Los agentes dependen de percepciones individuales sobre hechos, eventos y circunstancias que definen el contexto de la negociación. En contraste, existe una teoría novedosa de la inteligencia propuesta por Stenberg, y es la teoría de la ((inteligencia exitosa)):La inteligencia exitosa se define como la habilidad de una persona para seleccionar y lograr objetivos personales significativos en la propia vida, dado el contexto cultural en el que dicha persona se halla inmersa.En este sentido, una persona exitosamente inteligente logra sus objetivos considerando sus fortalezas y debilidades en el contexto en el que se encuentra, para luego capitalizar sus fortalezas y corregir o compensar sus debilidades.Įsta tesis aborda el desarrollo de agentes de software inteligentes capaces de llevar a cabo negociaciones automatizadas entre ellos.
Hay una bibliografía extensa dedicada a este tema, y es que parece haber tantas definiciones de inteligencia como expertos a los que se les pide definirla.La visión tradicional de inteligencia comprende una habilidad generalúnica sobre la que se organizan de manera jerárquica niveles cada vez más específicos de habilidades, como la habilidad de pensar de formas nuevas o de acumular conocimiento. Definición de inteligenciaAntes de hablar de un negociador inteligente, es inevitable definir qué es la inteligencia. We also show that any RL agent intelligence measure based on average performance across environments, subject to certain weak technical conditions, is identical (up to a constant factor) to performance within a single environment dependent on said intelligence measure.
This operation enables various interesting new theorems that shed light on the geometry of RL agent intelligence, namely: results about symmetries, convex agent-sets, and local extrema.
Thus, if RL agent intelligence is quantified in terms of performance across environments, the weighted mixture's intelligence is the weighted average of the original agents' intelligences. Given a weighted set of agents, their weighted mixture is a new agent whose expected total reward in any environment is the corresponding weighted average of the original agents' expected total rewards in that environment.
Inspired by recent progress in multi-agent Reinforcement Learning (RL), in this work we examine the collective intelligent behaviour of theoretical universal agents by introducing a weighted mixture operation.
0 kommentar(er)
