Introduo aos Agentes Inteligentes Aula Agentes Inteligentes Flvia
- Slides: 42
Introdução aos Agentes Inteligentes Aula: Agentes Inteligentes Flávia Barros 1
Agentes Inteligentes Plano da aula n O que é um Agente Racional (inteligente)? n Ambientes e arquiteturas n IA distribuída n Metodologia de desenvolvimento n Conclusão 2
O que é um Agente? Qualquer entidade (humana ou artificial) que: n está imersa ou situada em um ambiente w físico, virtual/simulado n percebe seu ambiente através de sensores w ex. câmeras, microfone, teclado, finger, . . . n age sobre ele através de atuadores w ex. vídeo, auto-falante, impressora, braços, ftp, . . . n possui objetivos próprios w explícitos ou implícitos n escolhe suas ações em função das suas percepções para atingir seus objetivos 3
Agentes Inteligentes x Sistemas de IA Clássica Sistema Inteligente Agente Interpretação das percepções Sensores IA Ambiente Objetivos Atuadores Raciocínio = escolha das ações IA Dados de Entrada Raciocínio Objetivos Dados de Saída IA
Agente Racional (Inteligente) Agente Racional n faz a melhor coisa possível n segue o princípio da racionalidade: w dada uma seqüência perceptiva, o agente escolhe, segundo seus conhecimentos, as ações que melhor satisfazem seu objetivo Racionalidade ¹ Onisciência n Limitações de: w sensores w atuadores w “raciocinador" (conhecimento, tempo, etc. ) 5
Agente Racional Medida de Desempenho Então como vamos medir o “sucesso” do agente? n Usando uma “medida de performance” w Quando o agente é colocado em um ambiente, ele gera uma seqüência de ações com base nas suas percepções. w Essa seqüência de ações leva o ambiente a modificar-se passando por uma seqüência de estados. w Se essa seqüência de estados é “desejável”, então o agente teve um bom desempenho! Contudo. . . n n Não existe uma medida de sucesso fixa para todos os agentes Assim sendo, vamos optar por uma medida de performance objetiva, que seja determinada pelo projetista o agente! 6
Cuidado. . . na computação, nem todo agente é inteligente (racional)! Inteligência Artificial Engenharia de Software Agentes Sistemas Distribuídos 7
Outras propriedades associadas aos Agentes Autonomia (IA) n raciocínio, comportamento guiado por objetivos n reatividade Adaptabilidade & aprendizagem (IA) Comunicação & Cooperação (IA) Personalidade (IA) Continuidade temporal Mobilidade 8
Outras propriedades associadas aos Agentes Autonomia de raciocínio (IA): n n Requer máquina de inferência e base de conhecimento Essencial em sistemas especialistas, controle, robótica, jogos, agentes na internet. . . Adaptabilidade (IA): n n n Capacidade de adaptação a situações novas, para as quais não foi fornecido todo o conhecimento necessário com antecedência Duas implementações w aprendizagem e/ou programação declarativa Essencial em agentes na internet, interfaces amigáveis. . . 9
Outras propriedades associadas aos Agentes Comunicação & Cooperação (Sociabilidade) (IA): n n IA + técnicas avançadas de sistemas distribuídos: w Protocolos padrões de comunicação, cooperação, negociação w Raciocínio autônomo sobre crenças e confiabilidade w Arquiteturas de interação social entre agentes Essencial em sistemas multi-agente, comércio eletrônico, . . . Personalidade (IA): n n IA + modelagem de atitudes e emoções Essencial em entretenimento digital, realidade virtual, interfaces amigáveis. . . 10
Outras propriedades associadas aos Agentes Continuidade temporal e persistência: n Requer interface com sistema operacional e banco de dados n Essencial em filtragem, monitoramento, controle, . . . Mobilidade: n n Requer: w Interface com rede w Protocolos de segurança w Suporte a código móvel Essencial em agentes de exploração da internet, . . . 11
Como descrever um Agente Racional? Pode ser descrito em termos de seu PEAS n P – performance n E – (environment) ambiente n A – atuadores n S – sensores n e outros agentes – nos sistemas multiagentes 12
Exemplo: Agente de Polícia Agente Raciocínio Conhecimento: - leis - comportamento dos indivíduos, . . . percepção Ambiente Objetivo: - fazer com que as leis sejam respeitadas execução Ações: - multar - apitar - parar, . . .
Exemplos de Agentes e seus PEAS
Ambientes 15
Ambientes Classes de ambientes n Ambiente físico: agentes robôs n Ambiente de Software: agentes softbots n Ambiente de Realidade virtual (simulação do ambiente físico): agentes softbots e avatares Propriedades de um ambiente n n n n totalmente observável x parcialmente observável determinista x estocástico episódico x seqüencial estático x dinâmico discreto x contínuo um agente x multiagentes complexidade: número de percepções, ações, objetivos, . . . 16
Ambientes: propriedades Totalmente observável n quando os sensores do agente conseguem perceber o estado completo do ambiente. Determinista n o próximo estado do ambiente pode ser completamente determinado pelo estado atual e as ações selecionadas pelo agente. Episódico n n n A experiência do agente é dividida em episódios. Cada episódio consiste em o agente perceber e então agir. Cada episódio não depende das ações que ocorreram em episódios prévios. 17
Ambientes: propriedades Estático n n o ambiente não muda enquanto o agente está escolhendo a ação a realizar. Semi-estático: o ambiente não muda enquanto o agente delibera, mas o "score" do agente muda. Discreto n quando existe um número distinto e claramente definido de percepções e ações em cada turno. Contínuo n percepções e ações mudam em um espectro contínuo de valores. 18
Exemplos de Ambientes > A complexidade do ambiente é dada por: número de percepções, ações e objetivos possíveis
Agentes Algoritmo Básico e Arquiteturas 20
Agentes: Algoritmo básico função agente. Simples (percepção) retorna ação memória : = atualiza. Memória (memória, percepção) ação : = escolhe. Melhor. Ação(memória, objetivos) memória : = atualiza. Memória (memória, ação) retorna ação 21
Agentes: Arquiteturas 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: seqüência perceptiva => ação ambiente n sensores Raciocinador Agente modelo do ambiente atuadores 23
ambiente Agente Tabela? Não é um agente racional. . . sensores Agente Tabela Percepções ações. . atuadores Limitações n Mesmo problemas simples requerem tabelas muito grandes w ex. xadrez 30^100 n Nem sempre é possível, por ignorância ou questão de tempo, construir a tabela n Não tem autonomia nem flexibilidade Ambiente n Totalmente observável, determinista, episódico, estático, discreto e minúsculo!
ambiente Agente Reativo Simples Agente sensores Como está o mundo agora? Que ação devo escolher agora? Regras “condição-ação” atuadores Vantagens e desvantagens n n Regras condição-ação - representação inteligível, modular e eficiente w ex. Se velocidade > 60 então multar Não pode armazenar uma seqüência perceptiva, tem pouca autonomia Ambiente n n Totalmente observável, episódico, pequeno Reflexo é imprescindível em ambientes dinâmicos
Agente Reativo baseado em Modelo do Mundo Agente sensores ambiente Como está o mundo agora? estado: como o mundo era antes como o mundo evolui impacto de minhas ações Que devo fazer agora? atuadores Desvantagem: pouca autonomia n não tem objetivo, não encadeia regras Ambiente: determinista e pequeno Ex. Tamagotchi Regras “condição-ação”
Agente cognitivo - Baseado em Objetivo ambiente sensores Agente estado: como o mundo era antes Como está o mundo agora? como o mundo evolui Como ele ficará se faço isto? impacto de minhas ações Que devo fazer agora? Objetivos atuadores Vantagens e desvantagens n Mais complicado e ineficiente, porém mais flexível, autônomo n Não 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 está o mundo agora? Como ele ficará se faço isto? ambiente Este novo mundo é melhor? Que ação devo escolher agora? atuadores Ambiente: sem restrição Desvantagem: não tem adaptabilidade Ex. motorista de táxi n Segurança e velocidade – conflito! como o mundo evolui qual é o impacto de minhas ações Função de Utilidade
Agente que aprende Agente sensores t+1 avaliação ambiente t elemento de execução (agente) crítico trocas elemento de conhecimento aprendizagem t atuadores objetivos de aprendizagem Gerador de problemas Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) n Contudo, não necessariamente trata dois objetivos conflitantes Ex. motorista sem o mapa da cidade
Inteligência Coletiva IA Distribuída 30
Inteligência Coletiva Por que pensar a inteligência/racionalidade como propriedade de um único indivíduo? Não existe inteligência. . . n n Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade? Solução: IA Distribuída 31
IA Distribuída Agentes simples que juntos resolvem problemas complexos n tendo ou não consciência do objetivo global O próprio ambiente pode ser modelado como um agente Dois tipos de sistemas: n Resolução distribuída de problemas n Sistemas Multi-agentes 32
Resolução distribuída de problemas Cada agente tem consciência do objetivo global Existe uma divisão clara de tarefas Exemplos: n Robótica clássica, Busca na Web, Gerência de sistemas distribuídos, . . . 33
Sistemas Multi-agentes Não existe consciência do objetivo global Não existe divisão clara de tarefas Exemplos: n n-puzzle (jogo dos 8 -números), futebol de robôs, balanceamento de carga, robótica, . . . F 3 7 4 3 5 7 8 1 4 2 6 5 8 2 1 1 2 3 6 4 5 6 7 8 34
Agentes em IA Metodologia para projeto de sistemas e dicas de implementação 35
Projeto Metodologia de desenvolvimento Decompõe o problema em: n n PEAS dos agentes (Performance, Environment (ambiente), Atuadores e Sensores); & Objetivos (ou função utilidade, se for o caso) dos agentes; Decompõe o conhecimento do agente em: n n n Quais são as propriedades relevantes do mundo? Como identificar os estados desejáveis do mundo? Como interpretar as suas percepções? Quais as conseqüências das suas ações no mundo? w Como medir o sucesso de suas ações? Como avaliar seus próprios conhecimentos? w São suficientes para resolver o problema? 36
Projeto Metodologia de desenvolvimento O resultado dessa decomposição indica: n n Arquitetura de agente adequada ao ambiente e ao problema a ser tratado O método de resolução de problema (raciocínio) 37
Como desenvolver um software inteligente? Projeto: n Modelar o problema em termos de PEAS e Objetivos (ou função utilidade) dos agentes n Identificar o tipo de ambiente n Identificar a arquitetura do(s) agente(s) Implementação: n Componentes do agente O simulador de ambientes n Testar o desempenho com diferentes instâncias do ambiente n 38
Implementação Simulação do Ambiente Às vezes, é mais conveniente simular o ambiente n n n mais simples permite testes prévios evita riscos, etc. . . O ambiente (pedaço de código. . . ) n n n recebe os agentes como entrada fornece repetidamente a cada um deles as percepções corretas e recebe as ações escolhidas atualiza os dados do ambiente em função dessas ações e de outros processos (ex. dia-noite) n é definido por um estado inicial e uma função de atualização n deve refletir a realidade 39
Simulação de Ambientes função simula. Ambiente (estado, função. Atualização, agentes, final) repita para cada agente em agentes faça Percept[agente] : = pega. Percepção(agente, estado) para cada agente em agentes faça Action[agente] : = Programa[agente] (Percept[agente]) estado : = função. Atualização(ações, agentes, estado) scores : = avalia. Desempenho(scores, agente, estado) //opcional até final Cuidado para não cair em tentação e “roubar” do ambiente a descrição do que aconteceu. Use a memória do agente! 40
Por que usar a “metáfora” de agentes? 1. Fornece uma visão unificadora das várias sub-áreas 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 interação com o ambiente 5. Permite tratamento natural da IA distribuída 41
Próxima Aula Agentes baseados em conhecimento 42
- Agente de reflejo simple
- Agente reflejo simple
- Flvia
- Flvia
- Flvia
- Mafalda frases inteligentes
- Interfaces inteligentes
- Sistemas tutores inteligentes
- Pessoas inteligentes falam de ideias
- Tipos de mutaciones genicas
- Agentes suspensores ejemplos
- Kirby bauer
- Los decisores
- Ana lilia concepcion laureano cruces
- Agentes mutagenos fisicos
- Desinfeccin
- Agentes de socialización
- Agentes economicos del mercado
- Agentes modeladores do relevo
- Agentes honoríficos
- Agentes economicos
- Mutacion espontanea
- Tabla de comisiones agentes de seguros
- Solos zonais
- Agentes depresores de la actividad de agua
- Agentes da romanização
- Agentes generadores de los suelos
- Sistema financiero definicion
- Agentes quimicos
- Agentes surfactantes
- Socialización anticipante
- Agentes cognitivos
- Unit 4 aos 2 legal studies
- Aos dana ancient ireland
- Khan's tutorial scandal
- Unit 4 aos 2 psychology
- Setsuyaku
- Não vades aos gentios
- Ato penitencial senhor que sois o defensor dos pobres
- Sermão de santo antónio aos peixes capítulo 3
- Epq aos
- Consolai-vos uns aos outros
- Nao recorram aos mediuns