Uno de los conceptos más fascinantes dentro del universo de la inteligencia artificial (IA) son los agentes, entidades programadas para realizar tareas específicas de manera autónoma.
Estos agentes de IA no solo son capaces de interactuar con su entorno, sino que también pueden tomar decisiones basadas en información disponible.
Leé también: Las máquinas que piensan solas son realidad: cómo funciona la inteligencia artificial autónoma
Desde asistentes virtuales hasta vehículos autónomos, los sistemas con inteligencia artificial se nutren cada vez más de agentes autónomos de diferentes tipos y con diversos objetivos que no solo contribuyen a optimizar el funcionamiento de las herramientas, sino también a mejorar la vida diaria.
Estos son los diferentes tipo de Agentes de IA
1. Agentes de reflejo simple
Son los más básicos y funcionan según reglas condicionales que se activan en respuesta al entorno inmediato (condición-acción). No tienen memoria, por lo que no pueden recordar acciones pasadas ni predecir consecuencias futuras.
A pesar de su simplicidad, estos agentes son útiles en situaciones en las que las decisiones deben tomarse con rapidez, como en sistemas de control de tráfico o en robots que necesitan reaccionar a obstáculos.
Leé también: La UBA incorporó chatbots con inteligencia artificial para asistir a los estudiantes
► Ejemplos: chatbots básicos que detectan palabras clave y contestan con instrucciones, pasos a seguir o respuestas predefinidas; robots de distribución; robot aspiradora; enemigos en videojuegos que reaccionan de acuerdo a lo que hace el jugador; termostato que enciende un aire acondicionado.
2. Agentes de reflejo basados en modelos
Son un poco más complejos, ya que mantienen un modelo interno del mundo, que combinan con observaciones actuales para tomar decisiones más informadas.
Al considerar aspectos no visibles del entorno, pueden anticipar posibles consecuencias de sus acciones.
► Ejemplos: asistentes virtuales como Siri, que gestionan conversaciones y recuerdan las preferencias del usuario y las interacciones anteriores; robots de líneas de ensamblaje; chatbots de atención al cliente; y sistemas domésticos inteligentes, como luces o persianas automáticas, que adaptan su comportamiento según el estado actual y datos históricos del entorno.
3. Agentes orientados a objetivos
Diseñados para lograr metas específicas. Consideran las consecuencias futuras de sus acciones y planifican para lograr sus objetivos. Esto los hace aptos para tareas con toma de decisiones complejas. Son especialmente útiles en sistemas que requieren planificación a largo plazo, como en la gestión de recursos o en la planificación de rutas óptimas para entregas.
► Ejemplos: vehículos autónomos; drones de reparto; aplicaciones de asistentes de IA como Google Assistant o Amazon Alexa, que pueden establecer y gestionar objetivos, programar citas o configurar recordatorios; y aplicaciones de salud y bienestar que planifican rutinas y planes de dietas.
Leé también: Así es Ato, el dispositivo con IA para adultos mayores que manda recordatorios y conversa sobre fútbol y tango
4. Agentes Basados en Utilidad
Toman decisiones según una función de utilidad, que asigna un valor numérico a cada resultado posible. Su objetivo es maximizar esta utilidad, lo que significa que no solo buscan alcanzar metas, sino también optimizar la calidad del resultado.
Este enfoque es crucial en aplicaciones donde la eficiencia y la calidad son primordiales, como en la gestión de energía o en la optimización de procesos industriales.
► Ejemplos: sistemas de recomendaciones personalizadas de contenidos, como Netflix o Spotify, o de comercio, como Amazon, que sugiere productos; y gestión de finanzas, inversiones y recomendaciones de trading.
5. Agentes de Aprendizaje
Son agentes que mejoran su desempeño con el tiempo mediante el aprendizaje de experiencias y retroalimentación. Ajustan su comportamiento y conocimientos a través de la interacción con el entorno, lo que los hace particularmente útiles en áreas como el reconocimiento de patrones, la clasificación de datos y el desarrollo de sistemas de recomendación.
► Ejemplos: NPC en videojuegos; sistemas de cuidado de salud, diagnósticos personalizados y predicción de enfermedades; y chatbots avanzados (GPT).
