Arquitecturas deliberativas (1ra. Parte)

Agentes que toman las decisiones basándose en la deducción lógica y son llamados agentes deliberativos.

Las arquitecturas deliberativas siguen la corriente de la Inteligencia Artificial simbólica, que se basa en la hipótesis enunciada por Newell y Simons, según la cual un sistema de símbolos físicos capaz de manipular estructuras simbólicas puede exhibir una conducta inteligente. Para ello es necesario describir los objetivos y medios de satisfacerlo, y como realizar la traducción del nivel de conocimiento al nivel simbólico.

Y suelen basarse en la teoría clásica de los sistemas de producción: dado un estado inicial, un conjunto de operadores y un estado objetivo; la deliberación del agente consiste en determinar que camino o pasos debe encadenar para lograr su objetivo, siguiendo un enfoque descendente (del objetivo a los hechos). Un ejemplo de planificador de este tipo son los Softbots, cuya misión es ayudar a los usuarios a realizar las tareas típicas de UNIX.

Agentes deliberativos: incluye modelo simbólico del entorno mas la capacidad de razonamiento lógico. Donde el estado interno del agente se representa como una base de conocimiento expresada en la lógica de predicados

Sea:
L el conjunto de sentencias en lógica de primer orden
Y
B = P(L), el conjunto de posibles bases de conocimiento, donde el estado interno de un agente será un elemento de B

Funciones del agente:
Percepción: E --> P
Siguiente: B x P --> B
Acción: B --> A

Función de decisión.

Las acciones del agente se modelan mediante un conjunto de reglas de producción o deductivas (R).

Donde la base de conocimientos del agente (BC) y las reglas ( R ) deben codificarse de forma que:

Si el predicado ejecutar (a) puede ser derivados de BC mediante R entonces a es la mejora acción que puede realizar el agente.

Donde función acción cumplirá:
a --> A, si R --> BC entonces ejecutar (a)


Ventajas:
• Estrategia de decisión representada de forma clara y elegante.
• Toma de decisiones como representación de teoremas.

Desventajas:
• Complejidad computacional.
• Dificultad en la representación de ciertas percepciones basadas en imágenes, en tiempo real, etc. Lo que la hace de difícil aplicación a entornos dinámicos y complejos.