Glosario IA
El diccionario completo de la Inteligencia Artificial
Agente de recomendación
Entidad autónoma especializada en la generación de sugerencias personalizadas basadas en modelos de aprendizaje específicos y datos de usuario. Opera de manera independiente mientras colabora con otros agentes para optimizar la calidad general de las recomendaciones.
Sistema multiagente híbrido
Arquitectura que combina varios tipos de agentes con habilidades complementarias (contenido, colaborativo, contextual) para producir recomendaciones robustas y diversificadas. Integra mecanismos de coordinación y ponderación dinámica de las contribuciones de cada agente.
Filtrado colaborativo distribuido
Enfoque donde el cálculo de similitudes y preferencias se distribuye entre varios agentes especializados que procesan segmentos de datos de usuarios. Permite una escalabilidad mejorada y una paralelización de los tratamientos para bases de datos masivas.
Agente perfilador
Agente responsable de la construcción y actualización continua de los perfiles de usuario analizando los comportamientos, interacciones y retroalimentación explícita. Utiliza técnicas de aprendizaje adaptativo para refinar la comprensión de las preferencias evolutivas.
Protocolo de negociación entre agentes
Conjunto de reglas y mecanismos que permiten a los agentes debatir y converger hacia recomendaciones consensuadas u optimizadas. Implementa estrategias de compromiso, votación ponderada y arbitraje basadas en la confianza y el rendimiento pasado.
Fusión de recomendaciones
Proceso de agregación inteligente de las sugerencias producidas por diferentes agentes utilizando algoritmos de ponderación contextual y reducción de redundancia. Busca maximizar la relevancia mientras se preserva la diversidad y la serendipia de las propuestas finales.
Agente de adquisición de preferencias
Agente especializado en la recopilación activa de información sobre los gustos de los usuarios a través de interacciones dialogadas y técnicas de interrogación adaptativa. Optimiza la relación entre la información adquirida y el esfuerzo requerido por el usuario.
Arquitectura en enjambre
Modelo de organización donde numerosos agentes simples interactúan localmente para que emerjan comportamientos de recomendación complejos y adaptativos. Se inspira en los sistemas naturales para asegurar la robustez y la autoorganización del sistema global.
Agente de contextualización
Agente especializado en el análisis y la integración de factores contextuales (tiempo, lugar, estado de ánimo, condiciones) para adaptar las recomendaciones en tiempo real. Mantiene un modelo dinámico del entorno del usuario para una mayor relevancia.
Sistema de reputación de agentes
Mecanismo de evaluación continua del rendimiento y la fiabilidad de cada agente basado en la calidad de sus recomendaciones y la retroalimentación de los usuarios. Influye en la ponderación de las contribuciones y la toma de decisiones colaborativa.
Agente de diversificación
Agente encargado de introducir variedad y novedad en las listas de recomendaciones para evitar la sobrespecialización y la fatiga del usuario. Aplica algoritmos de cobertura y disimilitud controlada.
Meta-agente supervisor
Agente de alto nivel que coordina todo el sistema, gestiona la comunicación y optimiza la configuración dinámica de los demás agentes. Implementa estrategias globales de adaptación y resolución de conflictos.
Protocolo de comunicación FIPA
Estándar de mensajería e interacción entre agentes que define los actos de comunicación, los lenguajes de contenido y los protocolos de interacción. Asegura la interoperabilidad y la coherencia de los intercambios en un sistema multiagente heterogéneo.
Agente de filtrado semántico
Agente que utiliza técnicas de procesamiento del lenguaje natural y análisis semántico para comprender las preferencias implícitas y las relaciones conceptuales. Enriquece las recomendaciones con una comprensión profunda del contenido y las intenciones del usuario.
Sistema de recomendación adaptativo distribuido
Infraestructura donde las capacidades de adaptación del sistema se distribuyen entre varios agentes especializados que evolucionan independientemente según la retroalimentación específica. Permite una granularidad fina en el ajuste a los cambios de preferencias.
Agente de exploración-explotación
Agente que gestiona el equilibrio entre el uso del conocimiento adquirido (explotación) y el descubrimiento de nuevas preferencias (exploración). Implementa estrategias óptimas como UCB o Thompson Sampling adaptadas al contexto multiagente.
Ontología de dominios para agentes
Estructura formal de conocimientos compartidos que permite a los agentes comprender y razonar sobre las relaciones entre elementos, categorías y conceptos del dominio. Facilita la cooperación semántica y la interoperabilidad entre agentes heterogéneos.