AGENTES INTELIGENTES

Introducción:

La inteligencia artificial tiene como objetivo el estudio de las entidades inteligentes, pero a diferencia de la filosofía, la psicología, y demás disciplinas cuyo objeto de estudio esta relacionado con la inteligencia. La construcción de agentes relacionales como concepto unificador dentro de la inteligencia artificial, constituye el nuevo enfoque de la inteligencia artificial.

¿Que es un agente?

Se puede definir un agente inteligente que sea un software de software que, basándose en su propio conocimiento, se puede usar para lograr las necesidades de un usuario o de otro programa. Todos los agentes inteligentes son programas, pero no todos los programas que realizan búsqueda son agentes inteligentes. los agentes en si mismo son considerados como entidades individuales (partes del programa que tienen control sobre sus propias vidas y movimientos.) 

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 estos se le requiere.

Un agente posee las siguientes propiedades:

• Autonomía
• Sociabilidad
• Capacidad de redaccion
• Iniciativa.
• Benevolencia
• Racionalidad

Aplicaciones de Agentes Inteligentes

• Gestión de riesgos.
• Inteligencia territorial.
• Lanzamiento de productos
• La vigilancia de la competencia.
• La vigilancia de lideres de opinión y del lobbying.
• La vigilancia de las tendencias.

SISTEMAS MULTI AGENTES

Un sistema multiagentes es un sistema que consiste de numero de agentes, en donde ellos interactuan unos con otros. en el caso mas general los agentes estaran actuando para sus respectivos usuarios con objetivos y motivación diferentes. para interactuar exitosamente, los agentes requieren la habilidad de cooperar, coordinarse y negociar unos con otros, tal como lo hacen los seres humanos. 

Áreas relacionadas con los sistemas multiagentes.

• El area de la I.A
• La tecnologia de objetos
• Los sistemas distribuidos
• El computo paralelo
• Las sociedades naturales
• La sociologia y psicologia 

Algunas características de un sistema multiagente

• Capaces de tomar la iniciativa
• Capaces de compartir conocimiento
• Capaces de cooperar y negociar
• Capaces de comprometerse con metas comunes

APRENDIZAJE POR REFUERZO

El método de aprendizaje por refuerzo traza un mapa de las situaciones donde se pueden ejecutar movimientos para así maximizar la señal de recompensa numérica de todas estas posibilidades. El método no refleja directamente que acción va a realizar, él descubre que acción produce una mayor recompensa probando estas acciones, afectando la recompensa inmediata y la recompensa de la próxima situación, traduciéndose este procedimiento en una búsqueda de recompensas por medio de ensayo y error. Los elementos que caracterizan el aprendizaje por refuerzo son una política, una función de recompensa y una función de valor. Algunas variaciones del aprendizaje por refuerzo incluyen un modelo del ambiente. Dentro de este tipo de aprendizaje la política define la manera de actuar de un agente a través de un grupo de reglas de estimulo las cuales mapean los estados y las acciones.

El aprendizaje por refuerzo se tiene dos estados básicos:

• Estados Supervisados: Conocen en todo momento el entorno y por tanto se puede realizar un control óptimo de estados continuos para poder planear todas las posibles acciones que maximice las recompensas.
• Estados no Supervisados: Desconocen gran parte del ambiente y por tanto, los estados conocidos son pocos y el mapeo es realizado sobre la historia inmediata pasada proyectando la mejor política para la ejecución de acciones.

Conclusión

Un agente inteligente se caracteriza por su autonomía en el proceso y el análisis de la información que maneja.

Un agente inteligente puede ser controlado por una persona o por otro agente inteligente.

Bibliografia

Ing. Edgar Alirio Aguirre Buenaventura, MSc. Giovanni Rodrigo Bermúdez Bohórquez. (2000). APRENDIZAJE DE SISTEMAS MULTIAGENTES POR MEDIO DE APRENDIZAJE POR REFUERZO. 2017, de researchgate Sitio web: https://www.researchgate.net/publication/235557950
Giovanni Rodrigo Bermudez Bohórquez. Ingeniero Electricista de la Universidad Nacional de Colombia. Magíster en Ingeniería Electrónica de la Universidad de los Andes. Director del Grupo de investigación en Robótica Móvil Autónoma – ROMA. Director del Centro de Investigaciones y
Desarrollo Científico de la Universidad Distrital. Profesor Asociado de la
Universidad Distrital. Email: gbermudez@udistrital.edu.co