Introduo aos Agentes Inteligentes

Aula: Agentes Inteligentes Flvia Barros

Agentes Inteligentes
Plano da aula

O que um Agente Racional (inteligente)? Ambientes e arquiteturas IA distribuda Metodologia de desenvolvimento Concluso

O que um Agente?
Qualquer entidade (humana ou artificial) que:

est imersa ou situada em um ambiente

fsico, virtual/simulado

percebe seu ambiente atravs de sensores

ex. cmeras, microfone, teclado, finger, ...

age sobre ele atravs de atuadores

ex. vdeo, auto-falante, impressora, braos, ftp, ...

possui objetivos prprios

explcitos ou implcitos

escolhe suas aes em funo das suas percepes para atingir seus objetivos

Agentes Inteligentes x Sistemas de IA Clssica

Agente
Interpretao das percepes IA Dados de Entrada Raciocnio Objetivos Dados de Sada IA

Sistema Inteligente

Sensores

Ambiente

Objetivos Raciocnio = escolha das aes IA

Atuadores

Agente Racional (Inteligente)

Agente Racional

faz a melhor coisa possvel segue o princpio da racionalidade:

dada uma seqncia perceptiva, o agente escolhe,

segundo seus conhecimentos, as aes que melhor satisfazem seu objetivo

Racionalidade Oniscincia

Limitaes de: sensores atuadores raciocinador" (conhecimento, tempo, etc.)

5

Agente Racional
Medida de Desempenho
Ento como vamos medir o sucesso do agente?

Usando uma medida de performance

Quando o agente colocado em um ambiente, ele

gera uma seqncia de aes com base nas suas percepes. Essa seqncia de aes leva o ambiente a modificarse passando por uma seqncia de estados. Se essa seqncia de estados desejvel, ento o agente teve um bom desempenho!

Contudo...

No existe uma medida de sucesso fixa para todos os agentes Assim sendo, vamos optar por uma medida de performance objetiva, que seja determinada pelo
6

Cuidado... na computao, nem todo agente inteligente (racional)!

Inteligncia Artificial Agentes

Engenharia de Software

Sistemas Distribudos
7

Outras propriedades associadas aos Agentes

Autonomia (IA)

raciocnio, comportamento guiado por objetivos reatividade

Adaptabilidade & aprendizagem (IA) Comunicao & Cooperao (IA) Personalidade (IA) Continuidade temporal

Mobilidade

Outras propriedades associadas aos Agentes

Autonomia de raciocnio (IA):

Requer mquina de inferncia e base de conhecimento Essencial em sistemas especialistas, controle, robtica, jogos, agentes na internet ...

Adaptabilidade (IA):

Capacidade de adaptao a situaes novas, para as quais no foi fornecido todo o conhecimento necessrio com antecedncia Duas implementaes aprendizagem e/ou programao declarativa Essencial em agentes na internet, interfaces amigveis ...
9

Outras propriedades associadas aos Agentes

Comunicao & Cooperao (Sociabilidade) (IA):

IA + tcnicas avanadas de sistemas distribudos: Protocolos padres de comunicao, cooperao, negociao Raciocnio autnomo sobre crenas e confiabilidade Arquiteturas de interao social entre agentes Essencial em sistemas multi-agente, comrcio eletrnico, ...

Personalidade (IA):

IA + modelagem de atitudes e emoes Essencial em entretenimento digital, realidade virtual, interfaces amigveis ...
10

Outras propriedades associadas aos Agentes

Continuidade temporal e persistncia:

Requer interface com sistema operacional e banco de dados Essencial em filtragem, monitoramento, controle, ...

Mobilidade:

Requer: Interface com rede Protocolos de segurana Suporte a cdigo mvel Essencial em agentes de explorao da internet, ...
11

Como descrever um Agente Racional?

Pode ser descrito em termos de seu PEAS

P performance E (environment) ambiente A atuadores S sensores e outros agentes nos sistemas multiagentes

12

Exemplo: Agente de Polcia

Agente
Raciocnio
Conhecimento: - leis - comportamento dos indivduos,... Objetivo: - fazer com que as leis sejam respeitadas Aes: - multar - apitar - parar, ...

percepo

execuo

Ambiente

Exemplos de Agentes e seus PEAS

Agente

Agente de Diagnstico

Ambientes

15

Ambientes
Classes de ambientes

Ambiente fsico: agentes robs Ambiente de Software: agentes softbots Ambiente de Realidade virtual (simulao do ambiente fsico): agentes softbots e avatares

Propriedades de um ambiente

totalmente observvel x parcialmente observvel determinista x estocstico episdico x seqencial esttico x dinmico discreto x contnuo um agente x multiagentes complexidade: nmero de percepes, aes, objetivos,...

16

Ambientes: propriedades
Totalmente observvel

quando os sensores do agente conseguem perceber o estado completo do ambiente. o prximo estado do ambiente pode ser completamente determinado pelo estado atual e as aes selecionadas pelo agente. A experincia do agente dividida em episdios. Cada episdio consiste em o agente perceber e ento agir. Cada episdio no depende das aes que ocorreram em episdios prvios.
17

Determinista

Episdico

Ambientes: propriedades
Esttico

o ambiente no muda enquanto o agente est escolhendo a ao a realizar. Semi-esttico: o ambiente no muda enquanto o agente delibera, mas o "score" do agente muda.

Discreto

quando existe um nmero distinto e claramente definido de percepes e aes em cada turno. percepes e aes mudam em um espectro contnuo de valores.
18

Contnuo

Exemplos de Ambientes

Agen
> A complexidade do ambiente dada por:
nmero de percepes, aes e objetivos possveis

xadrez sem

Agentes
Algoritmo Bsico e Arquiteturas

20

Agentes: Algoritmo bsico

funo agenteSimples (percepo) retorna ao
memria := atualizaMemria (memria, percepo) ao := escolheMelhorAo(memria,objetivos) memria := atualizaMemria (memria, ao) retorna ao

21

Agentes: Arquiteturas
Agente reativo Agente reativo com estado interno Agente cognitivo (baseado em objetivos) Agente otimizador Agente adaptativo
autonomia complexidade
22

Agentes: Arquiteturas
De forma bem simplificada, um agente pode ser visto como um mapeamento:

seqncia perceptiva => ao

sensores Raciocinador atuadores

Agente modelo do ambiente

ambiente

23

Agente Tabela? No um agente racional...

sensores
Tabela
Percepes aes . .

Agente

ambiente Limitaes

atuadores

Mesmo problemas simples requerem tabelas muito grandes

ex. xadrez 30^100

Nem sempre possvel, por ignorncia ou questo de tempo, construir a tabela No tem autonomia nem flexibilidade Totalmente observvel, determinista, episdico, esttico, discreto e minsculo!

Ambiente

Agente Reativo Simples

sensores Como est o mundo agora? Que ao devo escolher agora? atuadores Vantagens e desvantagens

Agente

Regras condio-ao - representao inteligvel, modular e eficiente ex. Se velocidade > 60 ento multar No pode armazenar uma seqncia perceptiva, tem pouca autonomia Totalmente observvel, episdico, pequeno Reflexo imprescindvel em ambientes dinmicos

Ambiente

ambiente

Regras condio-ao

Agente Reativo baseado em Modelo do Mundo

Agente sensores Como est o mundo agora? ambiente

estado: como o mundo era antes como o mundo evolui impacto de minhas aes

Que devo fazer agora? atuadores Desvantagem: pouca autonomia

no tem objetivo, no encadeia regras

Regras condio-ao

Ambiente: determinista e pequeno Ex. Tamagotchi

Agente cognitivo - Baseado em Objetivo

sensores Como est o mundo agora? ambiente Como ele ficar se fao isto? Que devo fazer agora? atuadores Vantagens e desvantagens

Agente estado: como o mundo era antes como o mundo evolui impacto de minhas aes Objetivos

Mais complicado e ineficiente, porm mais flexvel, autnomo No trata objetivos conflitantes

Ambiente: determinista Ex. de objetivo: xeque-mate no xadrez

Agente otimizador - baseado em utilidade Agente

sensores

estado: como o mundo era antes como o mundo evolui qual o impacto de minhas aes Funo de Utilidade

Como est o mundo agora?

ambiente

Como ele ficar se fao isto? Este novo mundo melhor? Que ao devo escolher agora?
atuadores

Ambiente: sem restrio Desvantagem: no tem adaptabilidade Ex. motorista de txi

Segurana e velocidade conflito!

Agente que aprende

Agente sensores t elemento de execuo (agente) t atuadores trocas ambiente

t+1

crtico avaliao

elemento de conhecimento aprendizagem objetivos de aprendizagem Gerador de problemas

Ambiente: sem restrio Vantagem: tem adaptabilidade (aprende)

Contudo, no necessariamente trata dois objetivos conflitantes

Ex. motorista sem o mapa da cidade

Inteligncia Coletiva
IA Distribuda

30

Inteligncia Coletiva
Por que pensar a inteligncia/racionalidade como propriedade de um nico indivduo? No existe inteligncia ...

Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade?

Soluo: IA Distribuda
31

IA Distribuda
Agentes simples que juntos resolvem problemas complexos

tendo ou no conscincia do objetivo global

O prprio ambiente pode ser modelado como um agente Dois tipos de sistemas:

Resoluo distribuda de problemas Sistemas Multi-agentes

32

Resoluo distribuda de problemas

Cada agente tem conscincia do objetivo global Existe uma diviso clara de tarefas Exemplos:

Robtica clssica, Busca na Web, Gerncia de sistemas distribudos, ...

33

Sistemas Multi-agentes
No existe conscincia do objetivo global No existe diviso clara de tarefas Exemplos:

n-puzzle (jogo dos 8-nmeros), futebol de robs, balanceamento de carga, robtica, ...
3 3 7 4 5 8 2 1 6 1 4 7 2 5 8 34 3 6 7 4 8 2 1 6 5

Agentes em IA
Metodologia para projeto de sistemas e dicas de implementao

35

Projeto Metodologia de desenvolvimento

Decompe o problema em:

PEAS dos agentes (Performance, Environment (ambiente), Atuadores e Sensores); & Objetivos (ou funo utilidade, se for o caso) dos agentes; Quais so as propriedades relevantes do mundo? Como identificar os estados desejveis do mundo? Como interpretar as suas percepes? Quais as conseqncias das suas aes no mundo? Como medir o sucesso de suas aes? Como avaliar seus prprios conhecimentos? So suficientes para resolver o problema?
36

Decompe o conhecimento do agente em:

Projeto Metodologia de desenvolvimento

O resultado dessa decomposio indica:

Arquitetura de agente adequada ao ambiente e ao problema a ser tratado O mtodo de resoluo de problema (raciocnio)

37

Como desenvolver um software inteligente?

Projeto:

Modelar o problema em termos de PEAS e Objetivos (ou

funo utilidade) dos agentes

Identificar o tipo de ambiente Identificar a arquitetura do(s) agente(s)

Implementao:

Componentes do agente O simulador de ambientes Testar o desempenho com diferentes instncias do ambiente

38

Implementao Simulao do Ambiente

s vezes, mais conveniente simular o ambiente

mais simples permite testes prvios evita riscos, etc...

O ambiente (pedao de cdigo...)

recebe os agentes como entrada fornece repetidamente a cada um deles as percepes corretas e recebe as aes escolhidas atualiza os dados do ambiente em funo dessas aes e de outros processos (ex. dia-noite) definido por um estado inicial e uma funo de atualizao deve refletir a realidade
39

Simulao de Ambientes
funo simulaAmbiente (estado, funoAtualizao, agentes,final)
repita para cada agente em agentes faa Percept[agente] := pegaPercepo(agente,estado) para cada agente em agentes faa Action[agente] := Programa[agente] (Percept[agente]) estado := funoAtualizao(aes, agentes, estado) scores := avaliaDesempenho(scores,agente,estado) //opcional at final

Cuidado para no cair em tentao e roubar do ambiente a descrio do que aconteceu. Use a memria do agente! 40

Por que usar a metfora de agentes?

1. Fornece uma viso unificadora das vrias subreas da IA

2. Fornece metodologias de desenvolvimento de

sistemas inteligentes estendendo as de engenharia de software

3. Ajuda a embutir a IA em sistemas

computacionais tradicionais

4. Permite tratar melhor a interao com o

ambiente

5. Permite tratamento natural da IA distribuda

41

Prxima Aula
Agentes baseados em conhecimento

42