Agents intel·ligents
Definició d'agent intel·ligent
Un agent intel·ligent és qualsevol entitat que percep el seu entorn a través de sensors i actua sobre ell a través d'actuadors, amb l'objectiu de maximitzar una mesura de rendiment.
Aquesta definició, de Russell i Norvig (l'obra de referència "Artificial Intelligence: A Modern Approach"), és deliberadament àmplia: engloba des d'un termòstat fins a un robot humanoide, passant per un assistent virtual o un agent de trading financer.
La clau és el concepte d'agent racional: no n'hi ha prou amb actuar, cal actuar de la forma correcta donat el que sap i el que ha percebut.
Arquitectura PEAS
Per caracteritzar completament un agent, usem el marc PEAS:
| Lletra | Significat | Pregunta |
|---|---|---|
| P | Performance measure | Com mesurem l'èxit de l'agent? |
| E | Environment | En quin entorn opera l'agent? |
| A | Actuators | Com pot actuar sobre l'entorn? |
| S | Sensors | Què percep l'agent? |
Exemples pràctics d'anàlisi PEAS:
Cotxe autònom (Tesla Autopilot): - P: seguretat (zero accidents), temps de trajecte, eficiència energètica, confort del passatger - E: carreteres urbanes i autopistes, altres vehicles, vianants, senyalització, clima variable - A: accelerador, frenada, direcció, llums, botzina - S: càmeres (8), radar, ultrasons, GPS, dades d'actualització OTA
Assistent virtual (Claude, ChatGPT): - P: satisfacció de l'usuari, precisió de la resposta, absència d'al·lucinacions, seguretat - E: interfície de text/veu, internet (opcional), historial de conversa - A: generació de text, execució de codi (tool use), cerca web - S: text d'entrada de l'usuari, historial de conversa, context del sistema
Robot de magatzem (Amazon Kiva): - P: productes per hora, errors de picking, col·lisions zero - E: magatzem estructurat, passadissos, altres robots, humans ocasionals - A: motors de desplaçament, braç robòtic, ventoses, plataforma elevadora - S: sensors de proximitat, càmeres de visió artificial, codi QR del terra, RFID
Tipus d'entorns
Els entorns on operen els agents es classifiquen segons diverses dimensions:
| Dimensió | Opcions | Exemple |
|---|---|---|
| Observabilitat | Completament observable / Parcialment observable | Escacs vs. Pòquer |
| Determinisme | Determinista / Estocàstic | Laberint sense atzar vs. Trànsit real |
| Episodicitat | Episòdic / Seqüencial | Classificació d'imatges vs. Joc d'escacs |
| Dinamisme | Estàtic / Dinàmic / Semidinàmic | Creuer de paraules vs. Conducció |
| Continuïtat | Discret / Continu | Escacs vs. Robòtica |
| Agents | Individual / Multi-agent | Solitari vs. Subhastes en línia |
Tipus d'agents per arquitectura
Agent de reflexos simples (Simple Reflex Agent) Actua únicament basant-se en la percepció actual, sense memòria. Implementat com a conjunt de regles IF-THEN. Exemple: termòstat, semàfor sensor.
Agent de reflexos basat en model (Model-based Reflex Agent) Manté un estat intern del món (model del món). Pot actuar en entorns parcialment observables. Exemple: aspiradora que recorda quines cel·les ha netejat.
Agent basat en objectius (Goal-based Agent) Combina el model del món amb objectius explícits. Planifica una seqüència d'accions per assolir-los. Exemple: planificador de rutes GPS.
Agent basat en utilitat (Utility-based Agent) Assigna una puntuació d'utilitat a cada estat possible. Maximitza l'utilitat esperada quan hi ha conflictes entre objectius o incertesa. Exemple: agent de trading financer.
Agent que aprèn (Learning Agent) Millora el seu rendiment a través de l'experiència. Compost de: element d'aprenentatge, element de rendiment, crític i generador de problemes. Exemple: sistemes de recomanació de Netflix o Spotify.
graph TD
AG[Agent Intel-ligent] --> RS[Reflexos Simples]
AG --> RM[Reflexos amb Model]
AG --> GO[Basat en Objectius]
AG --> UT[Basat en Utilitat]
AG --> LA[Agent que Aprèn]
RS --> EX1[Exemple: Termòstat]
RM --> EX2[Exemple: Robot aspiradora]
GO --> EX3[Exemple: GPS navigation]
UT --> EX4[Exemple: Agent trading]
LA --> EX5[Exemple: Netflix Recommender]Miniactivitat — AC5071/01/02
Tria un dels següents sistemes i realitza una anàlisi PEAS completa (mínim 3 elements per cada lletra), classificació del tipus d'entorn i determinació del tipus d'agent:
- a) Sistema de recomanació de Spotify
- b) Drone de lliurament d'Amazon Prime Air
- c) Sistema de moderació automàtica de comentaris de Twitter/X
- d) Robot cirurgià da Vinci
Entrega el resultat en format taula a l'aula virtual.