas fijadas por el
usuario se hayan completado. Las tareas que se pueden realizar
son por ejemplo reservaciones de vuelos, manejo de una red de
telecomunicaciones entre otras.

Los agentes móviles traen con si grandes
beneficios aunque no son funcionales, esto quiere decir que una
tarea que realiza un agente móvil puede ser realizada por
un agente colaborativo, la diferencia radica en que para
movilizar el agente se requiere de un costo muy alto de
recursos.

Algunas de las ventajas que se pueden obtener al usar
agentes móviles son:

. Reducen el costo de comunicación, por ejemplo
cuando en una ubicación hay un gran volumen de
información que necesita ser examinada y transmitida, esto
ocuparía una gran cantidad de recursos en la red y
consumiría mucho tiempo. En este caso el agente
móvil puede determinar la información relevante al
usuario y transmitir un resumen comprimido de esta
información.

. Facilitar la coordinación, es más
sencillo coordinar un cierto número de requerimientos
remotos e independientes al comparar solo los resultados
localmente.

. Reduce los recursos locales, los agentes
móviles pueden ejecutar sus tareas en computadores
diferentes del local, de tal manera que no consuman recursos de
procesamiento, memoria y almacenamiento en
estos.

. Computación asíncrona, mientras que un
agente móvil realiza su tarea el usuario puede ir
realizando otra, de tal manera que después de un tiempo el
resultado del agente móvil sea enviado al
usuario.

12.1.4 Agentes de información

Los agentes de información nacieron debido a la
gran cantidad de herramientas
que surgieron para el manejo y recuperación de
información. Los agentes de información tienen los
roles de manejar, manipular, e integrar información de
muchas fuentes de
datos distribuidas.

La hipótesis fundamental de los agentes de
información es que puedan mejorar de algún modo,
pero no completamente el problema de la sobrecarga de
información y en general el manejo de esta.

13. SISTEMAS
MULTI-AGENTE

Un SMA está constituido por un conjunto de
entidades inteligentes llamadas agentes que coordinan sus
habilidades para la resolución de problemas individuales o
globales. Estos sistemas considerados como un todo, exhiben
características particulares, que se presentan a
continuación.

13.1 Organización Social

Es la manera como el grupo de agentes está
constituido en un instante dado. La organización social
está relacionada con la estructura de los componentes
funcionales del sistema, sus características, sus
responsabilidades, sus necesidades y la manera como realizan sus
comunicaciones. Esta organización puede ser
estática o dinámica, dependiendo de las unciones o
tareas de cada agente. Se puede considerar que una sociedad de
agentes está constituida por tres elementos:

Un grupo de agentes.

Un conjunto de tareas a realizar.

Un conjunto de recursos.

La realización de las tareas por parte de los
agentes, puede ser organizada de varias formas, por ejemplo: cada
agente ejecuta una de las tareas, o bien, las tareas son
divididas en subtareas, por medio de algún mecanismo de
descomposición de problemas y estas subtareas son las
realizadas por los agentes. Las tareas que debe realizar un
agente dependen, entre otros factores, del rol que este agente
asume en el sistema. Por ejemplo, en un sistema oficina, un
agente persona asume el
rol de secretaria y realiza las labores relacionadas con ese rol;
este mismo agente podría asumir el rol de jefe y
realizaría labores muy diferentes, relacionadas con su
nuevo rol. Para la realización de tareas un agente puede
necesitar recursos del sistema, en este caso tiene que
coordinarse con los otros agentes del sistema que deseen usar el
mismo recurso.La organización en los SMA depende del tipo
de comunicación y el modo de cooperación entre
agentes, así como del tipo de agentes que conforman el
grupo. En general se pueden distinguir tres tipos de
configuraciones organizacionales:

a). Estructura Centralizada: En este tipo de
configuración existe un agente que controla la
interacción de los demás agentes del sistema,
porque tiene la información o la funcionalidad para
hacerlo.

b). Estructura Horizontal: Este tipo de
configuración existe cuando todos los agentes que integran
un sistema están al mismo nivel, es decir, no hay
ningún agente que haga las veces de maestro o supervisor,
ni tampoco agentes esclavos.

c). Estructura Jerárquica: Esta
configuración existe cuando los agentes trabajan
diferentes niveles de abstracción de un problema, es
decir, la configuración es de niveles. En un mismo nivel
se establece una configuración horizontal, si hay
más de un agente. Para resolver un problema cada agente
divide el problema en subproblemas que él puede resolver,
subproblemas que puede resolver con la cooperación de los
agentes que están al mismo nivel y subproblemas que sabe
que los agentes de niveles inferiores de la jerarquía
pueden resolver.

d). Estructura "ad hoc" : Esta
configuración puede ser una mezcla de las tres anteriores,
se caracteriza porque la dinamicidad de la estructura está
regida por el ajuste mutuo entre los pequeños grupos de
agentes en el sistema.

Escoger una u otra estructura de
organización depende de las funciones que deben cumplir
los agentes del sistema, de las características de ellos y
de qué tan complejo se quiere el sistema
[Lab93].

13.2
Cooperación

En un SMA existen dos tipos de tareas que deben ser
realizadas: las tareas locales y las tareas globales. Las tareas
locales son las tareas relacionadas con los intereses
individuales de cada agente y las tareas globales son las tareas
relacionadas con los intereses globales del sistema. Estas tareas
globales son descompuestas y cada subtarea es realizada por un
agente, de acuerdo a sus habilidades y bajo el supuesto de que la
integración de la solución de las subtareas,
llevará a la solución global. La
descomposición de la tarea global no necesariamente
garantiza la independencia
de cada una de las subtareas, por ello se necesitan mecanismos de
cooperación que permitan compartir resultados intermedios
que lleven al progreso en la resolución de las tareas de
otros agentes y al progreso de la solución global que debe
alcanzar el sistema.Para que los agentes puedan cooperar de
manera eficiente, cada uno de ellos debe tener ciertas
características:

Tener un modelo bien definido del mundo, que le permite
localizar a los demás agentes, saber cómo
comunicarse con ellos, qué tareas pueden realizar,
etc.

Poder integrar información de otros agentes con
la suya, para formar conceptos globales o conocimiento conformado
por varios agentes.

Poder interrumpir un plan que se este llevando a cabo
para ayudar o atender a otros agentes para que puedan cooperar
entre sí cuando los agentes lo necesiten.

La cooperación depende mucho de la
configuración organizacional del grupo de agentes. Si la
estructura es centralizada los agentes dependientes piden
colaboración casi que permanente al agente maestro, si la
estructura es jerárquica, la cooperación puede
hacerse por niveles (en un mismo nivel) o de niveles superiores a
niveles inferiores y si la estructura es horizontal la
cooperación se hace entre todos los agentes. Existen
varios modelos de
cooperación, dentro de los cuales se pueden
mencionar:

a). Cooperación compartiendo tareas y
resultados: Los agentes tienen en cuenta las tareas y los
resultados intermedios de los demás para realizar las
tareas propias.

b). Cooperación por delegación: Un
agente supervisor o maestro descompone una tarea en subtareas y
las distribuye entre los agentes esclavos, para que sean
resueltas. Después, el supervisor integra las soluciones
para hallar la solución al problema inicial.

c). Cooperación por ofrecimiento: Un
agente maestro descompone una tarea en subtareas y las difunde en
una lista a la que tienen acceso los agentes que integran el
sistema, esperando que ellos ofrezcan su colaboración de
acuerdo a sus habilidades. El supervisor escoge entre los
ofrecimientos y distribuye las subtareas [Lab93] .

13.3 Coordinación

La coordinación entre un grupo de agentes les
permite considerar todas las tareas a realizar y coordinarlas
para no ejecutar acciones no deseables, por ejemplo:

Los agentes no generen y comuniquen subsoluciones que
lleven al progreso en la solución de un
problema.

Los agentes generen y comuniquen resultados
redundantes.

Distribución inapropiada de la carga de trabajo
entre los agentes.

Esta coordinación está relacionada con la
planificación de acciones para la resolución de
tareas, porque estos planes permiten:

Conocer a alto nivel y predecir el comportamiento de
otros agentes del sistema.

Intercambiar resultados intermedios que lleven al
progreso en la solución a la tarea global.

Evitar acciones redundantes, si ellas no son
deseables.

Hay varios modelos de coordinación de acciones
entre agentes, pero dos principales (que se mencionan a
continuación) y gran cantidad de modelos
intermedios.

a). Coordinación Global: Cuando el SMA
determina y planifica globalmente las acciones de los diferentes
agentes.

b). Coordinación Individual: Cuando el SMA
le da completa autonomía a los agentes, es decir, cada
agente decide qué hacer y resuelve localmente los
conflictos que detecte con otros agentes.