• Author / Uploaded
• Yusz Morales

Citation preview

QUE ES UN AGENTE INTELIGENTE La palabra Agente proviene del latín agere, que tiene como significado "el que hace". En el ámbito de los negocios, un agente es "aquel que tiene por oficio gestionar negocios ajenos". Sin embargo, para la IA un agente inteligente es la entidad física o virtual capaz de percibir el entorno, procesar tales percepciones y actuar de manera autónoma tendiendo a maximizar un resultado esperado, a su vez, estos agentes inteligentes son descritos como un sistema funcional abstracto (AIA), para realizar una distinción del mundo real como son los sistemas informáticos, los biológicos o de organizaciones. CONSTRUCCION DE AGENTES INTELIGENTES En la siguiente figura se muestran las partes de un agente, sus entradas, salidas y como el entorno en el que trabajara el agente afecta ciertas entradas. Entradas del agente: * Conocimiento previo del mundo: lo que sabe el agente del entorno. * Experiencias anteriores de las que puede aprender: situaciones pasadas que le pueden dejar conocimiento. Objetivos a conseguir y valores sobre lo importante * Observaciones sobre su entorno y sobre si mismo: sensores Salidas del agente: * Acciones: que afectaran al entorno. Conocimiento previo Representación y razonamiento * Necesidad de representación de las entradas del agente: de aquí se forma la base conocimiento del agente. Problema -> Representación -> Razonamiento Elementos de un Sistema de Representación y Razonamiento (SRR): * Sintaxis: Es el lenguaje por medio de las cuales se comunican las computadora. * Semántica: Manera de asignar significado al lenguaje implementado. * Calculo: Procedimientos para obtener respuestas CARACTERÍSTICAS DE AGENTES INTELIGENTES Los agentes inteligentes pueden caracterizarse por una serie de calificativos que denotaran sus propiedades a cumplir. Algunas de las características descritas por Franklin y Graesser [Franklin1996], y Nwana [Nwana1996] para resolver problemas particulares y que se le atribuyen a un agente de mayor a menor grado son: * Continuidad Temporal: se considera un agente un proceso sin fin, ejecutándose continuamente y desarrollando su función. * Autonomía: un agente es completamente autónomo si es capaz de actuar basándose en su experiencia. El agente es capaz de adaptarse aunque el entorno cambie severamente. Por otra parte, una definición menos estricta de autonomía sería cuando el agente percibe el entorno.

* Sociabilidad: este atributo permite a un agente comunicar con otros agentes o incluso con otras entidades. * Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno. * Reactividad: un agente actúa como resultado de cambios en su entorno. En este caso, un agente percibe el entorno y esos cambios dirigen el comportamiento del agente. * Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios objetivos a pesar de cambios en el entorno. * Adaptatividad: está relacionado con el aprendizaje que un agente es capaz de realizar y si puede cambiar su comportamiento basándose en ese aprendizaje. * Movilidad: capacidad de un agente de trasladarse a través de una red telemática. * Veracidad: asunción de que un agente no comunica información falsa a propósito. * Benevolencia: asunción de que un agente está dispuesto a ayudar a otros agentes si esto no entra en conflicto con sus propios objetivos. TIPOS DE AGENTES * Agentes Móviles: tienen la capacidad de moverse por diferentes nodos de la red una o más veces, son autónomos con la función de ejecutar tareas, se envían como objetos a través de plataformas conservando su código, datos y estado de ejecución. Estos agentes a su vez pueden ejecutarse en varias máquinas sin necesidad de que en ellas se encuentre su código. Como su nombre lo indican su código es móvil. También operan sin conexión, pueden trabajar si la red no esta funcionando. Si los agentes necesitan buscar información en la red el mismo puede esperar a que esta se reanude. * Agentes de Información (Internet): pueden definirse como aquellos sistemas software de computación que tienen acceso a múltiples y heterogéneas fuentes de información que están distribuidas geográficamente. Esta clase de agentes suelen ayudar a sus usuarios en la búsqueda de información útil y relevante. Los agentes de información, además de proveer acceso transparente a las diferentes fuentes de información existentes en Internet, deben ser capaces de recuperar, analizar, manipular, e integrar información heterogénea cuando esta sea solicitada. * Agentes Reactivos: son agente de bajo nivel, que no dispone de un protocolo ni de un lenguaje de comunicación y cuya única capacidad es responder a estímulos. Los agentes reactivos no son individualmente inteligentes, sino globalmente inteligentes. Los sistemas reactivos por lo general están compuestos por un gran número de agentes reactivos que realizan acciones entre todos, para esto es necesario tener en cuenta nuevas teorías de cooperación y comunicación que permitan el desempeño de estas acciones. * Agentes Híbridos: es la combinación de agentes reactivos (estímulos) y agentes deliberativos (con un modelo interno de razonamiento). Que se caracterizan por facilitar una mayor adaptabilidad y mejor rendimiento.

* Agentes Heterogéneos: Hace referencia a la integración de un sistema de información con base en dos o más tipos distintos de agentes descritos anteriormente, o a la interacción de varios agentes híbridos para la solución de un problema.

AGENTES VS OBJETOS Al igual que un agente, un objeto tiene control sobre su propio estado interno, puede brindar servicios (métodos) y comunicarse vía intercambio de mensajes. Diferencias: * Grado de autonomía: autonomía sobre su estado (objetos) vs control sobre su comportamiento (agentes). * Flexibilidad: Este tipo de comportamiento no es especificado explícitamente en el modelo de POO. * Concurrencia: En el modelo de objeto estándar existe una única hebra de control en el sistema. Las extensiones para concurrencia no consideran el comportamiento flexible. AGENTES VS SISTEMAS EXPERTOS Al igual que algunos agentes inteligentes, un sistema experto mantiene distintos hechos sobre el mundo que son usados para derivar conclusiones. Diferencias: * Los sistemas expertos clásicos no están situados en un ambiente. Es decir, no existe un acoplamiento directo con el ambiente y se requiere de un usuario que actúe como intermediario. * Los sistemas expertos no son capaces en general de exhibir comportamiento flexible (reactivo y proactivo). * Los sistemas expertos no están provistos en general con habilidades sociales (comunicación e interacción con otros agentes). QUE SON SISTEMAS DISTRIBUIDOS En cierto modo, se dice que un sistema multi-agente es un sistema distribuido, donde la conducta combinada de dichos elementos produce un resultado en conjunto. Los elementos fundamentales de construcción de un sistema multi-agente son los agentes, éstos son por lo general vistos como entidades inteligentes. CARACTERÍSTICAS DE LOS SISTEMAS DISTRIBUIDOS Los Sistemas Distribuidos poseen ciertas características que nos permiten identificarlos como tales y nos ayudan también a construirlos: Compartición de Recursos: El término 'recurso' es bastante abstracto, pero es el que mejor caracteriza el abanico de entidades que pueden compartirse en un sistema distribuido. El abanico se extiende desde componentes hardware como discos e impresoras hasta elementos software como ficheros, ventanas, bases de datos y otros objetos de datos. Apertura: Un sistema informático es abierto si el sistema puede ser extendido de diversas maneras. Un sistema puede ser abierto o cerrado con respecto a extensiones hardware (añadir periféricos, memoria o interfaces de comunicación, etc.) o con respecto a las extensiones software (añadir características al sistema operativo, protocolos de comunicación y servicios de compartición de recursos, etc.). La apertura de los sistemas distribuidos se determina primariamente por el grado hacia el que nuevos servicios de compartición de recursos se pueden añadir sin perjudicar ni duplicar a los ya existentes. Concurrencia: Cuando existen varios procesos en una única maquina decimos que se están ejecutando concurrentemente. Si el ordenador está equipado con un único procesador central, la concurrencia tiene lugar

entrelazando la ejecución de los distintos procesos. Si la computadora tiene N procesadores, entonces se pueden estar ejecutando estrictamente a la vez hasta N procesos. Escalabilidad: Los sistemas distribuidos operan de manera efectiva y eficiente a muchas escalas diferentes. La escala más pequeña consiste en dos estaciones de trabajo y un servidor de ficheros, mientras que un sistema distribuido construido alrededor de una red de área local simple podría contener varios cientos de estaciones de trabajo, varios servidores de ficheros, servidores de impresión y otros servidores de propósito específico. A menudo se conectan varias redes de área local para formar internetworks, y éstas podrían contener muchos miles de ordenadores que forman un único sistema distribuido, permitiendo que los recursos sean compartidos entre todos ellos. Tolerancia a Fallos: Los sistemas informáticos a veces fallan. Cuando se producen fallos en el software o en el hardware, los programas podrían producir resultados incorrectos o podrían pararse antes de terminar la computación que estaban realizando. El diseño de sistemas tolerantes a fallos se basa en dos cuestiones, complementarias entre sí: Redundancia hardware (uso de componentes redundantes) y recuperación del software (diseño de programas que sean capaces de recuperarse de los fallos). Transparencia: La transparencia se define como la ocultación al usuario y al programador de aplicaciones de la separación de los componentes de un sistema distribuido, de manera que el sistema se percibe como un todo, en vez de una colección de componentes independientes. La transparencia ejerce una gran influencia en el diseño del software de sistema. SISTEMAS MULTI-AGENTE HISTORIA: El estudio de los Sistemas Multiagente se inició hace más de veinticinco años en el campo de la Inteligencia Artificial Distribuida, pero desde los años 90s se ha convertido en la principal área de investigación en ese campo. La evolución de la Inteligencia Artificial se ha apoyado en forma especial en la lógica matemática, la computación, la teoría de juegos, los avances en electrónica, la filosofía, sociología, ecología, economía, organización y gerencia, la neurociencia y la lingüística. Por esto, se dice que las Ciencias de la Complejidad estudian sistemas complejos tanto naturales como artificiales y parte de ese último son los Sistemas multi-agente, incluso existen dos factores principales que han causado el crecimiento de este campo. Primero, el papel clave que estos sistemas juegan en el desarrollo de las ciencias de la computación; actualmente la mayoría de las computadoras participan en grandes redes interconectadas y los sistemas de información computarizada y sus aplicaciones tienen una creciente complejidad y segundo, los sistemas multi-agente que constituyen un apoyo importante para el estudio y análisis de modelos y teorías de la interactividad en las sociedades humanas. Es así como los sistemas multi-agente se preocupan por coordinar la conducta inteligente de agentes autónomos, los cuales hacen parte de una colección y pueden coordinar su conocimiento, objetivos, habilidades y planes conjuntamente para tomar una acción o resolver una meta global, estos pueden tener conocimiento parcial sobre el problema y las soluciones. DEFINICION: Un Sistema Multiagente es un sistema consistente de varias entidades autónomas llamadas agentes, que interactúan entre sí para fomentar sus propios intereses (competencia) o en la búsqueda de una meta común (cooperación). CARACTERISTICAS: En los sistemas debe haber un proceso de racionalización para la coordinación del conjunto de agentes. Por lo general en los sistemas multi-agentes los agentes con sus creencias, deseos e intenciones construyen el problema y el plan o secuencia de acciones para solucionarlo. De igual forma, son considerados como un

todo, ya que exhiben características particulares. ORGANIZACIÓN SOCIAL Es la manera como el grupo de agentes está constituido en un instante dado. La organización social está relacionada con la estructura de los componentes funcionales del sistema, sus características, sus responsabilidades, sus necesidades y la manera como realizan sus comunicaciones. Esta organización puede ser estática o dinámica, dependiendo de las unciones o tareas de cada agente. Se puede considerar que una sociedad de agentes está constituida por tres elementos como son: * Un grupo de agentes. * Un conjunto de tareas a realizar. * Un conjunto de recursos. La realización de las tareas por parte de los agentes, puede ser organizada de varias formas, ejemplo a este es la ejecución de cada una de las tareas, o bien, las tareas son divididas en sub-tareas, por medio de algún mecanismo de descomposición de problemas y estas sub-tareas son las realizadas por los agentes. Las tareas dependen, entre otros factores, del rol que este agente asume en el sistema. Para la realización y desempeño de estas se puede necesitar recursos del sistema, en este caso debe existir una coordinación con los otros agentes del sistema que deseen usar el mismo recurso. La organización en los sistemas multi-agentes depende del tipo de comunicación y el modo de cooperación entre agentes, así como del tipo de agentes que conforman el grupo. En general se pueden distinguir tres tipos de configuraciones organizacionales: * Estructura Centralizada: En este tipo de configuración existe un agente que controla la interacción de los demás agentes del sistema, porque tiene la información o la funcionalidad para hacerlo. * Estructura Horizontal: Este tipo de configuración existe cuando todos los agentes que integran un sistema están al mismo nivel, es decir, no hay ningún agente que haga las veces de maestro o supervisor, ni tampoco agentes esclavos. * Estructura Jerárquica: Esta configuración existe cuando los agentes trabajan diferentes niveles de abstracción de un problema, es decir, la configuración es de niveles. * Estructura "ad hoc": Esta configuración puede ser una mezcla de las tres anteriores, se caracteriza porque la dinamicidad de la estructura está regida por el ajuste mutuo entre los pequeños grupos de agentes en el sistema. COOPERACIÓN: En un sistema multi-agente existen dos tipos de tareas que deben ser realizadas: las tareas locales y las tareas globales. Las tareas locales son las tareas relacionadas con los intereses individuales de cada agente y las tareas globales son las tareas relacionadas con los intereses globales del sistema. Estas tareas globales son descompuestas y cada sub-tarea es realizada por un agente, de acuerdo a sus habilidades y bajo el supuesto de que la integración de la solución de las sub-tareas, llevará a la solución global. La descomposición de la tarea global no necesariamente garantiza la independencia de cada una de las sub-tareas, por ello se necesitan mecanismos de cooperación que permitan compartir resultados intermedios que lleven al progreso en la resolución de las tareas de otros agentes y al progreso de la solución global que debe alcanzar el sistema. Para que los agentes puedan cooperar de manera eficiente, cada uno de ellos debe tener ciertas características: * Tener un modelo bien definido del mundo, que le permite localizar a los demás agentes, saber cómo comunicarse con ellos, qué tareas pueden realizar, etc.

* Poder integrar información de otros agentes con la suya, para formar conceptos globales o conocimiento conformado por varios agentes. * Poder interrumpir un plan que se este llevando a cabo para ayudar o atender a otros agentes para que puedan cooperar entre sí cuando los agentes lo necesiten. La cooperación depende mucho de la configuración organizacional del grupo de agentes. Si la estructura es centralizada los agentes dependientes piden colaboración casi que permanente al agente maestro, si la estructura es jerárquica, la cooperación puede hacerse por niveles (en un mismo nivel) o de niveles superiores a niveles inferiores y si la estructura es horizontal la cooperación se hace entre todos los agentes. Existen varios modelos de cooperación, dentro de los cuales se pueden mencionar: * Cooperación compartiendo tareas y resultados: Los agentes tienen en cuenta las tareas y los resultados intermedios de los demás para realizar las tareas propias. * Cooperación por delegación: Un agente supervisor o maestro descompone una tarea en sub-tareas y las distribuye entre los agentes esclavos, para que sean resueltas. Después, el supervisor integra las soluciones para hallar la solución al problema inicial. * Cooperación por ofrecimiento: Un agente maestro descompone una tarea en sub-tareas y las difunde en una lista a la que tienen acceso los agentes que integran el sistema, esperando que ellos ofrezcan su colaboración de acuerdo a sus habilidades. El supervisor escoge entre los ofrecimientos y distribuye las subtareas. COORDINACIÓN: La coordinación entre un grupo de agentes les permite considerar todas las tareas a realizar y coordinarlas para no ejecutar acciones no deseables, por ejemplo: * Los agentes no generen y comuniquen sub-soluciones que lleven al progreso en la solución de un problema. * Los agentes generen y comuniquen resultados redundantes. * Distribución inapropiada de la carga de trabajo entre los agentes. Esta coordinación está relacionada con la planificación de acciones para la resolución de tareas, porque estos planes permiten: * Conocer a alto nivel y predecir el comportamiento de otros agentes del sistema. * Intercambiar resultados intermedios que lleven al progreso en la solución a la tarea global. * Evitar acciones redundantes, si ellas no son deseables. Existen varios modelos de coordinación de acciones entre agentes, pero los principales son: * Coordinación Global: Cuando el sistema multi-agente determina y planifica globalmente las acciones de los diferentes agentes. * Coordinación Individual: Cuando el sistema multi-agente le da completa autonomía a los agentes, es decir, cada agente decide qué hacer y resuelve localmente los conflictos que detecte con otros agentes. EN QUE SE APLICAN LOS SISTEMAS MULTIAGENTE

Los Agentes, que son entidades procesadoras de información computarizada, tienen un papel importante en situaciones de alto riesgo imposibles o no apropiadas para humanos. ALGUNAS APLICACIONES DE AGENTES Y SISTEMAS MULTIAGENTE * Manufacturación. Sistemas industriales y control de procesos. * Control de tráfico aéreo. * Procesos de negocios y “workflow”. * Simulación social. * Agentes de interfaz. * Comercio electrónico. * Administración de aulas. * Recuperación y administración de información.

4. ANTECEDENTES DISEÑO DEL PROTOTIPO DE UN SISTEMA MULTIAGENTE TUTOR VIRTUAL: Algunos de los desarrollos educativos realizados en ambiente Web hasta el momento, presentan características que no aprovechan al máximo los beneficios de la Ingeniería de Sistemas, ya que muestran al estudiante ambientes en los cuales se aprende de forma muy parecida a la que presentan los libros, no hay mucha interactividad entre el aprendiz y el medio que lo rodea, razón por la cual el estudiante no puede en algunos casos incrementar sus habilidades y deserta de utilizar material on-line, ya que generalmente él se debe adaptar a la herramienta que se ha creado. Dichos ambientes muestran al estudiante páginas en las cuales puede intercambiar información por medio de foros, archivos o imágenes; en otros casos se muestran algunos ejemplos que ilustran lo que el estudiante ha leído con anterioridad a través de apletts o recursos de flash para que el material tenga movimiento, pero en realidad lo que se ha hecho durante mucho tiempo es llevar los libros a ambientes virtuales; por esta razón, se han creado nuevas herramientas que se basan en las teorías desarrolladas por psicólogos y pedagogos para dar mayor adaptabilidad al estudiante, como el caso de los Sistemas Tutoriales Inteligentes (STI) y los Tutores Virtuales. Para poder simular un tutor virtual la Inteligencia Artificial ofrece agentes y Sistemas Multi-agentes (SMA), que son un nuevo paradigma en la programación y, por ende, emplean metodologías orientadas a agentes que permiten desarrollar el ciclo de vida de éste tipo de software, como la metodología MASCommonKADS1, que se ha empleado con éxito en algunos proyectos que simulan tutores. En varios países de Europa y América se han desarrollado algunos sistemas Multi-agentes que simulan un tutor, empleando algunas metodologías orientadas a los mismos, éste es el caso de un Sistema Basado en el Conocimiento para la Educación a Distancia (SBC-ED)2, desarrollado en Chile y MAS-PLANG3 implementado en España, arquitecturas que permiten adaptarse al estudiante, y que utilizan diversos agentes que trabajan de forma cooperativa para asimilar el comportamiento del educando, desempeñando una labor específica dentro del sistema; a diferencia de SBC-ED, MAS-PLANG cuenta con un agente denominado SMIT4, que simula los mensajes de los demás agentes con una interfaz animada que hace más amigable e interactivo el recurso informático. SMART: SISTEMAS MULTI-AGENTE ROBÓTICO: Una de las problemáticas de la robótica móvil que más interés ha suscitado en los últimos años es la navegación de agentes robóticos que trabajan cooperativamente en la solución de problemas como el

desplazamiento de cargas, entrega de materiales en oficinas, construcción de mapas de entornos desconocidos, entrega de medicinas en hospitales, detección de minas, entre otros. El trabajo en esta área es lo suficientemente amplio y se han aplicado conceptos de etología animal, de la teoría de la organización, el aprendizaje y de la inteligencia artificial distribuida, siendo de esta última de donde ya han salido algunas propuestas de metodologías para el desarrollo de proyectos. En este punto surgen ciertos problemas ya que a pesar de que los entornos cooperativos robóticos se pueden abordar desde la teoría de sistemas multi-agente (MAS, Multi-Agent Systems), los agentes robóticos tienen características diferentes a los agentes computacionales. El proyecto SMART está concebido como una plataforma para la investigación de técnicas de inteligencia artificial distribuida y cooperación entre agente en entornos estructurados. El enfoque permite estudiar tanto arquitecturas de software centralizadas como distribuidas al poderse desempeñar los agentes tanto con comunicación como sin esta. La figura 1 muestra como está diseñada la plataforma. Los elementos claves son la disposición de una red inalámbrica para la comunicación entre agentes tanto software en el PC como hardware en las plataformas. Aunque el sistema en la actualidad cuenta con tres agentes robóticos y uno hardware, es posible la introducción de mas agentes, esto solo se ve limitado por las capacidades de la red inalámbrica que depende de los dispositivos que se utilizan actualmente para la comunicación. 5. DESARROLLO DEL EJEMPLO PRACTICO Para el desarrollar el ejemplo práctico se tuvo en cuenta el tema situación atmosférica, la cual necesita ser procesada por diferentes pasos para obtener un resultado esperado, además que en este se encuentran inmersos gran cantidad de información que se deben tener en cuenta. Lo dicho anterior mente va relacionado con los siguientes elementos del tiempo atmosférico en una región durante un período representativo: temperatura, humedad, presión, vientos y precipitaciones, principalmente. Estos valores se obtienen con la recopilación de forma sistemática y homogénea de la información meteorológica, durante cualquier periodo.

DETERMINAN SITUACION CLIMATICA Y SISTEMAS MULTIAGENTES EdGCM es un software que proporciona una investigación de calidad para el Modelo Climático Global (MCG) con una amigable interfaz de usuario que se puede ejecutar en un equipo de escritorio. Este fue diseñoFor the first time, students can explore the subject of climate change in the same way that actual research scientists do. especialmente pensado para educación y divulgación. Cabe señalar que cualquier simulación por ordenador suele demandar una cantidad de tiempo considerable, cuando se trata de cuestiones que incluyen muchos parámetros a simular, en este caso una simulación puede tardar unas 18 horas para simular unos 142 años, que son nada en comparación con simulaciones más ambiciosas. Mapa EdGCM: Notar los países en los continentes. Es una de las opciones de visualización. Los modelos de clima global por ordenador (Global Climate Models o GCMs) son herramientas de vital importancia en la investigación del clima, este programa nos brinda un modelo climático con una interfaz amigable que puede ser corrida en una PC de escritorio. Este programa fue desarrollado por el Instituto Goddard para estudios espaciales en NASA (GISS, sigla de Goddard Institute for Space Studies), está diseñado para Windows XP/Vista y Mac OS X 10.3 en adelante, requiere de 1 GB de espacio libre en disco

(para instalación) y más de 4 GB para las simulaciones con 512 MB RAM mínimo recomendado, a su vez, no requiere conexión web. PASOS PARA INGRESAR AL PROGRAMA: Al abrir el programa elegiremos la opción Demo, tras lo cual veremos una barra de herramientas y un menú, dentro del menú podremos acceder rápidamente al directorio del programa (con sus correspondientes manuales) y al directorio de salida.El programa funciona con una base de datos de 4th dimension que organiza la gran cantidad de datos de salida generados por las simulaciones. Lo importante de EdGCM es el Modelo II de GISS (Hansen et al., 1983), modelo tridimensional que resuelve numéricamente las ecuaciones físicas de conservación de energía, masa, momento, humedad, etc. SIMULACIONES: Desde el menú o la barra podemos acceder a las simulaciones. Allí veremos algunas ya creadas (no corridas). Esto es, archivos precreados con determinados parámetros para estudiar cuestiones en particular.Podemos crear nuestra propia simulación con los parámetros deseados partiendo de cero o bien copiar una de las prehechas para cambiar sólo algunos. El botón "Scenario" está pensado para diseñar plantillas para tareas de clase. LA VELOCIDAD La velocidad de proceso dependerá de nuestra computadora, principalmente la CPU. Si tenemos una arquitectura de 64-bits será mucho más rápido que en una de 32. El GCM de GISS divide la atmósfera en un sistema de red (grid) tridimensional. La versión de EdGCM usa una red de 8ºx10º (latitud y longitud) y tiene nueve capas verticales en la atmósfera y dos de suelo. Correr el modelo implica resolver una serie de complejas ecuaciones físicas para cada celda en la grilla y un solo año puede incluir millones de cálculos. Para simulaciones de interés se suelen requerir un mínimo de 10 años, aunque algunas pueden requerir al menos cinco décadas. Al correr una simulación se abrirá una ventana Fortran con un botón para detener y otro para continuar. REPORTANDO EN EJOURNAL Una opción interesante son los eJournal ya que brinda la posibilidad de crear reportes con sus correspondientes secciones y utilizando imágenes fáciles de usar e insertar gracias a una galería propia. Estos reportes digitales pueden también copiarse para usarse como plantilla y editarse cuando se lo desee. LA LIBRERÍA Y LA LIMPIEZA La aplicación posee una librería de simulaciones desde la cual es posible acceder a una aplicación de "limpieza". Los GCM son buenos no sólo en simular el clima global, sino también en generar grandes cantidades de datos y dejar al disco duro sin lugar rápidamente. Esta aplicación permite visualizar, por simulación, el espacio usado y borrar "inteligentemente" aquellos archivos que no sean necesarios. La opción avanzada permite elegir qué borrar manualmente.

RESULTADOS Una vez terminada una simulación es posible visualizar los resultados a través de otra herramienta llamada EVA. Para ello primero debemos ir a la ventana de Análisis de salida que permite cuatro tipos de datos: mapas, Promedios zonales, Series de tiempo y deslizadores verticales. Hay una quinta opción para Tablas de diagnóstico. A la izquierda de la ventana de análisis veremos todos los años de la simulación en cuestión. Si usamos estos botones se seleccionarán esos últimos años y se realizará el promedio de datos. Debajo, en Averages, aparecerá, luego de una ventana Fortran que se abre para realizar los cálculos, ese rango. También podemos seleccionar manualmente cualquier rango deseado. Al establecer el rango, se puede seleccionar en la parte del medio de la ventana varios parámetros: topografía, cobertura de nieve, precipitación, velocidad de viento de superficie, etc. Así mismo, se puede elegir esos parámetros en forma mensual, trimestral, estacional o anual, luego se extraen y se muestran en la parte derecha de la ventana los datos seleccionados. Para visualizar estos datos, al pulsar View, se abrirá EVA, que trata de una aplicación escrita en IDL especialmente creado para los archivos de salida de EdGCM que son archivos netCDF. Con EVA podemos visualizar gráficamente los mapas 2d (latitud vs. longitud) o porciones verticales de latitud vs altitud (presión) y podemos diferenciar datos de dos simulaciones distintas. Es decir, usar dos archivos de simulaciones para visualizar las diferencias entre ambos relacionadas con una variable. BIBLIOGRAFIA http://www.ati.es/novatica/2000/145/vjulia-145.pdf http://es.wikipedia.org/wiki/Agente_inteligente_(inteligencia_artificial) http://www.itnuevolaredo.edu.mx/takeyas/Apuntes/Inteligencia%20Artificial/Apuntes/tareas_alumnos/Agente s_Inteligentes/Agentes_Inteligentes(2005-II).pdf http://www.dis.eafit.edu.co/cursos/st725/material/lect_intro04.pdf http://cmapspublic2.ihmc.us/rid=1201385062265_1696693341_7655/Agentes%20inteligentes.pdf http://www.maestrosdelweb.com/editorial/agentes-moviles-y-sus-principales-caracteristicas/ http://www.upv.es/sma/teoria/aplicaciones/Aginformacion.pdf http://www.monografias.com/trabajos74/agentes-inteligentes-paso-inteligencia-artificial/agentes-inteligentespaso-inteligencia-artificial2.shtml http://www.sia.eui.upm.es/grupos/IntroAI.pdf http://coevolucion.net/index.php/component/content/article/98-sistemas-multiagente http://sites.google.com/site/agentesunsl/teor%C3%ADas http://www.noticiasdelcosmos.com/2010/09/el-clima-en-nuestras-manos.html