PROBLEMA

UN PROBLEMA EN REALIDAD ES UN CONJUNTO DE INFORMACIÓN QUE EL AGENTE UTILIZA PARA DECIDIR LO QUE VA A HACER.

PROBLEMA DE UN SOLO ESTADO

Supóngase que los sensores de un agente le proporcionen información suficiente como para determinar con exactitud el estado en el que se encuentre (es decir el mundo es accesible); supóngase que se conoce con exactitud el resultado producido por cada una de sus acciones                                                                                                                              

Ejemplo. Si su estado inicial es 5 será capaz de calcular que la secuencia de acciones le permitirá a alcanzar el estado meta. El anterior es el caso más sencillo, al que se denomina problemas de estado

Supóngase que el agente sabe cuál es el resultado de cada una de las acciones pero que su acceso al estado del mundo es limitado. En este caso solo se sabe que su estado inicial es uno de los del conjunto {1, 2, 3, 4, 5, 6, 7,8}. Aunque pudiera parecer que el agente no tiene ayuda en realidad puede arreglársela bastante bien. Gracias a que sabe cuál es el efecto de sus acciones puede, por ejemplo calcular que la acción de la derecha de la derecha le conducirá a uno de sus estados {2, 4, 6,8}. De hecho el agente pueda descubrir que la secuencia de acciones [Derecha, Aspirar, Izquierda, Aspirar] le garantiza alcanzar un estado meta, independientemente de cual sea el estado inicial.

PROBLEMA DE ESTADO MÚLTIPLE

Si el mundo no es totalmente accesible, el agente deberá razonar en términos de los conjuntos de estados a los que puede llegar, en vez de pensar en función de estados únicos. A lo anterior se acostumbra denominar problema de estado múltiple

Aunque pudiera parecer diferente, el caso de cuando se ignoran los efectos de las acciones puede ser manejado de manera similar. Por ejemplo, que el ambiente al parecer no es determinista puesto que sigue la Ley de Murphy: la acción denominada Aspirar, a veces deja mugre en la alfombra, pero solamente si en esta no había mugre anteriormente. Por ejemplo, si el agente sabe que está en estado 4, sabrá que si aspira llegar a uno de los estados {2, 4}. A cada estado inicial conocido le corresponde una secuencia de acciones que garantiza el logro de un estado meta

Si el agente está en un mundo de la Ley de Murphy, cuenta con un sensor de ubicación y un sensor local para la mugre, pero no tiene un sensor que le permita detectar mugre en otros cuadrantes. Además los sensores le dicen que está en uno de los estados {1, 3}. El agente podría formular la secuencia de acciones [Aspirar, Derecha, Aspirar]. El aspirar modificaría el estado al de {5, 7} y el desplazarse a ala derecha modificaría el estado a uno de {6, 8}. Si en realidad está en el estado 6, la secuencia de acciones tendrá éxito, pero si se trata del estado 8, el plan fracasara.  Si el agente podría hacer la secuencia de acción sencilla Aspirar tendría éxito a veces, pero no siempre. Resulta que no hay una secuencia fija de acciones que garantice la solución de este problema.

PROBLEMA DE CONTINGENCIA

El agente si tiene una forma de resolver el problema empezando del {1,3}: primero aspirar, luego desplazarse a la derecha, luego aspirar solo si allí está sucio es decir para utilizar este problema es necesario utilizar el sensor durante la fase de ejecución, nótese que ahora el agente debe calcular todo un árbol de acciones, en vez de una sola secuencia de ellas, Por lo general cada una de las ramas del árbol se refiere a una posible contingencia que pudiera surgir. Al anterior se le denomina problema de contingencia. Muchos de los problemas del mundo real, físico, son problemas de contingencia puesto que es imposible hacer predicciones exactas. Esta es la razón por la que la mayoría de las personas presten bastante atención cuando van caminando o al conducir. En los problemas de contingencia, es necesario emplear algoritmos más complejos. En vez de considerar por anticipado toda posible contingencia que pueda surgir durante la ejecución, muchas veces es mejor proceder a la ejecución y ver contingencias van surgiendo. Con base a la información adicional, el agente puede seguir resolviendo el problema.

PROBLEMAS DE EXPLORACIÓN

Considérese el predicamento de un agente que no cuenta con información sobre los efectos de las acciones. El agente tendrá que experimentar, descubrir poco a poco que tipo de búsqueda, pero en el mundo real, no en un modelo. Ejecutar un proceso en el mundo real, en vez de hacerlo en un modelo, entraña grandes peligros para un agente ignorante. Si logra sobrevivir, el agente aprenderá un “mapa” del ambiente, mapa que pude utilizar para resolver otros problemas que se le presenten.