Sistemas basados en la cooperación

La cooperación se basa en que ningún agente tiene la información (experticia, recursos, etc.) para resolver completamente el problema. Donde el concepto de agente es demasiado amplio y por él puede entenderse lo mismo un grupo sistemas de expertos, un grupo de nodos de procesos, un grupo de actores o como fuentes de conocimientos.

En el sentido mas general, son sistemas que participan activamente en la coordinación de actividades. Y se persigue la interacción de hombres y máquinas como agentes inteligentes dentro de un sistema para conformar una entidad inteligente que permita enfrentar los problemas. Se sustituye la estructura jerárquica por una heterarquica donde el más capaz recibe el control.

Estos sistemas se utilizan conectados en red y su objetivo no es solo compartir recursos o base de datos (modo pasivo), sino también compartir conocimientos (modo activo).

Trabajo en RED
Pasivos: comparten recursos (textos, datos, periféricos)
Activos: comparten conocimientos (decisiones)

Modo activo: Los conocimientos no son la BC de un experto sino la modulación conceptual de los procedimientos de cooperación hombre máquina para que el sistema monitoree la actuación de los agentes (humanos o máquinas) y pueda resolver cierto tipos de problemas.

Desde que se implanta una red se está desarrollando un sistema de trabajo cooperativo pasivo cuyo objeto es compartir recursos y la interacción hombre máquina consiste en compartir el software por varios usuarios a la vez, lo cual permite una interacción directa de forma remota, varias personas pueden trabajar sobre un mismo documento o BD, pero el sistema como tal no actúa en el proceso, no facilita el trabajo de las personas que intervienen.

El diseño de un entorno para trabajo cooperativo se ha de basar en el conjunto de “procedimientos” que la organización acepta como válidos para lograr sus objetivos.

Procedimientos de cooperación: “conjunto de reglas del juego”, que integran el aporte de cada uno de los integrantes y refleja los puntos de cooperación hombre-máquina. Se formulan los criterios con los que el grupo está dispuesto a colaborar. En el modo activo es el sistema quien facilita la comunicación de datos y textos (red pasiva), toma “conciencia” de la estructura del problema a resolver y participa en su resolución, por ejemplo, evaluando el estado de resolución en curso, analizando las diferencias entre el plan de actuación previsto y el real o decidiendo que las aportaciones o respuestas de los agentes humanos son admisibles o no.

La solución cooperativa para problemas distribuidos (SCPD): se basa en el estudio de como un grupo de solucionadores de problemas (agentes o nodos) desacoplados y descentralizados pueden trabajar conjuntamente para resolver problemas, con capacidades superiores a aquellas que puede enfrentar cualquier agente (o nodo de una red) conforme a sus capacidades individuales. Los agentes o nodos son capaces de solucionar problemas sofisticados y pueden trabajar independientes, sin embargo no pueden formar una solución global del problema, si no existe una cooperación entre ellos.

En este caso los agentes son nodos de un proceso o de una red. Los mismos tendrán una posición definida dentro de ese proceso (su participación) y estarán conectados, interactuando, con los demás agentes. Cada agente es capaz de resolver tareas locales propias de su experticia

Los SCPD tienen la ventaja que los agentes pueden trabajar en paralelo
Incrementar la variedad de soluciones. Cada agente puede proponer varias soluciones independientes, las cuales podrían ser analizadas (combinadas) por otros agentes.

Los agentes pueden servir de críticos a las propuestas de otros agentes, o tener otro punto de vista a la hora de compatibilizar los criterios basados en su pericia sobre el tema donde converge la pericia del otro (temas que se solapan).

Agentes:
Segmentos de programas
Computadoras en RED
Expertos

En general la IAD. Se basa en la distribución de datos y conocimientos para llegar a una solución de problemas de forma que los distintos agentes sean identificados como resolvedores locales de problemas. Lo cual tiene las siguientes ventajas:

1) Como resolver iteraciones entre los problemas a ser resueltos por los diferentes agentes.
2) Como controlar las actividades entre los agentes para explotar el paralelismo.
3) Como integrar los resultados parciales para obtener un resultado global final.

Muchos problemas son esencialmente distribuidos. El conocimiento necesario para resolver un problema puede estar distribuido en varios sitios, por lo que tendríamos que un agente individual podría resolver el problema pero requeriría demasiado tiempo y se asumirían demasiados riesgos en cuanto a fiabilidad al concentrar toda la responsabilidad en ese agente. Por lo que la resolución distribuida de problemas puede ser la solución a estos casos.

La resolución distribuida de problemas requiere de tres fases:

1) División del problema en subproblemas.
– Requiere además la asignación de subproblemas a agentes específicos.

2) Resolución de los subproblemas.
– Los agentes pueden funcionar independientemente o bien compartir tareas o resultados.

3) Combinación de las soluciones.
– Al igual que en la fase de división, es necesario establecer de quien es la responsabilidad en esta fase y si se requiere un agente de coordinación.

La resolución distribuida de problemas en sistemas multiagentes solo es apropiada cuando los agentes tienen capacidades de comunicación sobre las que pueden establecerse estrategias de cooperación y negociación.

Sistemas multiagentes

Son entornos poblados con mas de un agente inteligente donde cada uno de ellos es capaz de tomar sus propias decisiones para alcanzar sus objetivos. Lo que implica tener en cuenta el nivel de cooperación y coordinación entre los distintos agentes y las vías de comunicación.

Descomposición de tareas.

Uno de los problemas de la IAD es como representar los problemas ya que la descomposición de los mismos depende en gran medida de su formulación. La descripción debe incluir la información sobre las características y atributos del problema así como del dominio y del entorno del problema. Una vez dada la descripción de una tarea, la descomposición de una tarea y asignación de subtareas a múltiples agentes se debe tener en cuenta que los agentes tengan capacidad para llevarla a cabo y disponibilidad de recursos.

Las técnicas más empleadas para realizar una descomposición automática de las tareas por parte de los agentes son:
• Tareas inherentes descomponibles: la propia descripción de la tarea incluye su descomposición.
• Descomposición por el programador: esto es muy común en los SCPD
• Planificación jerárquica: es uno de los sistemas más empleados para descomponer de forma automática. Las tareas se definen en forma de planes que satisfacen unos objetivos y da lugar a arboles Y/O. Un plan contiene subplanes.
• Agregación de subtareas: enfoque ascendente en vez del enfoque descendente en la descomposición.

Los agentes que interactúan en un entorno de software son los llamados softbots (software robots), o knowbots y se definen como agentes inteligentes o asistentes personales electrónicos, también son considerados como robots que habitan en el ciberespacio.

Y es en Internet donde los agentes parecen tener mayor oportunidad de éxito al permitir automatizar la búsqueda de un producto en las mejores condiciones de venta a través de múltiples vendedores simultáneamente. Lo cual permitiría reducir la búsqueda por parte de los compradores a través de numerosas tiendas en línea y ofrecerle un conjunto de variadas ofertas que sean eficientes económicamente.

Por otra parte los agentes realizan comparaciones en línea de forma mas eficiente que las efectuadas convencionalmente, y favorecen la competencia entre empresas productoras.

Otra aplicación es sugerirle al cliente productos basados en la preferencia de otros clientes con gustos similares. También tenemos los agentes intermediarios, los cuales debido a la fragmentación del mercado y la diversidad de proveedores, es posible dividirlos en una serie de componentes para que los intermediarios se ocupen de uno de esos componentes e insertares entre los compradores y vendedores.

Sistemas de comercio electrónico: comprenden desde simples servicios de compra en línea a infraestructura más complejas que proporcionan una amplia gama de servicios.

Estos sistemas implementan un o varias de las etapas siguientes:
1. Identificación de las necesidades del comprador.
2. Elección del producto a comprar.
3. Elección del vendedor donde se realizara la compra.
4. Negociación
5. Compra y envío.
6. Uso y evaluación del producto adquirido.

Para su mejor comprensión los agentes se clasifican en:
1. Agentes de recomendación.
2. Agentes de compra comparativa
3. Agentes notificadores
4. Agentes observadores
5. Agentes de negociación

Agentes de recomendación: tienen como misión realizar recomendaciones a los usuarios de productos que podrían interesarles, basándose en su perfil y en el conocimiento del contexto del negocio. Ejemplo: FireFly.

Agentes de compra comparativa: su objetivo es encontrar al comerciante que ofrece las mejores condiciones de compra de un producto deseado por el usuario. Ejemplo: Bargain Finder.

Agentes notificadores: son los encargados de notificar a sus usuarios la aparición o detección de productos acordes a sus preferencias o necesidades. Ejemplo: Jango.

Agentes observadores: son los que se dedican a observar la información relevante a un usuario para luego notificársela. Ejemplo FishWrap.

Agentes de negociación: pretenden trasladar al mercado electrónico los procesos de negociación que se producen normalmente a la hora de realizar una transacción comercial. Para la cual existen agentes compradores y vendedores que colaboran para llegar a algún acuerdo en a las condiciones de adquisición de un producto. Ejemplo: Kasbah.

Un agente de recomendación es capaz de encajar su rendimiento a una preferencia individual aprendiendo de la conducta pasada del usuario. Un número de aplicaciones Internet ayudan al tener habilidad de aprender. Probablemente el mas conocido es el sistema de recomendación de música Firefly.

Originalmente fue llamado servicio de recomendación de música HOMR y fue desarrollada por Agentes Inc.. Es un agente de software capaz de comunicarse con otros usuarios y recomendar música que sabe que disfrutará.

Firefly aprende de sus opiniones e influencia y utiliza esa información para servir mejor sus necesidades. Usa los gustos, opiniones, preferencias e idiosincrasia aún más similares a Ud. en orden a sugerirle nueva música que le podría gustar también. Es el mas usado y exacto y mucha gente lo usa, llegando a ser uno de los más listos.

El efecto ‘aprender’ es ayudado a ser incrementado por la exactitud de las predicciones. Sin embargo este es conseguido por el usuario ingresando mas información sobre él mismo/ella misma.

La predicción está basada sobre correlaciones con lo que otra gente dice, lo que ellos disfrutan escuchando, y aquí entra la inteligencia artificial. Cuando un nuevo artista es añadido al sistema, este no será incluido en las recomendaciones hasta que otra gente haya provisto ratings al artista.

Yahoo usa la tecnología FireFly para personalizar su generador de listas “top” de música y películas.

Otros agentes tales como el Similarities Engine y el WebHunter funcionan de una manera similar. Otra clase de agentes, los cuales ayudan a tener la capacidad de aprender incluye aplicaciones de computadora las cuales automatizan tareas repetitivas. Como el volumen de mensajes electrónicos incrementa, hay un gran potencial de mercado para agentes inteligentes los cuales ayudan a los usuarios a manejar esa información.

NewsWeeder usa técnicas de aprendizaje para encontrar interesantes paginas de web y artículos Usenet. Similarmente, esta aplicación depende de lo que los usuarios digan que encuentren interesante. Muchos pueden encontrar esto molesto. Tal vez un método más útil de encontrar si un articulo es interesante puede ser más efectivo.

The Similarities Engine. Este sistema le recomienda música para que usted pruebe, después de que usted ingresa los nombres de sus discos favoritos. Simplemente ingresa el nombre de los cinco CDs que actualmente son sus favoritos. Dentro de un pequeño período de tiempo usted recibirá sus resultados como un mensaje en el correo electrónico. El mensaje será una lista de temas que el sistema predice que usted también los disfrutará. Este servicio es muy similar al Firefly.

WebHunter es un sistema WWW personalizado que filtra documentos, lo que pretende aliviar el problema que enfrenta el usuario con la sobrecarga de información. El WebHunter le provee con su muy personalizado agente WWW basándose en los documentos WWW que usted ha expresado de su gusto en el pasado.

Eyes. Es un agente autónomo de búsqueda el cual examina continuamente libros recién publicados. A cualquier hora que un libro nuevo coincida con sus especificaciones, la notifica a usted vía correo electrónico.

Open Sesame es un agente que aprende de lo que observa de sus actividades y aprende de aquellas tareas que usted repite una y otra vez. Open Sesame aún mantiene tareas cruciales autónomas que usted puede fácilmente olvidar, como reconstruir su escritorio. Sea si usted es un usuario novato o uno poderoso, Open Sesame hace que su trabajo sea más simple y eficiente.

Agentes de compra comparativa

Los agentes de compras son capaces de hacer comparaciones y encontrar el mejor precio para un artículo. Los vendedores al por menor pueden protegerse a ellos mismos de este tipo de competición dando a sus productos nombres únicos o bloqueando el acceso a los agentes de búsqueda (como está sucediendo a la gente Bargain Finder).

Actualmente, el agente comprobador mejor conocido en Internet es el agente Bargain Finder de Andersen Consuling. Este agente hace comparaciones de los precios de venta para discos compactos (CDs). El Bargain Finder exhibe algunas características de un agente inteligente en el que un número de diferentes partes están envueltas, la operación es remota y la información es difícil de encontrar. Los factores principales que pesan contra la clasificación de la Bargain Finder como un verdadero agente inteligente es que solamente su manejo es un problema de una sola dimensión, a saber, comparando precios para un único producto. No tiene que negociar o deshacerse de nada, así que la “inteligencia” requerida es mínima. La parte inteligente está siendo capaz de hablarles a diferentes vendedores de CD.

Bargain Finder, se ha representado en el ciberespacio como una esfera amarilla con casco de minero y se dedica a buscar discos compactos baratos en Internet. Su misión se ve obstaculizada cuando el vendedor de un disco descubre que está negociando con un agente virtual, en lugar de un ser humano. ShopBot realiza la misma función, pero aprende de sus errores, para que los vendedores no descubran que es una criatura artificial.

Good Shuff Cheap. Con el cual pretenden ofrecer un agente inteligente sin embargo, está restringido a su propia tienda (operación local), y es un poco mas que un motor de búsqueda el cual puede enviar autónomamente correo electrónico.

Agentes notificadores

Jango es un agente notificador de productos en Internet, que utiliza los servicios del buscador Excite y esta basado en la recuperación de información en paralelo de la web.

Cuando un usuario ingresa el nombre del producto que quiere comprar, Jango automáticamente determina que tiendas y sitios son relevantes. Entonces consulta estos sitios y rápidamente prepara informes para el comprador, incluyendo datos tales como: información detallada del producto, análisis comparativo, precio y especificación del producto. En caso que el usuario vaya a comprar, Jango cumplimenta el formulario del pedido.