Buen Comportamiento

Martes, 18 de noviembre del 2014
INTRODUCCION
En esta capitulo, daremos nfasis a los agentes inteligentes los cuales son capaces de
percibir de su entorno las percepciones de manera racional, veremos conceptos importantes
y ejemplos que nos harn entender con mayor precisin todo sobre ellos.
OBJETIVO.
Conocer el entorno de una gente al momento de actuar en un medio.
MARCO TEORICO
Buen comportamiento: El concepto de racionalidad
Un agente racional es aquel que hace lo correcto;

Obviamente, hacer lo correcto es mejor que hacer algo
incorrecto, pero que significa hacer lo correcto? Como
primera aproximacin, se puede decir que lo correcto es
aquello que permite al agente obtener un resultado mejor,
para ello necesita a la descripcin del entorno, de los
sensores y de los actuadores de un agente.
Medidas de rendimiento.- Las medidas de rendimiento incluyen los criterios que

determinan el xito en el comportamiento del agente. Cuando se sita un agente en
un medio, este genera una secuencia de acciones de acuerdo con las percepciones
que recibe.
Hay que insistir en la importancia de utilizar medidas de rendimiento para el buen

funcionamiento que determinara al agente su utilidad y destreza.
Como regla general, es mejor disear medidas de utilidad de acuerdo con lo que se
quiere para el entorno, ms que de acuerdo cmo se cree que un agente debe de
comportarse.
Racionalidad.- Un agente racional deber emprender aquella accin que

supuestamente maximice su medida de rendimiento, basndose en las evidencias
aportadas por la secuencia de percepciones y en el conocimiento que el agente
mantiene almacenado.
Un agente racional es aquel que acta con la intencin de alcanzar el mejor

resultado
o,
cuando
hay
incertidumbre,
el
mejor
resultado
esperado.
Particularizando sobre lo que nos concierne, los agentes informticos deben

encontrarse dotados de caractersticas que aporten una mayor operatividad respecto
a los programas convencionales, ya sea mediante atributos que los distingan,
controles autnomos de percepcin de su entorno y adaptacin a ste ante cambios
que puedan acontecer y repercutan de algn modo en su actuacin, mediante una
duracin prolongada de su funcionalidad y de una persistencia mayor en los
resultados generados en el tiempo, y por ltimo, de una fiabilidad completa en la
consecucin de los objetivos marcados.
Omnisciencia, aprendizaje y autonoma

La Omnisciencia: Ser omnisciente o clarividente no nos hace inteligentes, y la
omnisciencia trata de esto, es la capacidad que tendr un agente, de saber
absolutamente todo, hasta lo que ocurrir en el futuro, es decir, tener todo calculado.
Un ejemplo de que los agentes no aplican la omnisciencia es cuando una persona cruza
desea saludar a un amigo que se encuentra del otro lado de la calle, lo que hara una
persona racional es ver si se puede cruzar o no la calle, pero siempre debemos tener en
cuenta que pueden pasar si cruzamos la calle de manera racional.
El aprendizaje: Para que un agente se pueda considerar racional necesita percibir y

aprender sobre sus percepciones.
Existen agentes que siguen solamente la secuencia de percepciones pero en este caso el
agente debe tener la capacidad de percibir y aprender en conjunto, como por ejemplo
los pajaritos cuando estn construyendo sus nidos buscan ramitas para tener a sus
huevos y si algo les pasara en el trayecto de la construccin no se rinden siguen en
busca de su objetivo de terminar lo que empezaron, es decir no aprenden sobre las
percepciones.
La autonoma: Para que un agente se considere autnomo necesita centrarse en las

percepciones del medio en que se encuentre es decir, los agentes autnomos no
se guan por reglamentos externos impuestos.
CONCLUSIN.
En conclusin se podra acotar que un agente racional es el que acta de acuerdo a las
percepciones que se le presentan en el ambiente en el que se encuentre tomando una
decisin dependiendo de lo que crear conveniente ejecutar al momento de tomar decisiones,
logrando as alcanzar el resultado ms conveniente ante posibles problemas que se le vayan
presentando a lo largo de un tareas especifica.
BIBLIOGRAFIA.
Inteligencia Artificial un enfoque moderno, 2da Ed.pd
Russell, Stuart y Norvig, Peter (2005): Inteligencia Artificial: Un Enfoque Moderno,

2da Edicin. Pearson Prentice Hall

Buen Comportamiento

Cargado por

Copyright:

Formatos disponibles

Buen Comportamiento

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Buen Comportamiento

Cargado por

Copyright:

Formatos disponibles

Martes, 18 de noviembre del 2014

Un agente racional es aquel que hace lo correcto;

Medidas de rendimiento.- Las medidas de rendimiento incluyen los criterios que

Hay que insistir en la importancia de utilizar medidas de rendimiento para el buen

Racionalidad.- Un agente racional deber emprender aquella accin que

Un agente racional es aquel que acta con la intencin de alcanzar el mejor

Particularizando sobre lo que nos concierne, los agentes informticos deben

Omnisciencia, aprendizaje y autonoma

El aprendizaje: Para que un agente se pueda considerar racional necesita percibir y

La autonoma: Para que un agente se considere autnomo necesita centrarse en las

Inteligencia Artificial un enfoque moderno, 2da Ed.pd

Russell, Stuart y Norvig, Peter (2005): Inteligencia Artificial: Un Enfoque Moderno,

También podría gustarte