1.

6 Modelo cognoscitivo

Modelo Cognoscitivo

En toda situacin de aprendizaje espontneo o generado en una experiencia

educativa, puede identificarse tres componentes bsicos:

El qu se aprende (resultados), el cmo se aprende (los procesos cognitivos) y las

condiciones del aprendizaje (la accin educativa) que responde a las preguntas
cundo, cunto, donde, con quin etc. Estos tres componentes se pueden mirar ya
sea desde un enfoque conductual o social cognoscitivo. Desde el enfoque
conductual los resultados de aprendizaje son las conductas, los procedimientos
cognoscitivos no son importantes para este enfoque y las condiciones se refieren a
la forma de organizar situaciones estimulantes y refuerzos continuos a las
conductas adecuadas. Desde el enfoque cognoscitivo los resultados de aprendizaje
se refieren a representaciones cognitivas internas o estructuras cognoscitivas que
pueden tener un correlato en una representacin simblica externa para comprobar
su presencia, los procesos cognitivos se refieren a toda aquella actividad mental
que hace posible la constitucin de representaciones y las condiciones se refieren
a las acciones educativas de carcter social educativo o interaccional y a los
diferentes recursos culturales con que se apoya el aprendizaje.

Desde el punto de vista social cognoscitivo los resultados de aprendizaje se refieren

a la manera como se construye significado al conjunto de categoras que
constituyen un discurso disciplinar. Los resultados de aprendizaje no se refieren en
especificidad a un saber sino al significado que un aprendiz le da a ese saber. La
construccin de esos significados se hace en especial cuando el conocimiento se
presenta estructurado.

Los procesos cognoscitivos en trminos de aprendizaje se dan por niveles de

complejidad ya sea en relacin con el desarrollo (edad) o con los niveles de
complejidad en una tarea. En trminos del desarrollo, las teoras de Piaget o de
Vigotsky definen una serie de caractersticas segn ciclos de vida de los individuos
y segn la complejidad de las tareas, los enfoques computacionales
representacionales, definen una serie de procesos y subprocesos subyacentes a la
solucin de problemas y a la toma de decisiones. En relacin con la complejidad
como se estructura un conocimiento se pueden definir 4 grandes procesos bsicos:
conceptualizacin, interpretacin, transferencia, creatividad.

Conceptualizacin se refiere a la manera como se define un concepto en relacin

con una experiencia asociada o con otro concepto en una proposicin o estructura
conceptual. La interpretacin se refiere a la manera como un concepto o conjunto
de conceptos o proposiciones toma significados en relacin con un contexto
lingstico o discursivo o en relacin con un fenmeno. Dentro de la interpretacin
se juegan procesos cognoscitivos como la deduccin, la inferencia, el anlisis, la
sntesis y diferentes modalidades de categorizacin. La transferencia se refiere a la
manera como se aplica un conocimiento a la solucin de problemas surgidos en
contextos diferentes a aquellos en donde se dio la situacin de aprendizaje. La
creatividad se refiere a la manera como se reestructura o se proponen estructuras
diferentes a las aprendidas. Los niveles cognoscitivos del aprendizaje no son
totalmente lineales y su recorrido se puede dar en espiral. Lo cierto es que en
trminos de organizacin de las experiencias educativas definir niveles de
aprendizaje permite organizar una educacin para el desarrollo de habilidades
cognitivas.

1.7 El modelo del agente inteligente, sistemas multi agentes, sistemas

ubicuos
El Modelo del Agente Inteligente

Un agente es todo aquello que puede considerarse que percibe su ambiente

mediante sensores y que responde o acta por medio de efectores.

Los agentes humanos tienen ojos, odos y otros rganos que les sirven de sensores,
as como manos, piernas, boca y otras partes del cuerpo que sirven de efectores.
En el caso de los agentes robticos, los sensores son sustituidos por cmaras y los
efectores reemplazados mediante motores. En el caso de un agente de software,
sus percepciones y acciones vienen a ser las cadenas de bits codificados.

Los agentes interactan con los ambientes a travs de sensores y efectores

Que es un Agente Inteligente?

Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales

percepciones y responder o actuar en su entorno de manera racional, es decir, de
manera correcta y tendiendo a maximizar un resultado esperado.

Desde el punto de vista del software: Un agente inteligente es una entidad de

software que, basndose en su propio conocimiento, realiza un conjunto de
operaciones para satisfacer las necesidades de un usuario o de otro programa, bien
por iniciativa propia o porque alguno de stos se lo requiere

Definicin de Agente Inteligente segn diversos autores.

Brenner
Programa que puede realizar tareas especficas para un usuario y posee un grado
de inteligencia suficiente para ejecutar parte de sus tareas de forma autnoma y
para interactuar con su entorno de forma til.

Stuart Russel

Un agente racional es aquel que hace lo correcto, entendiendo por correcto todo
aquello que permite al agente obtener el mejor desempeo.

Wooldridge

Un agente inteligente es un sistema (hardware o software) situado en un

determinado entorno, capaz de actuar de forma autnoma y razonada en dicho
entorno para llevar a cabo unos objetivos predeterminados.

Propiedades de los Agentes Inteligentes

Autonoma: Actuar sin ningn tipo de intervencin humana directa, y tener control
sobre sus propios actos.

Inteligencia: Creada o adaptable al entorno (aprendizaje).

Reactividad Proactividad

Reactivo: Acta en funcin de los sucesos producidos en el entorno.

Proactivo: Toma la decisin de actuar antes de que se den los sucesos.

Sociabilidad: Comunicarse por medio de un lenguaje comn con otros agentes, e

incluso con los humanos.

Cooperacin: Con otros agentes para realizar tareas de mayor complejidad.

Racionalidad: el agente siempre realiza lo correcto a partir de los datos que

percibe del entorno.

Adaptabilidad: est relacionado con el aprendizaje que un agente es capaz de

realizar y si puede cambiar su comportamiento basndose en ese aprendizaje.

Movilidad: Capacidad de un agente de trasladarse a travs de una red telemtica.

Veracidad: Un agente no comunica informacin falsa a propsito.

 Tipos de Agentes Inteligentes

Agentes de interfaz

Cuando un usuario hace una consulta, la interfaz recoge los trminos de sta como
algo representativo de la materia en la que se est interesado. Posteriormente, y a
partir de su base de conocimiento, realiza una consulta expandida. Es decir,
partiendo de los trminos suministrados por el usuario, se aaden otros
relacionados con el mismo concepto, realizando as una consulta mucho ms
completa que la que en un principio se pretenda hacer. Por ejemplo la consulta
perro puede ser expandida a perro o can o sabueso.

Agentes mviles

Son programas que pueden migrar de una a otra mquina. Por ejemplo, un agente
mvil puede suspender el proceso que est realizando, transportarse a s mismo
por medio de la red y reanudar la ejecucin del proceso que estaba llevando a cabo
donde estime oportuno. Esta capacidad le permite al agente seleccionar la
informacin recuperada antes de enviarla por la red, lo que evita la transferencia de
grandes cantidades de informacin que podra ser intil.

Tipos de agentes mviles

Monosalto
Se mueven a un nico y especfico lugar.

Multisalto
Transitan por la red de uno a otro lugar.

Agentes colaborativos

Este tipo de agentes se enfatiza en la autonoma y las habilidades sociales con otros
agentes para ejecutar las tareas de sus usuarios. La coordinacin de los agentes
se logra mediante la negociacin para alcanzar acuerdos que sean aceptables para
los agentes negociantes.

Los agentes colaborativos se pueden utilizar es la solucin de algunos de los

siguientes problemas:

Para resolver problemas que son muy grandes para un agente centralizado.

Para permitir la interconexin e interoperabilidad de sistemas de IA existentes como

sistemas expertos, sistemas de soporte de decisin etc.
 Solucionar problemas que son inherentemente distribuidos.

Proporcionar soluciones que simulen recursos de informacin distribuidos.

Incrementar la modularidad, velocidad, confiabilidad, flexibilidad y reutilizacin en

sistemas de informacin.

Agentes de informacin

Estn diseados especficamente para procesar consultas, y poseen al menos uno

de los siguientes elementos: capacidad de proceso, conocimiento del entorno donde
se mueven e informacin de un dominio.

Un agente tiene capacidad de proceso puesto que puede descomponer una

consulta en subconsultas y asociar a los distintos trminos resultantes otros
trminos relacionados o afines.

Su conocimiento del entorno le viene dado por su propio conocimiento y por el de

otros agentes que se comunican con l (el conocimiento puede ser adquirido: del
mismo usuario o de otros agentes con los que se encuentra mientras realiza una
tarea determinada).
En todo momento debera saber a qu informacin acceder o a qu otro agente
dirigirse para obtenerla.

En su libro Inteligencia Artificial. Un enfoque moderno, Stuart Russell y Peter

Norving definen conceptos importantes sobre los agentes inteligentes, recordando
su definicin de agente inteligente que dice Un agente racional es aquel que hace
lo correcto, entendiendo por correcto aquello que permite al agente obtener el mejor
desempeo. Y en base a esto ser necesario decidir cmo y cundo evaluar el
buen desempeo del agente.

El trmino medicin del desempeo se aplica al cmo, el cual es el criterio que sirve
para definir qu tan exitoso ha sido un agente. Nosotros, como observadores
externos, definimos la norma de lo que se considera un satisfactorio desempeo en
un ambiente y emplearlo en la medicin del desempeo de los agentes.
El cundoevaluar el desempeo es importante tambin. Este debe ser medido a
largo plazo.

Otro concepto importante es el de agente omnisciente: Un agente omnisciente es

aquel que sabe el resultado real que producirn sus acciones, y su conducta es
congruente con ello; sin embargo, en realidad la omnisciencia no es posible.

El carcter de racionalidad de un agente depender de cuatro factores:

 De la medida con la que se evala el grado de xito logrado.

De todo lo que hasta ese momento haya percibido el agente. A esta historia
perceptual completa se le denomina secuencia de percepciones.

Del conocimiento que posea el agente acerca del medio.

De las acciones que el agente puede emprender.

Agente racional ideal

En todos los casos de posibles secuencias de percepciones, un agente racional

deber emprender todas aquellas acciones que favorezcan obtener el mximo de
su medida de rendimiento, basndose en las evidencias aportadas por la secuencia
de precepciones y en todo conocimiento incorporado en tal agente.

Mapeo
El comportamiento de un agente depende exclusivamente de la secuencia de sus
percepciones en un momento dado, es posible caracterizar cualquier agente en
particular elaborando una tabla de las acciones que ste emprende como respuesta
a cualquier secuencia de percepciones posible. Esta lista se denomina un mapeo
de secuencias de percepciones para acciones.

El especifica qu tipo de accin deber emprender un agente como respuesta a una

determinada secuencia de percepciones constituye el diseo de un agente ideal.

Estructura de los Agentes Inteligentes

El cometido de la IA es el diseo de un programa de agente: una funcin que permita

implantar el mapeo del agente para pasar de percepciones a acciones. Este
programa se ejecutar en algn tipo de dispositivo de cmputo, al que se
denominar arquitectura, el programa elegido debe ser aquel que la arquitectura
acepte y pueda ejecutar.

La relacin entre agentes, arquitectura y programas podra resumirse de la siguiente

manera:
Agente = Arquitectura + Programa

Tipos de programas de agente.

Consideramos cuatro tipos de estos programas:

Agentes reactivos simples (o de reflejo simple)

El tipo de agente ms sencillo es el agente reactivo simple. Estos agentes
seleccionan las acciones sobre la base de las percepciones actuales, ignorando el
resto de las percepciones histricas.

Agentes reactivos basados en modelos

Este tipo de agente guarda estados internos sobre la historia percibida lo cual le
sirve para ejecutar una accin. Los sensores no pueden informar a la vez de todos
los estados que maneja el ambiente, por ello el agente necesita actualizar algo de
informacin en el estado interno.

Agentes basados en metas u objetivos

El conocimiento sobre el estado actual del mundo no es siempre suficiente para

decidir qu hacer. Por ejemplo, en un cruce de carreteras, un taxista puede girar a
la derecha o seguir hacia adelante. La decisin correcta depende de a dnde quiere
ir el taxi. En otras palabras, adems de la descripcin del estado actual, el agente
necesita algn tipo de informacin sobre su meta que describa las situaciones que
son deseables, en el ejemplo del taxi llegar al destino propuesto por el pasajero. El
programa del agente se puede combinar con informacin sobre los resultados de
las acciones posibles para elegir las acciones que permitan alcanzar el objetivo.

Agentes basados en metas u objetivos

El conocimiento sobre el estado actual del mundo no es siempre suficiente para

decidir qu hacer. Por ejemplo, en un cruce de carreteras, un taxista puede girar a
la derecha o seguir hacia adelante. La decisin correcta depende de a dnde quiere
ir el taxi. En otras palabras, adems de la descripcin del estado actual, el agente
necesita algn tipo de informacin sobre su meta que describa las situaciones que
son deseables, en el ejemplo del taxi llegar al destino propuesto por el pasajero. El
programa del agente se puede combinar con informacin sobre los resultados de
las acciones posibles para elegir las acciones que permitan alcanzar el objetivo.

Agentes basados en utilidad

Son aquellos que utilizan un modelo del mundo, junto con una funcin de utilidad
que calcula sus preferencias entre los estados del mundo. Despus selecciona la
accin que le lleve a alcanzar la mayor utilidad esperada, entre todos los resultados
posibles
Sistemas multiagentes

Qu es un Sistema Multiagente?
Sistema Multiagente (MAS): conjunto de agentes autnomos, generalmente
heterogneos y potencialmente independientes, que trabajan en comn resolviendo
un problema.
Caractersticas de estos agentes, vinculado con la nocin de agente Inteligente:
capaces de tomar la iniciativa
capaces de compartir conocimiento
capaces de cooperar y negociar,
capaces de comprometerse con metas comunes.

El estudio de MAS se encuadra dentro de la Inteligencia Artificial Distribuida (DAI).

Sistemas ubicuos