Inteligencia Aprende a partir de la secuencia de percepciones y de las consecuencias de las acciones realizadas.

Agente que Aprende

Aprende a partir de la secuencia de percepciones y de las consecuencias de las acciones realizadas.

Se compone de 4 elementos:

Elemento de Actuación: un agente de los anteriores

Elemento de Aprendizaje: mejora al agente

Critica: recompensa o penalización (lo que se hace si está bien o no)

Generador de Problemas: incita la exploración.

Diagram

Representacion del Entorno

Estructuras de datos para representar el entorno en el que habita el agente (estado, modelo, acciones, etc.)

Componentes del Programa Agente

Atómico: sin estructura interna (dato simple) por ejemplo un número.

Factorizado: vector con pares atributo-valor.

Estructurado: objetos con atributos y relaciones con otros objetos (programación orientado  a objetos).

Representacion del entrono

Atomico: búsquedas, juegos, modelos ocultos de Markov, procesos de decisión de Markov.

Factorizado: satisfacción de restricciones, lógica proposicional, planificación, redes bayesianas.

Estructurado: BD relacionales, lógica de 1er orden, razonamiento, aprendizaje, lenguaje natural.

Resolver problemas mediante búsqueda

En donde veremos como agente puede encontrar una serie de acciones que alcance sus objetivos, cuando ninguna acción simple lo hará. Dentro de ellas están:

Agente resolventes-problemas:

Deciden que hacer para encontrar secuencias de acciones que conduzcan a los estados deseables. Un Agente de problemas(Problem Solving Agent) es un tipo de agente basados en objetivos que usa representaciones atómicas.

Observación: Los agentes inteligentes deben maximizar su medida de rendimiento, esto puede simplificarse algunas veces si el agente puede elegir un objetivo y trata de satisfacerlo.

Objetivos:

simplifican los problemas, ya que organizan el comportamiento del agente, limitando sus metas.

El agente deberá descubrir la secuencia de acciones que permita alcanzarlos.

Entonces  los objetivos ayudan a organizar su comportamiento limitado las metas que intenta alcanzar al agente.

El primer paso parar solucionas un problema es la formulación del objetivo, basado en la situación actual y el rendimiento.

En general..

Un agente con distintas opciones inmediatas de valores desconocidos puede decidir que hacer, examinando las diferentes secuencias posibles de acciones que le conduzcan a estados de valores conocidos, y entonces escoger la mejor secuencia parar llegar al objetivo.

Este proceso de hallar esta secuencia se llama búsqueda.

Un algoritmo de búsqueda toma como entrada un problema y resuelve una Solución. De la forma secuencias de acciones.

Una vez que encontramos una solución, se procede a ejecutar las acciones.

Ejecución: llevar a cabo la solución.

Problemas y soluciones bien definidos

Un problema puede definirse por cuatro componentes:

1. El estado inicial en el que comienza el agente. (donde inicia).
2. Una descripción de las posibles acciones disponibles por el agente. La solución más común utiliza la función sucesor.

Un camino en el espacio de estados es una secuencia de estados conectados por una secuencia de acciones.

1. El test objetivo: el cual determina si un estado es el objetivo de un grupo de posibles estados objetivo.
2. Una función costo del camino que asigna un costo numérico a cada camino. El agente resolvente de problemas elige una función costo que refleje nuestra medida de rendimiento.

Importante: los elementos anteriores definen un problema y pueden unirse en una estructura de datos simple que se dara como entrada al algoritmo resolvente del problema.

...