Agentes Inteligentes: El siguiente pasó en la inteligencia artificial (página 3)
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 anterior | Volver al principio del trabajo | Página siguiente  |