Existe un sin número de tipos de entorno utilizados en la IA.

Tipos de entornos

Existe un sin número de tipos de entorno utilizados en la IA.

Principales tipos de entorno

Totalmente observables vs Parcialmente observable.

Un entorno de trabajo es totalmente observable si los sensores detectan todos los aspectos que son relevantes en la toma de decisiones, recordemos que la relevancia dependerá de las medidas de rendimiento. Por otro lado un entorno puede ser parcialmente observable debido al ruido y cuando los sensores son poco exactos, por ejemplo un taxi automatizado no puede saber que están pensando otros conductores o un agente aspiradora no puede saber si hay suciedad en otra cuadricula con un solo sensor local.

Determinista y estocástico, un entorno es determinista si el estado del medio está totalmente determinado por el estado actual y la acción ejecutada por el agente. Esto quiere decir que un agente no tiene por qué preocuparse de la incertidumbre si el medio es totalmente observable y es determinista. Por otro lado si el medio es parcialmente observable entonces es estocástico. Por ejemplo un taxi automatizado es claramente estocástico en este sentido, ya que no se puede predecir el comportamiento del tráfico, más aun, una llanta puede reventarse y el motor puede fallar. Por ejemplo del mundo de la aspiradora es determinista como ya se ha descrito, sin embargo puede incluir elementos estocásticos como la aparición de suciedad aleatoria y un mecanismo de succión ineficiente.

Episódico vs secuencial. Un entorno es episódico cuando el agente divide su experiencia en episodios y la percepción del siguiente no depende de episodios previos, otra característica importante es que la elección de la acción depende solo del episodio mismo. La mayoría de las tareas de clasificación de consideran episódicas, por ejemplo, un agente que se selecciona partes defectuosas en una cadena de producción basa su decisión en la parte que está evaluando sin tomar en cuenta las decisiones previas, más aun la decisión actual no afecta a la próxima. Por otro lado en entornos secuenciales la decisión presente puede afectar a las siguientes, por ejemplo el ajedrez y el taxista, pues en ambos casos las acciones a corto plazo pueden afectar a las presentadas a largo plazo.

Estático vs dinámico. Si el entorno puede cambiar cuando el agente esta deliberado, dice que es dinámico, de otra forma se dice que es estático. Los ambientes estáticos son muy sencillos de diseñar pues el agente no requiere estar al pendiente del mundo que le rodea mientras esta tomando una decisión, en cambio los medios dinámicos siempre están preguntando al agente que es lo que desea hacer. Si el entorno no cambia con el tiempo pero el rendimiento del agente sí, entonces se dice que es semidinamico. El taxi automatizado es dinámico pues mientras el taxi se está moviendo el algoritmo analiza la próxima acción, en cambio el ajedrez es semidinamico cuando se juega contra reloj.

Discreto vs continúo. Un medio con estados discretos es el juego de ajedrez, ya que tiene un numero finito de percepciones y acciones, en cambio el taxi automatizado define un entorno continuo en la velocidad, ubicación, tiempos de llegada, ángulos de dirección, et. Las imágenes obtenidas por una cámara son estrictamente discretas, pero se tratan como representaciones continuas de localización e intensidad.

Agente individual vs multiagente. Un agente resolviendo un crucigrama por sí mismo es claramente un entorno de agente individual por otro lado el juego de ajedrez está en un entorno donde interactúan dos agentes. Es importante mencionar que entender un entorno multiagente depende del tipo de interacción con otro entre, la pregunta que nos debemos hacer es ¿tiene el agente a (por ejemplo el agente taxista) que trata un ente B (otro vehículo) como un agente, o puede tratarse meramente como un objeto con un comportamiento estocástico? Por ejemplo, ¿el comportamiento B esta mejor descrito por la maximización de una medida de rendimiento cuyo valor depende del comportamiento de A?, por ejemplo, en el ajedrez, la entidad oponente B busca maximizar su medida de rendimiento, lo cual minimiza el rendimiento del agente A.

...