INTRODUCCION.
En el siguiente tema daremos a conocer el buen
comportamiento en sentido del concepto de racionalidad, para ello tomaremos en
cuento los agentes racionales ya mencionados con anterioridad. Obviamente se
dará a conocer lo que es correcto en el conocimiento en un agente racional, así
definiremos de forma algo precisa lo que es la racionalidad y su buen
comportamiento.
MARCO TEORICO.
BUEN
COMPORTAMIENTO: EL CONCEPTO DE RACIONALIDAD.
Un
agente racional aquel que hace lo correcto; en términos conceptuales, cada
elemento de la tabla que define la función del agente se tendría que rellenar
correctamente. Obviamente, hacer lo correcto es mejor que hacer algo
incorrecto, pero ¿qué significa hacer lo correcto? Como primera aproximación,
se puede decir que lo correcto es aquello que permite al agente obtener un
resultado mejor. Por tanto, se necesita determinar una forma de medir el éxito.
Ello, junto a la descripción del entorno y de los sensores y actuadores del agente,
proporcionara una especificación completa de la tarea que desempeña el agente. Dicho
esto, ahora es posible definir de forma más precisa que significa la
racionalidad.
MEDIDAS DE RENDIMIENTO.
Las medidas de rendimiento incluyen los criterios que
determinan el éxito en el comportamiento del agente. Cuando se sitúa un agente
en un medio, este genera una secuencia de acciones de acuerdo con las
percepciones que recibe. Esta secuencia de acciones hace que su hábitat pase
por una secuencia de estados. Si la secuencia es la deseada, entonces el agente
habrá actuado correctamente. Obviamente, no hay una única medida adecuada para
todos los agentes. Se puede preguntar al agente por su opinión subjetiva acerca
de su propia actuación, pero muchos agentes serían incapaces de contestar, y
otros podrían engañarse a si mismos3. Por tanto hay que insistir en la
importancia de utilizar medidas de rendimiento objetivas, que normalmente
determinara el diseñador encargado de la construcción del agente.
RACIONALIDAD.
La racionalidad en un momento determinado depende de
cuatro factores:
·
La medida de
rendimiento que define el criterio de éxito.
·
El conocimiento del
medio en el que habita acumulado por el agente.
·
Las acciones que el
agente puede llevar a cabo.
·
La secuencia de
percepciones del agente hasta este momento.
Esto nos lleva a la definición de agente racional:
En cada posible secuencia de percepciones, un agente
racional deberá emprender aquella acción que supuestamente maximice su medida
de rendimiento, basándose en las evidencias aportadas por la secuencia de
percepciones y en el conocimiento que el agente mantiene almacenado.
OMNISCIENCIA, APRENDIZAJE Y
AUTONOMIA.
·
Es necesario tener
cuidado al distinguir entre racionalidad y omnisciencia. Un agente omnisciente
conoce el resultado de su acción y actúa de acuerdo con él; sin embargo, en
realidad la omnisciencia no es posible. Considerando el siguiente ejemplo:
estoy paseando por los Campos Elíseos y veo un amigo al otro lado de la calle.
No hay tráfico alrededor y no tengo ningún compromiso, entonces, actuando
racionalmente, comenzaría a cruzar la calle. Al mismo tiempo, a 33.000 pies de
altura, se desprende la puerta de un avion4, y antes de que termine de cruzar
al otro lado de la calle me encuentro aplastado. ¿Fue irracional cruzar la
calle? Seria de extrañar que en mi nota necrológica apareciera (Un idiota
intentando cruzar la calle). Este ejemplo muestra que la racionalidad no es lo
mismo que la perfección. La racionalidad maximiza el rendimiento esperado,
mientras la perfección maximiza el resultado real.
·
La definición
propuesta implica que el agente racional no solo recopile información, sino que
aprenda lo máximo posible de lo que está percibiendo. La configuración inicial del
agente puede reflejar un conocimiento preliminar del entorno, pero a medida que
el agente adquiere experiencia este puede modificarse y aumentar. Hay casos
excepcionales en los que se conoce totalmente el entorno a priori. En estos
casos, el agente no necesita percibir y aprender; simplemente actúa de forma
correcta. Por supuesto, estos agentes son muy frágiles. Considérese el caso del
humilde escarabajo estercolero. Después de cavar su nido y depositar en el sus
huevos, tomo una bola de estiércol de una pila cercana para tapar su entrada.
Si durante el trayecto se le quita la bola, el escarabajo continuara su
recorrido y hará como si estuviera tapando la entrada del nido, sin tener la
bola y sin darse cuenta de ello. La evolución incorporo una suposición en la
conducta del escarabajo, y cuando se viola, el resultado es un comportamiento
insatisfactorio. La avispa cavadora es un poco más inteligente. La avispa
hembra cavara una madriguera, saldrá de ella, picara a una oruga y la llevara a
su madriguera, se introducirá en la madriguera para comprobar que todo está
bien, arrastrara la oruga hasta el fondo y pondrá sus huevos. La oruga servirá
como fuente de alimento cuando los huevos se abran. Hasta ahora todo bien, pero
si un entomólogo desplaza la oruga unos centímetros fuera cuando la avispa está
revisando la situación, esta volverá a la etapa de (arrastre) que figura en su plan, y
continuara con el resto del plan sin modificación alguna, incluso después de
que se intervenga para desplazar la oruga. La avispa cavadora no es capaz de
aprender que su plan innato está fallando, y por tanto no lo cambiara.
·
Se dice que un agente
carece de autonomía cuando se apoya más en el conocimiento inicial que le
proporciona su diseñador que en sus propias percepciones. Un agente racional debe
ser autónomo, debe saber aprender a determinar cómo tiene que compensar el
conocimiento incompleto o parcial inicial. Por ejemplo, el agente aspiradora
que aprenda a prever donde y cuando aparecerá suciedad adicional lo hará mejor
que otro que no aprenda. En la práctica, pocas veces se necesita autonomía
completa desde el comienzo: cuando el agente haya tenido poca o ninguna
experiencia, tendrá que actuar de forma aleatoria a menos que el diseñador le
haya proporcionado ayuda. Así, de la misma forma que la evolución proporciona a
los animales solo los reactivos necesarios para que pueda sobrevivir lo
suficiente para aprender por ellos mismos, sería razonable proporcionar a los
agentes que disponen de inteligencia artificial un conocimiento inicial, así
como de la capacidad de aprendizaje. Después de las suficientes experiencias
interaccionando con el entorno, el comportamiento del agente racional será
efectivamente independiente del conocimiento que poseía inicialmente. De ahí,
que la incorporación del aprendizaje facilite el diseño de agentes racionales
individuales que tendrán éxito en una gran cantidad de medios.
CONCLUCION.
En conclusión
podemos decir que el buen comportamiento se da en dependencia al medio o en si
a los actuadores del agente, pero más aun de su nivel de racionalidad.
Esto
se logra resaltar por medio de la media de rendimiento, así mismo ya dicho su
racionalidad dado esto se puede lograr un mejor comportamiento si el agente
logra aprender de sus actos.
BIBLIOGRAFIA.
Russell,
S., Norvig, P. 2008. Inteligencia Artificial Un Enfoque
Moderno. Segunda Edición. Pearson Education. España.
No hay comentarios.:
Publicar un comentario