Professional Documents
Culture Documents
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:
escolhe suas aes em funo das suas percepes para atingir seus objetivos
Sistema Inteligente
Sensores
Ambiente
Atuadores
Racionalidade Oniscincia
Agente Racional
Medida de Desempenho
Ento como vamos medir o sucesso do agente?
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
Engenharia de Software
Sistemas Distribudos
7
Adaptabilidade & aprendizagem (IA) Comunicao & Cooperao (IA) Personalidade (IA) Continuidade temporal
Mobilidade
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
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
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
P performance E (environment) ambiente A atuadores S sensores e outros agentes nos sistemas multiagentes
12
percepo
execuo
Ambiente
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
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:
ambiente
23
Agente
ambiente Limitaes
atuadores
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
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
estado: como o mundo era antes como o mundo evolui impacto de minhas aes
Regras condio-ao
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
estado: como o mundo era antes como o mundo evolui qual o impacto de minhas aes Funo de Utilidade
Como ele ficar se fao isto? Este novo mundo melhor? Que ao devo escolher agora?
atuadores
t+1
crtico avaliao
Inteligncia Coletiva
IA Distribuda
30
Inteligncia Coletiva
Por que pensar a inteligncia/racionalidade como propriedade de um nico indivduo? No existe inteligncia ...
Soluo: IA Distribuda
31
IA Distribuda
Agentes simples que juntos resolvem problemas complexos
O prprio ambiente pode ser modelado como um agente Dois tipos de sistemas:
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
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
Arquitetura de agente adequada ao ambiente e ao problema a ser tratado O mtodo de resoluo de problema (raciocnio)
37
Implementao:
Componentes do agente O simulador de ambientes Testar o desempenho com diferentes instncias do ambiente
38
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
41
Prxima Aula
Agentes baseados em conhecimento
42