INTRODUCCIÓN
En el anterior blog de inteligencia artificial 1 hablaba sobre los agentes racionales y la manera en la que estos actúan, ahí explicaba sobre los agentes basados en objetivos, este tipo de agentes es muy parecido al agente resolvente de problemas del cual hablaré más adelante.
Cuando hablamos de problema nos referimos a algo que se desea resolver, y los seres humanos tenemos la capacidad de resolver problemas a diario, incluso cuando no nos damos cuenta estamos resolviendo problemas que se nos presentan, por ejemplo, un problema podría ser preparar el desayuno cuando tienes varias opciones. Pero, de qué manera se resuelven los problemas, para resolverlos se debe tomar en consideración las acciones que realicemos y las consecuencias que estas pueden traer.
Un agente resolvente de problemas se encarga de lo dicho anteriormente, analizar las acciones que conlleven una consecuencia objetiva, esa consecuencia objetiva es la solución del problema.
Ya anteriormente hemos hablado de cuál es la finalidad de la Inteligencia artificial y a esta altura, debería quedar bastante claro que esta combinación de ciencias supone una mejora en la vida de los seres humanos. El crear agentes que sean capaces de resolver desde los problemas más simples hasta los más complejos, facilita en gran parte la vida como la conocemos hasta ahora, ya que un agente resolvente de problemas que actué de forma correcta podría dar solución a problemas que impliquen riesgos, en los que ha habido pérdidas humanas.
En sí, no se sabe a ciencia cierta en qué momento este tipo de agentes serán parte de nuestra vida cotidiana, lo que sí se sabe es que conforme la IA tenga avances estamos muy próximos a un rotundo cambio tecnológico.
OBJETIVO
El objetivo de esta entrada es conocer más acerca de los agentes resolventes de problemas y los elementos que los convierten en agentes capaces de alcanzar un objetivo.
MARCO TEÓRICO
QUÉ ES UN AGENTE RESOLVENTE DE PROBLEMAS
Un agente resolvente de problemas es aquel ente que tiene la capacidad de decidir qué es lo que debe hacer para encontrar la secuencia de acciones que le lleven a obtener una solución a un determinado problema. (Russell, S y Norvig, P. 2008).
El gráfico 1 muestra los elementos que el agente resolvente de problemas debe de tener en cuenta siempre, para lograr un objetivo. Las acciones que el agente realice, pueden ser muchas, pero esto no indica que todas sean las correctas, para ello, es necesario emplear algoritmos de búsqueda de solución de problemas, y es importante analizar y escoger el que tenga más ventajas.
Gráfico 1. Elementos del agente resolvente de problemas
Como ya sabemos, la función primordial de los agentes inteligentes, es maximizar su medida de rendimiento, es decir, platearse un objetivo y poder cumplirlo, pero, cómo puede el agente lograr esto, en el siguiente ejemplo se puede entender mucho mejor la forma en la que los agentes inteligentes resuelven problemas en base a un objetivo ya planteado.
Ejemplo:
FORMULACIÓN DEL OBJETIVO Y FORMULACIÓN DEL PROBLEMA
Para que un agente pueda resolver un problema es necesario que siga los dos pasos que indica el gráfico 2.
Gráfico 2. Pasos para resolver problemas
Para un agente es mucho más fácil fijarse un objetivo, que pensar en la infinidad de opciones que ofrece el mundo y luego una vez elegida esta opción fijarse un objetivo y luego volver a formular el problema.
Si se considera que para que un agente sea inteligente, este debe maximizar su medida de rendimiento, y para lograrlo, este debe cumplir su objetivo, entonces se puede decir con seguridad que el primer paso para que el agente cumpla una acción es formularse un objetivo, basándose en la situación actual, entonces simplemente el deber del agente es encontrar cuáles son las acciones que le permiten llegar al objetivo planteado, el segundo paso es decidir qué acciones elegir, y este constituye la formulación del problema.
La formulación del problema debe ir después de la formulación del objetivo debido a que sería mucho más complicado decidir qué estados y acciones se deben considerar para llegar a un objetivo que aún no hemos planteado.
Gráfico 3. El agente y sus opciones
El siguiente proceso luego de formular el objetivo y el problema, es encontrar la solución al mismo, y para ello es necesario otra secuencia de pasos que son explicados en el siguiente gráfico.
Gráfico 4. Proceso de solución de problemas
Es importante tomar en cuenta que para solucionar problemas de ésta forma, el agente debe conocer el estado inicial, para lo cual es necesario conocer su entorno, esto se torna fácil si el agente tiene un entorno totalmente observable y es discreto, en donde no haya soluciones inesperadas por lo cual el agente puede descuidar las percepciones.
Cuando lo dicho anteriormente sucede, ocurre algo que se denomina lazo abierto, y es donde se rompe el lazo entre el agente y las percepciones ya que los agentes están totalmente seguros de lo que pasará.
PROBLEMAS Y SOLUCIONES BIEN DEFINIDOS
¿QUÉ ES UN PROBLEMA?
Un problema puede definirse de manera más clara por sus cuatro elementos que lo componen.
Estado Inicial: Un estado es la situación en la que está una persona o cosa, un objeto observado en particular, generalmente un estado es una situación temporal ya que puede cambiar, un ejemplo sería un foco, puede estar en ocasiones en estado encendido y en ocasiones apagado. Entonces se puede decir que un estado inicial es la situación actual del agente.
Función sucesor: Es la siguiente acción a realizar dentro de una representación abstracta de acciones posibles. Una función sucesor es lo que sigue después de haber hecho algo, es decir las posibles decisiones que se pueden tomar, los distintos caminos que llevan a que un individuo entre en determinados estados. La función sucesor define el espacio de estados que es el conjunto de situaciones que puede tomar un objeto determinado, el conjunto de situaciones posibles que sean válidas y así representan las acciones del objeto determinado.
Test Objetivo: Es el que determina si un estado es el adecuado o no. Cuando hay un conjunto de estados posibles el test objetivo determina cuál de todos ellos es el objetivo.
Costo del camino: Se asigna un costo numérico al camino que se debe recorrer hasta encontrar una solución. En general se puede decir que es la suma de todas las acciones que realiza el agente.
Una vez determinados los cuatro elementos del problema se puede decir que para que una solución sea óptima, no basta con resolver el problema, sino con tener el mínimo costo del camino que recorre el agente hasta llegar a dicha solución.
Ejemplo:
Tiene tres jarros, con capacidades 12 galones, ocho galones, y tres galones, y un grifo de agua. Usted puede llenar los jarros o vaciarlos de uno a otro o en el suelo. Tiene que obtener exactamente un galón.
Estado inicial: Los jarros están sin agua.
Test objetivo: Obtener un galón en total.
Función sucesor:
Llenar la jarra de 12 galones.
Vaciar la de 12 Gl en la de 3 Gl.
Luego vacias lo que queda de la de 12 Gl (9 galones) en la de 8 Gl
La jarra de 12 galones quedaría solo con un galón.
Función costo: Número de pasos que se realizan hasta obtener un galón.
Otra forma de resolver:
Estado inicial: Los jarros están sin agua.
Test objetivo: Obtener un galón en total.
Función sucesor:
Llenar la jarra de 8 galones.
Llenar la jarra de 12 Gl con la de 8 Gl
Se llena de nuevo la jarra de 8 Gl.
Se vacian los 4 Gl que le faltan a la jarra de 12.
Lo que sobra de la jarra de 8GL (4 galones) se vacía en la de 3 galones.
La jarra de 8 Gl tendrá un galón.
Función costo: Número de pasos que se realizan hasta obtener un galón.
Como se puede observar en el ejemplo anterior existen al menos dos formas de llegar al objetivo, sin embargo, lo más optimo sería llegar a la meta realizando la menor cantidad de pasos ya que esto minimiza la función costo o también llamado costo del camino.
FORMULAR LOS PROBLEMAS
Para que un agente pueda resolver un problema como por ejemplo, el del agente que viaja a París y luego debe viajar hacia otro destino, éste no debe tomar en la consideración del estado inicial a factores irrelevantes, como el clima, las carreteras, el tiempo de diversión, entre otras posibles percepciones del mundo, ya que éstas, no le impiden cumplir su objetivo, a este proceso de omisión se le llama ABSTRACCIÓN. (Peréz, R. 2007).
Hablando del agente que viajó a París y que luego debe trasladarse a Burdeos se podría decir que para el viaje son omitidos ciertos estados y también sus acciones respectivas, por ejemplo la conducción de un vehículo y las posibles acciones que esto conlleva.
El objetivo del agente es simple, llegar a Burdeos es decir que su estado simplemente es cambiar de localización por lo tanto mirar por la ventana, cantar, hablar por teléfono, etc., son omitidos.
Imagen 1. Ejemplo de abstracción: El que el agente sea multado no es un factor que determine la llegada a Burdeos, por lo tanto puede ser omitido.
Entonces, teniendo en cuenta cuál es el objetivo de este agente, las acciones a realizar para alcanzar la medida de rendimiento se simplifican
Ejemplo:
La abstracción es útil cuando su uso simplifica el problema original con su descripción de estados, por esto es importante omitir los detalles que no determinan el cambio del objetivo y dejar sólo los que si cambien el mismo.
CONCLUSIÓN
Se puede decir que un agente resolvente de problemas y su racionalidad se asemeja a la inteligencia de un ser humano, ya que al igual que lo hacen las personas, este tipo de agentes eligen la secuencia de acciones que le permiten llevar a un estado objetivo, este estado es una situación en la que el agente desee encontrarse. Un agente resolvente de problemas debe ser capaz de cumplir desde las metas más simples, hasta las más complejas, y debe primero formularse el objetivo al que desee llegar para que después se simplifique el elegir qué acciones le lleven a cumplir dicho objetivo.
El llegar a la meta no es sólo la solución, también importa cómo llegar hasta ella y con qué costo, es importante llegar a un solución que sea óptima, es decir, realizando la menor cantidad de pasos posibles lo que hace que el costo del camino sea más bajo.
BIBLIOGRAFÍA
Berzal, F. s.f. Búsqueda en inteligencia artificial. (En línea). ES. Consultado, 20 de abr.2015. Formato PDF. Disponible en: http://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf
Hermoso, R y Centeno, R. 2010. Inteligencia Artificial. ES. Consultado el 20 de abr. 2015. Formato PDF. Disponible en: www.ia.urjc.es/cms/sites/default/files/userfiles/.../tema01_to_print.pdf
Peréz, R. 2007. Estrategias de resolución de problemas. (En línea). ES. Consultado, 20 de abr.2015. Formato PDF. Disponible en: http://www.unizar.es/ttm/2007-08/ESTRATEGIASI.pdf
Russell, S y Norvig, P. 2008. Inteligencia Artificial Un Enfoque Moderno. 2 ed. España. Pearson Education. p 1242