Agentes inteligentes: definición y tipología. Los agentes de información. (página 2)

De acuerdo con el punto de vista de la inteligencia
artificial un agente posee las siguientes propiedades:
autonomía, sociabilidad, capacidad de reacción,
iniciativa, benevolencia y racionalidad
(Wooldridge y
Jennings, 1995).

«Un agente inteligente es una entidad software que,
basándose en su propio conocimiento,
realiza un conjunto de operaciones para
satisfacer las necesidades de un usuario o de otro programa, bien
por iniciativa propia o porque alguno de éstos se lo
requiere»

Últimamente la industria del
software, con fines puramente comerciales, nos está
mostrando aplicaciones catalogadas como agentes inteligentes que
realmente no lo son. éste es el caso del
Ayudante de Microsoft Office
(Clippo, Dr. Genio,
Ridondo, etc.). Si aplicamos cada una de las
propiedades de los agentes inteligentes a este
Ayudante veremos que, como mucho, cumple la
característica de la sociabilidad. Por tanto realmente no
es lo que se enuncia, sino un simple programa que en determinados
casos emula el comportamiento
de los agentes inteligentes. Esta comparación es una buena
forma de distinguir entre un agente inteligente y un programa
convencional.

Agentes
inteligentes de información

No es necesario que un agente dedicado a la
recuperación de información posea todas las propiedades que
se han citado, pero sí las que a continuación se
describen:

Autonomía: actuar sin ningún
tipo de intervención humana directa, y tener control sobre sus
propios actos.

Sociabilidad: comunicarse por medio de un
lenguaje
común con otros agentes, e incluso con los humanos.

Capacidad de reacción: percibir su
entorno, y reaccionar para adaptarse a él.

Iniciativa: emprender las acciones para
resolver un problema.

Una vez dicho esto, ya no hablaremos más de agentes
inteligentes para la recuperación de la
información, sino que simplemente nos referiremos a ellos
como agentes de información.

Están diseñados específicamente para
procesar consultas, y poseen al menos uno de los siguientes
elementos: capacidad de proceso,
conocimiento del entorno donde se mueven e información de
un dominio.

Un agente tiene capacidad de proceso puesto que puede
descomponer una consulta en subconsultas y asociar a los
distintos términos resultantes otros términos
relacionados o afines. Su conocimiento del entorno le viene dado
por su propio conocimiento y por el de otros agentes que se
comunican con él (el
conocimiento puede ser adquirido: del mismo usuario o de
otros agentes con los que se encuentra mientras realiza una tarea
determinada; y, una vez finalizado su trabajo: de
aquellos lugares que ha visitado, así como de las
direcciones de los agentes con los que se ha encontrado). En todo
momento debería saber a qué información
acceder o a qué otro agente dirigirse para obtenerla. Un
agente puede tener también acceso a un dominio y/o
información de un modelo, si se
asocia con la estructura de
éste.

Tipología de
agentes y el problema de la distribución de la información

Cualquier objetivo o
problema se puede descomponer en subobjetivos o en subproblemas.
Por tanto, cualquier consulta se podrá dividir en
subconsultas (o en tantos agentes como subconsultas tenga la
consulta) para encontrar las respuestas adecuadas. Los agentes
pueden dar respuesta a cada uno de estos subproblemas y, una vez
combinados entre sí, ofrecer la respuesta al problema en
su conjunto.

Un agente que «sabe» cómo resolver una
subconsulta en particular puede tomar la responsabilidad de responderla. Por ejemplo si la
consulta es «perros y
gatos», y hay un agente en cuyo dominio se encuentra una
entrada a la base de datos
relacionada con «perros», entonces el agente se
ofrecerá para tomar parte en la búsqueda de
«perros». Después los resultados obtenidos por
separado de «perros» y «gatos»
serán conjuntados, filtrados, seleccionados y presentados
al usuario.

Agentes cooperativos: para que un
agente pueda ser autosuficiente y conocedor del entorno en el que
se encuentra, debe coordinarse y cooperar con cada uno de los
otros agentes. Existen varias formas para hacer esto.

En un sistema compartido un agente cualquiera
descompone la consulta y asigna las subconsultas a otros agentes.
Cada uno sabe cuáles son las capacidades y limitaciones
del resto. No existe un «agente maestro»; el grupo de
agentes recibe las subconsultas, y todos ellos trabajan por igual
para encontrar la solución.

En un sistema contractual los agentes siguen
teniendo todos el mismo estatus. Sin embargo, el agente que
recibe la consulta no asigna las subconsultas al grupo de
agentes, sino que las envía a todos ellos para que
éstos le indiquen quién puede resolverlas, y de
entre ellos selecciona aquellos cuyo dominio sea más
adecuado.

Por el contrario, un sistema federado es una
estructura jerárquica de agentes controlada por un
facilitador o agente principal. Los agentes federados se
comunican sólo con su agente principal, el cual conoce las
capacidades y limitaciones de cada uno de sus agentes. Una vez
recibida la consulta, el facilitador principal se comunica con el
resto de facilitadores con el fin de seleccionar los agentes
locales más adecuados de cada federación para
resolver las subconsultas que permitan resolver la consulta
completa (Haverkamp y
Gauch, 1998).

«La solución al problema de la
distribución de la información se basa en la idea
de que cualquier objetivo o problema se puede descomponer en
subobjetivos o en subproblemas»

Agentes móviles: es uno de los
últimos desarrollos en tecnología de
agentes. Se basan en el principio organizador de redes de comunicación entre ordenadores, conocido
como Control de Procedimientos
Remotos (RPC) y concebido en 1976.
Cuando un ordenador cliente de
una red (no
importa su tamaño) dirige una petición al servidor de
ficheros para ejecutar una aplicación, el cliente debe
realizar al menos dos comunicaciones: una solicitando la
ejecución de un programa determinado, y otra informando al
servidor que la operación se ha completado con éxito.

La alternativa a este procedimiento es
la Programación Remota
(RP), consistente en acordar por adelantado
qué tareas pueden realizar los clientes sin
ningún tipo de verificación ni confirmación
por parte de los servidores. De
esta forma un cliente enviaría una instrucción al
servidor de ficheros, y una vez allí ejecutará un
programa en concreto. Este
procedimiento (remoto) que es una orden realizada por el cliente
pero ejecutada en el servidor (local) recibe el nombre de
operación o instrucción
móvil, haciendo hincapié en que se trata
de una orden remota que se ejecuta localmente.

Los últimos estudios relacionados con la
programación remota se centran en el uso
del lenguaje Java (Arnold
y Gosling, 1998).

Un agente móvil puede suspender el proceso que
esté realizando, transportarse a sí mismo por medio
de la Red y reanudar la
ejecución del proceso que estaba llevando a cabo donde
estime oportuno. Esta capacidad le permite al agente seleccionar
la información recuperada antes de enviarla por la Red, lo
que evita la transferencia de grandes cantidades de
información que podría ser inútil.

Un agente puede tener, por ejemplo, las siguientes
órdenes: ejecutar en un determinado servidor de ficheros
una base de datos para luego
almacenar la consulta bibliográfica que le ha encargado su
usuario. Si por algún motivo la consulta es rechazada, o
el lugar en el que debe realizar dicha consulta ha cambiado de
emplazamiento, o simplemente ha desaparecido, el agente
suspenderá la ejecución del programa de base de
datos mientras localiza el URL adecuado, o busca otro que pueda
satisfacer sus necesidades. Una vez solucionado este
pequeño problema, repetirá de nuevo la consulta y
volverá al servidor de ficheros para reanudar su tarea
donde la dejó.

«Un agente de información necesita un
campo de cobertura no muy amplio que le permita interactuar
perfectamente con el medio en que se
desarrolla»

El hecho de que un agente pueda deambular por la Red
ejecutando procesos
según le parezca, plantea un par de problemas. Uno
es que el lenguaje
creado para diseñar la arquitectura de
un agente móvil debe ser independiente. Se sugieren
lenguajes tales como Java, Perl (conocido en su
primera versión como Practical extraction and
report language) o Kqml
(Knowledge, query and manipulation
language).

El otro es la seguridad.
Imagínese el estado de
nervios que puede tener el administrador de
un sistema, sabiendo
que en su red puede haber agentes móviles circulando
libremente y ejecutando tareas a su antojo y sin restricciones.
Una forma de prevenir esto es utilizar pasillos de seguridad
destinados a soportar y restringir las idas y venidas de los
agentes móviles. En cualquier caso es necesario imponer
límite al número de agentes móviles con
permiso para ejecutar tareas dentro de un sistema local.

Un ejemplo bastante ilustrativo (teórico) de este tipo
de agentes lo podemos encontrar en:

http://www.genmagic.com/technology/techwhitepaper.html

Independientemente del tipo de cooperación o coordinación que se elija, los agentes
deben poder
comunicarse entre sí. Hay dos formas de realizar esta
comunicación: directa, como en el caso de
los sistemas
compartidos o las redes contractuales, o
indirecta, caso de los sistemas federados.

«Los agentes de información tienden a
hacer transparente la complejidad de la información
almacenada en la Red»

La comunicación directa tiene el inconveniente de que
representa un alto coste económico y una mayor complejidad
en la implementación. Por ejemplo, en un sistema con
10.000 agentes, cada vez que un elemento del grupo emite un
mensaje, éste debe llegar a los 9.999 restantes, con la
sobrecarga y gasto de recursos que esto
supone. Si estos 10.000 agentes estuviesen divididos en 100
federaciones de 100 agentes cada una, sólo habría
que enviar 999 mensajes (a los facilitadores de cada grupo). Si a
esto añadimos que sólo unos pocos agentes locales
de cada federación serán los encargados de recibir
los mensajes de sus facilitadores, podemos deducir que la
comunicación se reduce casi en un 90% con respecto al
primer modelo.

Otro procedimiento de comunicación que a menudo
utilizan los agentes es el de los tablones de
anuncios. Consiste en una serie de recursos (memoria) que el
servidor pone a disposición del grupo de agentes que
soporta, para que éstos puedan comunicarse e
interactuar.

En lugar de que un mensaje se transmita de un agente a otro,
éste es colocado en un tablón de anuncios, el cual
es supervisado por todos los agentes encargados de resolver las
subconsultas o de procesarlas. Los resultados de los procesos se
colocan en el tablón para que todos los agentes puedan
verlos, hasta que se encuentra la solución a la consulta.
Por establecer una similitud, podríamos decir que esto
sería parecido a una habitación con mucha gente
trabajando para resolver el mismo problema, pero donde
está prohibido hablar. Cuando alguien necesita
información, o encuentra la solución a una parte
del problema, el/ella lo coloca en el tablón de anuncios
para que el resto de las personas lo pueda ver y decidir si
pueden suministrar la información que se pide, o tomar esa
solución parcial del problema para resolver otra parte del
mismo, o su totalidad.

Un agente de información necesita una
especialización, es decir, requiere un campo de cobertura
no muy amplio que le permita interactuar perfectamente con el
medio en que se desarrolla, y que a su vez le ofrezca la
posibilidad de no aumentar su base de conocimiento hasta límites
infinitos, pues de ser así se verá afectado en su
capacidad de movimiento y
en el tiempo de
respuesta.

Interfaces
inteligentes de usuario

Su objetivo es llevar a cabo búsquedas conceptuales
más que localizar simples cadenas de caracteres. Cuando un
usuario hace una consulta, la interfaz recoge los términos
de ésta como algo representativo de la materia en la
que se está interesado. Posteriormente, y a partir de su
base de conocimiento, realiza una consulta expandida. Es decir,
partiendo de los términos suministrados por el usuario, se
añaden otros relacionados con el mismo concepto,
realizando así una consulta mucho más completa que
la que en un principio se pretendía hacer. Por ejemplo la
consulta «perro» puede ser expandida a «perro o
can o sabueso».

«Los ShopBots son agentes de compra que se
dedican a comparar las características y precios de los
distintos productos que
ofrecen las tiendas en línea»

Se han desarrollado algunos sistemas
expertos que expanden de forma automática las
consultas de los usuarios con la ayuda de un tesauro o base de
conocimiento, en donde se almacenan las palabras relacionadas.
Estos sistemas incorporan estrategias de
búsqueda aprendidas de buscadores
humanos expertos, estrategias que a su vez pueden personalizarse
para un dominio en particular como tratamiento del cáncer
(Pollitt, 1987), o estudio de la
polución (Smith,
1989), o para cualquier otro dominio, en función de
la base de conocimiento que se utilice
(Gauch y Smith,
1993). Un ejemplo de este tipo de agente es
Alexa:

http://www.alexa.com

Agentes de
búsqueda inteligentes

En un principio, los sistemas expertos fueron
diseñados para ejecutar consultas en una sola e
independiente base de datos. La aparición de internet ha propiciado el
surgimiento de miles de bases de datos
almacenadas en diferentes direcciones. Obviamente no tiene
ningún sentido recopilar todas las bases de datos
existentes en la Red y almacenarlas en una única dirección, con los problemas de espacio y
coste que esto significaría cada vez que un usuario
decidiese realizar una consulta. Pero tampoco tiene mucho sentido
que un usuario vaya de web en web
buscando en cada una de las bases de datos.

La distribución de la información conduce
a la necesidad de crear un sistema descentralizado de
recuperación de información, que estará
basado en agentes inteligentes, los cuales podrán
localizar, recuperar y almacenar las preguntas en un
«resultado» para un usuario en concreto.

Pero los agentes de información no sólo
son útiles para la recuperación de
información en bases de datos. Hoy día han
evolucionado y se utilizan para realizar búsquedas de
información textual en artículos de revistas
electrónicas o en las páginas
web. Independientemente del tipo de información que se
quiera localizar, los agentes de búsqueda pueden
diferenciarse por la entidad o persona para la
que trabajan: usuarios y/o consultas y/o bases de datos.
También se pueden distinguir por su forma de interactuar,
es decir, si se relacionan libremente todos los agentes para
resolver las consultas, o sólo son unos pocos agentes los
que se relacionan entre sí (mediadores o
principales).

«La integración es un problema para los
sistemas de agentes de información»

Agentes de consulta: un sistema
de agentes orientados a consulta origina uno o más agentes
en respuesta a la pregunta formulada por un usuario. Estos
agentes trabajan en representación del individuo
mientras dura la consulta, recogiendo información de todas
las bases de datos disponibles.

Cuando una persona realiza una pregunta, ésta se
descompondrá en subconsultas para su resolución. Si
los agentes existentes son incapaces de dar una respuesta en toda
su amplitud, se generan nuevos agentes que buscarán en
otras bases de datos. Si aún así la respuesta no es
lo suficientemente amplia, se crearán nuevos agentes hasta
poder ofrecer la respuesta adecuada.

Mata Hari no es sólo un agente de consulta. Es
también un agente inteligente de búsqueda en el WWW
y un agente local a la vez. Funcionará de una forma u otra
dependiendo de la utilidad que cada
usuario le desee asignar.

http://www.thewebtools.com

«La industria del software, con fines
puramente comerciales, nos está presentando aplicaciones
catalogadas como agentes inteligentes que realmente no lo
son»

Agentes de bases de datos: en
el tipo de arquitectura anterior las bases de datos son
depósitos pasivos de información; por contra, en
este sistema pasan a ser agentes activos que
interactúan entre sí. Cada base de datos dispone de
un agente que sabe cómo presentar de forma adecuada las
subconsultas a su base de datos, conociendo a su vez el tipo de
información que se almacena en ella. Los agentes de bases
de datos están organizados en un sistema federado,
teniendo mucha información de otros agentes que componen
el mismo sistema, pero muy poca de aquellos que están en
otras federaciones.

Cuando el agente primario (o facilitador) recibe una
consulta, asigna las subconsultas a aquellos agentes de su propia
federación que él sabe que las satisfarán de
forma adecuada. Si alguna subconsulta no puede ser respondida, el
agente primario la enviará a otras federaciones, se
comunicará con sus agentes primarios y decidirán a
qué agente encargársela para que la
resuelva.

Un ejemplo de este tipo de agente lo podemos encontrar
en:

http://www.clientelle.net

Se trata de un gestor de billetes de avión con
cobertura mundial.

Agentes de consulta de bases de
datos: las bdd y las consultas pueden ambas
tener sus propios agentes con el fin de proporcionar las
respuestas más adecuadas al usuario. Forman una estructura
jerárquica en donde los agentes de consulta poseen
información de las materias almacenadas en cada base de
datos.

Cuando los agentes de consulta reciben una pregunta por
parte del usuario, éstos determinan qué base o
bases de datos contienen esa información y se la entregan
a los agentes primarios de cada una de ellas, siguiendo el
método de
«lo menos costoso».

Por ejemplo, si una consulta consta de dos
términos y hay una base de datos que posee
información sobre uno de ellos, mientras que en otra se
recoge información sobre los dos, los agentes de
búsqueda siempre preferirán la segunda, puesto que
implica menos trabajo y por tanto menos costo. Una vez
que los agentes de bases de datos han recibido la consulta,
éstos la descompondrán en subconsultas y
seleccionarán a los agentes de su federación para
que las resuelvan. Si los términos de búsqueda no
se encuentran en la misma base de datos, distribuirán la
consulta en tantas como sea necesario para
resolverla.

http://www.aft.pfc.forestry.ca/Seidam_Documentation/Systems_Guide/DatabaseQueries.html

En esta dirección se nos ofrece una completa
guía de referencia ilustrada sobre el funcionamiento de
Seidam, un agente de consulta para sistemas que dan soporte a
SQL
(Structured query language).

Agentes mediadores de consulta de bases de
datos: un sistema mediador está basado
en el modelo descrito anteriormente, pero incluye la novedad de
contar con un agente mediador entre el agente de consulta y el de
base de datos. El proyecto
quizá más relevante de este tipo es Macron
(Multi-agent architecture for cooperative retrieval online), de
1995
(Decker).

«Estos sistemas incorporan estrategias de
búsqueda aprendidas de buscadores humanos
expertos»

En este sistema los agentes utilizan información
de internet (grupos de
trabajo, archivos, bases
de datos de revistas, sitios web, etc.). Su arquitectura es
doble. Por una parte cuenta con una estructura
organizacional que usa agentes de razonamiento, agentes de
recuperación en red de bajo nivel y agentes de interfaz de
usuario. Por otra parte tiene una estructura funcional con
unidades tipo pregunta/respuesta conformada por agentes
individuales y un facilitador.

La primera arquitectura proporciona el acceso a las
fuentes de
información (grupos de trabajo, archivos…), mientras que
la segunda se encarga de procesar las preguntas de los usuarios.
En esta estructura el agente gestor de consultas será el
encargado de diseñar el sistema de recuperación de
información y de suministrar a los agentes de tipo
funcional un agente facilitador para la correcta
resolución de las subconsultas.

Agentes de usuario: los agentes
orientados a usuario están asociados a una persona en
concreto. A diferencia de los agentes de consulta, que se generan
cada vez que tienen que realizar una consulta para un individuo,
los agentes de usuario siempre están activos, buscando
información y suministrándosela a su
creador.

«Un agente de información posee las
propiedades: autonomía, sociabilidad, capacidad de
reacción e iniciativa»

Los agentes de consulta son útiles para
recuperar información donde las fuentes son relativamente
estáticas y la información que se busca es dinámica. Por el contrario, los agentes de
usuario son más efectivos cuando se trata de recuperar
información que es relativamente constante, pero cuyas
fuentes son dinámicas. Los agentes de usuario pueden ser
utilizados para recuperar información de bases de datos,
de revistas electrónicas, o incluso de los mensajes
e-mail. Su objetivo es disminuir el trabajo
necesario en la recuperación de la información. En
definitiva, hacer la vida de «su propietario»
más fácil.

Los agentes de usuario pueden aprender a recuperar
información de una forma más pertinente y relevante
mediante realimentación positiva o negativa. Cuando el
agente presenta al usuario los documentos
recuperados, éste podrá indicar si está, o
no, contento con un grupo determinado de ellos. También es
posible realizar el aprendizaje a
través de algoritmos
genéticos, donde el agente no es más que un
conjunto de perfiles. En función de las respuestas, la
idoneidad de los perfiles aumentará o
disminuirá.

http://microsoftsoft.miningco.com/library/weekly/aa031797.htm

Aquí se puede ver cómo funciona un agente
de usuario. Además se ofrece la posibilidad de obtener una
licencia para utilizarlo, tras descargarlo e
instalarlo.

Otra posibilidad es utilizar BullsEye, que al igual que
el anterior podemos descargarlo e instalarlo en nuestro equipo.
No se trata sólo de un agente, sino que en su conjunto son
múltiples agentes al servicio de un
mismo usuario.

http://www.intelliseek.com

Agentes de
búsqueda inteligentes para el web

Tienen la capacidad de hacer transparente la
complejidad de la información almacenada en la Red,
filtrando la información disponible sobre la materia
requerida. Las consultas pueden ser textuales (productos en
concreto, información sobre viajes, etc.)
o por las distintas partes (título, cuerpo…) en que el
world wide web
se representa hoy día. Desgraciadamente la investigación sobre los agentes de
búsqueda en la Red aún está en
pañales. Lo que a continuación se expone es una
serie de aplicaciones cuya cobertura va desde interfaces
generales hasta agentes de compra.

Interfaces web: el usuario
puede realizar la consulta en lenguaje natural (alto nivel), pero
el agente de interfaz crea una memoria intermedia entre el
usuario y elweb, para transformar dicha consulta a bajo
nivel.

Un ejemplo de agente de interfaz web es Softbot
(Etzioni y
Weld, 1995). Se diferencia de
anteriores sistemas, destinados a ayudar al usuario en la
búsqueda y en la recuperación de
información, en que acepta preguntas de alto nivel por
parte del usuario, y es él quien decide qué
procesos de descomposición y consulta realizar para
satisfacer adecuadamente la petición. Gestiona servicios de
información estructurada tales como servidores
meteorológicos, de bolsa, e incluso puede monitorizar
hechos o acontecimientos y enviarlos al usuario de forma
autónoma. Posee la capacidad de moverse en la Red,
comprimir, cambiar protecciones e incluso almacenar ficheros en
formatos distintos y acceder a bases de datos remotas para
obtener información.

«Softbot es altamente autónomo,
reactivo y con una gran capacidad de
iniciativa»

Se puede decir que Softbot es un gestor de consulta
parecido a un gestor de tareas programadas, un planificador que
consigue realizar su trabajo con información incompleta,
un sistema de gestión
que almacena todos los conocimientos que va adquiriendo, y un
modelo de dominio de internet con información codificada
de las acciones permitidas en internet. Es altamente
autónomo, reactivo y con una gran capacidad de iniciativa.
Sus creadores pronostican que las páginas WWW se
convertirán en entidades totalmente transparentes a las
que se accederá por medio de agentes intermediarios como
éste.

Podemos ver las distintas versiones de Softbot que
existen actualmente, e incluso «bajarnos» las que
queramos. Sólo hay un pequeño problema: necesitamos
un sistema operativo
Unix para
hacerlas funcionar:

http://members.xoom.com/alexco9/sftp.htm

Compradores web: la
aparición de la compra en línea ha propiciado el
crecimiento de los sitios web que se dedican a la venta. Se
necesitaría una gran inversión en tiempo (y en dinero, al
precio que se
han puesto las telecomunicaciones) para visitar cada una de las
tiendas en línea y encontrar el mejor precio de un
producto
concreto. Si un grupo de agentes pudiese realizar esta tarea, el
resultado supondría un ahorro
significativo para el comprador. ShopBot es un agente de compra
que se dedica a comparar las características y precios de
los distintos productos que ofrecen las tiendas en línea
(Doorenbos, Etzioni
y Weld,
1996).

Actualmente, bajo este concepto se agrupa una gran
variedad de agentes de internet especializados en un determinado
tipo de productos. Existe un directorio de los mejores robots del
año (compra, seguimiento de programas, robots
de chat…):

http://www.botspot.com/main.html

Los ShopBots utilizan una combinación de
búsquedas heurísticas, modelos de
coincidencia y técnicas
de aprendizaje
inductivo, que les permiten extraer la información de los
vendedores en línea. Posteriormente la compara entre
sí y se la presenta al usuario.

«Darpa está trabajando en
estándares que permitan la comunicación y la
transferencia de conocimientos entre agentes: Kqml y
Kif»

En la fase de aprendizaje, los ShopBots analizan el
sitio de cada vendedor para obtener una descripción de su página. Esta tarea
se realiza sólo una vez por tienda en línea, lo que
implica una falta de actualización en caso de que el
vendedor modifique o cambie por completo el formato de su
página.

Equipado con una batería de URLs de la
página principal de los distintos vendedores, así
como con una descripción de las características que
se pueden utilizar para distinguir los diferentes tipos de
productos y sus variantes (nombre, fabricante, precio, etc.), el
agente es capaz de encontrar y determinar los elementos
requeridos, mostrándoselos al usuario por los siguientes
criterios para que éste decida: adecuación a la
consulta original, presencia del precio del producto e
inclusión de características del mismo en la
descripción. En teoría,
el objeto de compra más adecuado será el que
aparezca en primer lugar.

ShopBot trabaja sólo con textos en html. Si un
vendedor incorpora gráficos o utiliza Java, no
será incluido en su lista de proveedores.
Es más, su cobertura está limitada sólo a
aquellos que suministren un índice de sus productos. Se
está intentado salvar este inconveniente para un futuro
cercano.

Es posible obtener una copia de Shopbot, así
como herramientas
de todo tipo para personalizarlo (en función de los
productos que deseemos adquirir y de los proveedores
disponibles), así como los requerimientos hardware y software
necesarios para que nuestro agente de compra funcione
perfectamente.

http://www.shopbottools.com/faq.htm

Conclusión

La aparición de una serie de agentes que puedan
consultar y recuperar la información por nosotros es
atractiva a la vez que sorprendente. Sin embargo, el sistema de
trabajo de estos agentes, unido a su reducida cobertura, hacen
imposible que, hoy por hoy, puedan ocuparse de un área tan
extensa como es internet.

La integración es un problema para los sistemas
de agentes de información. ¿Cómo crear y
mantener un agente en cada una de las bases de datos de la Red?
¿Cómo utilizar agentes personalizados para cada
usuario y asegurar una buena intercomunicación entre
ellos? Las respuestas a estas preguntas parecen, de momento,
insalvables mientras los webs continúen
realizándose en html y sigan manteniendo su actual
estructura de información.

«Es necesario abandonar el poco operativo,
aunque fácil, lenguaje html para la construcción de páginas web y
adoptar xml»

En la situación actual, un agente
autónomo de información deberá estar
saltando constantemente de página en página para
satisfacer la consulta que se le ha encargado, pues le
resultará imposible comunicarse con otros agentes que se
pueda encontrar en la Red. Igual ocurrirá con un
multiagente de consulta si no consigue dar una respuesta con la
información contenida en su dominio, pues deberá
generar agentes que vayan de web en web hasta que se pueda
responder a dicha consulta.

Darpa (Defense Advanced Research Project Agency)
está trabajando en una serie de estándares que
permitan la comunicación y la transferencia de
conocimientos entre agentes: Kqml, que hace posible la
comunicación entre agentes, y Kif (Knowledge interchange
format), que permite el intercambio de conocimiento en distintos
tipos de formato. El objetivo de estos proyectos es dar
respuesta a las preguntas anteriormente expuestas, pero para
poder conseguir una verdadera solución es necesario
además abandonar el poco operativo, aunque fácil
lenguaje html, para la construcción de páginas web
y adoptar xml.

El desarrollo de
los agentes para la recuperación de la información
es muy deseable. No sólo por el hecho de que exista
demasiada información disponible en la Red para una
persona que desee realizar una consulta, sino porque es mucho
más fácil encargar ésta a un agente y dejar
que él realice el trabajo por nosotros, a la vez que nos
evita la pérdida de tiempo y el tedio de ir
pasando de conexión en conexión.

Bibliografía

4th ACM Conference on intelligent user interfaces.
1998.

http://www.afit.af.mil/workshops/iui.html

Agent-based information retrieval. 1998.

http://www.cs.umbc.edu/abir/#metadata

Bargainbot, 1998.

http://www.ece.curtin.edu.au/~saounb/bargainbot

Internet.com LLC.
1998.

http://www.botspot.com/main.html

Bradley, Phil.
«Intelligent agents on the web». En: Managing
information, 1999, n. 6, pp. 35-41.

Coult, Graham.
«Intelligent agents». En: Managing
information, 1999, n. 6, pp. 33-34.

Decker, K. [et al.].
«Macron: an architecture for multi-agent cooperative
information gathering». En: Proceedings of the Cikm
workshop on intelligent information agents. Baltimore,
1995.

Doorembos, B.; Etzioni, O.
y Weld, D. A
scalable comparison-shopping agent for the world wide web.
Washington, 1996.

Etzioni, O.; Weld, D.
Intelligent agent on the internet: fact, fiction and
forecast. 1995.

Finin, Tim [et
al.]. Kqml – A language and protocol for
knowledge and information exchange.

http://www.cs.umbc.edu/kqml/papers/kbkshtml/kbks.html

Foner, Lenny. What"s an
agent?

http://foner.www.media.mit.edu/people/foner/agents.html

Foner, Lenny. What"s an agent,
anyway?

http://foner.www.media.mit.edu/people/foner/Julia/Julia.html

Foundation for Intelligent Physical
Agents. Agent definition

http://drogo.cselt.stet.it/fipa/fipa_rationale.htm

Franklin, Stan y
Graesser, Art. Introduction to
agent concepts

http://www.agent-software.com.au/agents.html

Franklin, Stan y
Graesser, Art. Is it an agent, or
just a program?

http://www.msci.memphis.edu/~franklin/AgentProg.html

Gadomski, Adam Maria. Agents
and intelligence.

http://wwwerg.casaccia.enea.it/ing/tispi/gadomski/gad-agen.html

Gauch, S. y
Smith, J. B. «An expert
system for information retrieval». En: Journal of the
American Society for Information Science, 1993, n. 44, pp.
124-136.

Gnsi Inc. Clientelle. 1998.

http://www.clientelle.net

Haverkamp, Donna S. y
Gauch, Susan. «Intelligent
information agents: review and challenges for distributed
information sources». En: Journal of the American Society
for Information Science, 1998, n. 49, pp. 304-310.

Hebrew University. What is an agent? 1999.

http://www.cs.huji.ac.il/labs/dai/wkshp/defag.html

Knoblock, C. y
Arens Y. Hsu, C. N.
«Cooperating agents for information
retrieval». En: Proceedings of the Second International
Conference on Cooperative Information Retrieval,
1994.

Lanier, Jaron. Agents of
alienation

http://www.well.com/user/jaron/agentalien.html

Laskari, Yezdi; Metral, Max
y Maes, Pattie.
Collaborative interface agents.

http://agents.www.media.mit.edu/groups/agents/publications/aaai-ymp/aaai.html

Maes, Pattie. Agents that
reduce work and information overload.

http://pattie.www.media.mit.edu/people/pattie/CACM-94/CACM-94.p1.html

Maes, Pattie. Long tutorial
notes on software agents.

http://pattie.www.media.mit.edu/people/pattie/CHI97

Mark, C. Software agents, what
are they?

http://www.geocities.com/ResearchTriangle/Thinktank/4633/Agents_definition.html

Microsoft Corporation. Microsoft
agents. 1999.

http://microsoftsoft.miningco.com/library/weekly/aa031797.htm

Miller, Damien. Three types of
intelligent agents, their uses, and their future.
1998.

http://www.netscapeworld.com/netscapeworld/nw-11-1996/nw-11-agents.html

Mobile agents: white paper at general magic.
1998.

http://www.genmagic.com/technology/techwhitepaper.html

Petrie, Charles. Agent-based
engineering, the web, and intelligence.

http://cdr.stanford.edu/NextLink/Expert.html

Pollitt, A. S.
«Cansearch: an expert system approach to document
retrieval». En: Information Processing and Management,
1987, v. 23, n. 2, pp. 119-136.

Research on Mobile Computing at Purdue.
1998.

http://www.cs.purdue.edu/research/cse/mobile

Seidam Documentation. Seidam. 1998.

http://www.aft.pfc.forestry.ca/Seidam_Documentation/Systems_Guide/DatabaseQueries.html

Smith, P. J. [et
al.]. «Knowledge based search tactics
for an intelligent intermediary system». En: ACM
Transactions of Information Systems, 1996, v. 7, n. 3, pp.
246-270.

Stone, P. y
Veloso, M. Why multiagent
systems? 1996.

http://www.cs.cmu.edu/afs/cs/usr/pstone/public/papers/96ieee-survey/node5.html

Wooldridge, M. y
Jennings, N. R. Intelligent
agents: theory and practice.

http://pattie.www.media.mit.edu/people/pattie/CHI97/sld001.htm

Artículo extraído de Revista El
Profesional de la Información

Abril 1999

Autores:

Pedro Hípola

Benjamín Vargas-Quesada

http://www.ugr.es/~benjamin

Universidad de Granada, Departamento de
Biblioteconomía y Documentación. Campus universitario
Cartuja. 18071 Granada.