Agentes Inteligentes Inteligência Artificial
Agentes Inteligentes
Inteligência Artificial
DefiniçãoUm agente é tudo aquilo que pode ser visto como
percebendo um ambiente e agindo sobre ele
Eu adicionaria:
... Em busca de um conjunto de objetivos.
Agentes
Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores.
Exemplos
Agente humano Sensores: Olhos, ouvidos e outros órgãos. Atuadores: Mãos, pernas, boca e outras partes do corpo.
Agente robótico Sensores: câmeras e detectores de infravermelho. Atuadores: vários motores.
Agente de software Sensores: entrada do teclado, conteúdo de arquivos e
pacotes vindos da rede. Atuadores: tela, disco, envio de pacotes pela rede.
Aula 1 - 17/10/2010
Mapeando percepções em ações
Sequência de percepções: história completa de tudo que o agente percebeu.
O comportamento do agente é dado abstratamente pela função do agente:
[f: P* A]onde é a P* é uma sequência de percepções e A é uma ação.
O programa do agente roda em uma arquitetura física para produzir f.
Agente = arquitetura + programa.
Aula 1 - 17/10/2010
Exemplo: O mundo do aspirador de pó
Percepções: local e conteúdo Exemplo: [A, sujo]
Ações: Esquerda, Direita, Aspirar, NoOp
Uma função para o agente aspirador de pó
Sequência de Percepções Ação
[A, Limpo] Direita
[A, Sujo] Aspirar
[B, Limpo] Esquerda
[B, Sujo] Aspirar
[A, Limpo], [A, Limpo] Direita
[A, Limpo], [A, Sujo] Aspirar
...
[A, Limpo], [A, Limpo], [A, Limpo] Direita
[A, Limpo], [A, Limpo], [A, Sujo] Aspirar
...
Programa: Se o quadrado atual estiver sujo, então aspirar, caso contrário mover para o outro lado.
Agentes Racionais
Como preencher corretamente a tabela de ações do agente para cada situação?
O agente deve tomar a ação “correta” baseado no que ele percebe para ter sucesso. O conceito de sucesso do agente depende uma
medida de desempenho objetiva. Exemplos: quantidade de sujeira aspirada, gasto de energia,
gasto de tempo, quantidade de barulho gerado, etc.
A medida de desempenho deve refletir o resultado realmente desejado.
Agentes Racionais
Agente racional: para cada sequência de percepções possíveis deve selecionar uma ação que se espera venha a maximizar sua medida de desempenho, dada a evidência fornecida pela seqüência de percepções e por qualquer conhecimento interno do agente.
Agentes Racionais
Racionalidade é diferente de perfeição. A racionalidade maximiza o desempenho esperado, enquanto a
perfeição maximiza o desempenho real. A escolha racional só depende das percepções até o momento.
Mas os agentes podem (e devem!) executar ações para coleta de informações. Um tipo importante de coleta de informação é a exploração de um
ambiente desconhecido. O agente também pode (e deve!) aprender, ou seja,
modificar seu comportamento dependendo do que ele percebe ao longo do tempo. Nesse caso o agente é chamado de autônomo. Um agente que aprende pode ter sucesso em uma ampla variedade
de ambientes.
Características Cognitivas (1/2)
Básicas:Autonomia – capacidade de agir sem
intervenção de outros agentes.Reatividade – habilidade de reagir a
estímulos do ambiente.Proatividade – propriedade de agir guiado por
objetivos, a partir de iniciativa própria.Sociabilidade – potencialidade de se
comunicar com outros agentes do ambiente.
Características Cognitivas (2/2) Adicionais:
Adaptatividade – capacidade de se adaptar ao ambiente (aprendizado).
Mobilidade – habilidade de se mover entre ambientes. Veracidade – propriedade de dizer sempre a verdade. Benevolência – característica de realizar tudo aquilo
que lhe é solicitado. Racionalidade – capacidade de agir sempre em
busca dos próprios objetivos.
Não há consenso! [Wooldridge 1999] Autonomia é a habilidade de agir sem
intervenção humana ou de outros sistemas. Isso é conseqüência do controle total sobre seu estado interno e sobre seu comportamento.
[Maes 1995] Agente autônomo é o que consegue operar com completa autonomia, decidir por si só como relacionar os dados obtidos com ações de modo que seus objetivos sejam atingidos com sucesso.
[Russel & Norvig 1995] Um sistema é autônomo na medida em que seu comportamento é determinado pela sua experiência, em vez de ter todo o conhecimento sobre o ambiente pré-construído. Esse sistema tem um conhecimento inicial e habilidade de aprender.
Agentes Racionais
São aqueles que tomam a ação correta em busca de seus objetivos.
Dependem: Da medida de eficiência (performance measure) que
define o grau de sucesso do agente. De sua seqüência de percepções em relação ao
ambiente. De todo o conhecimento que tem sobre o ambiente Das ações que é capaz de realizar.
Agente Racional Ideal
Para cada possível seqüência de percepção, um agente racional ideal deve realizar a ação que maximize sua medida de eficiência, com base
em evidências providas pela seqüência de percepção e mais qualquer conhecimento que o
agente tiver sobre o ambiente.
Exemplos
Termostato Agente de Diagnóstico Médico Motorista de Taxi Artificial
Quais são seus perceptores, ações, objetivos, ambiente e medida de eficiência?
PEAS
Ao projetar um agente, a primeira etapa deve ser sempre especificar o ambiente de tarefa.Performance = Medida de Desempenho Environment = AmbienteActuators = AtuadoresSensors = Sensores
Exemplo de PEAS: Motorista de Táxi Automatizado Medida de desempenho: viagem segura, rápida,
sem violações às leis de trânsito, confortável para os passageiros, maximizando os lucros.
Ambiente: ruas, estradas, outros veículos, pedestres, clientes.
Atuadores: direção, acelerador, freio, embreagem, marcha, seta, buzina.
Sensores: câmera, sonar, velocímetro, GPS, hodômetro, acelerômetro, sensores do motor, teclado ou microfone.
Exemplo de PEAS:Sistema de Diagnóstico Médico Medida de desempenho: paciente saudável,
minimizar custos, processos judiciais. Ambiente: paciente, hospital, equipe. Atuadores: exibir na tela perguntas, testes,
diagnósticos, tratamentos. Sensores: entrada pelo teclado para
sintomas, descobertas, respostas do paciente.
Exemplo de PEAS:Robô de seleção de peças Medida de desempenho: porcentagem de
peças em bandejas corretas. Ambiente: correia transportadora com
peças; bandejas. Atuadores: braço e mão articulados. Sensores: câmera, sensores angulares
articulados.
Exemplo de PEAS:Instrutor de Inglês Interativo Medida de desempenho: maximizar nota
de aluno em teste. Ambiente: conjunto de alunos. Atuadores: exibir exercícios, sugestões,
correções. Sensores: entrada pelo teclado.
Agente Básico
- Cadê a medida de eficiência?
- Será que a escolha da ação pode ser feita a partir de uma tabela que relacione diretamente condição/ação?
Agente Dirigido por TabelaFunção AGENTE-DIRIGIDO-POR-TABELA(percepção) retorna
uma açãoVariáveis estáticas:
percepções, uma seqüência, inicialmente vazia tabela, uma tabela de ações, indexada por seqüências de percepções, de início completamente especificada
anexar percepção ao fim de percepçõesação ← ACESSAR(percepções, tabela)retornar ação
• Desvantagens:– Tabela gigante (xadrez = 10150 entradas)– Tempo longo para construir a tabela– Não tem autonomia– Mesmo com aprendizado demoraria muito para aprender a tabela.
Tipos básicos de agentes
Quatro tipos básicos, do mais simples ao mais geralAgentes reativos simplesAgentes reativos baseados em modelosAgentes baseados em objetivosAgentes baseados na utilidade
Agente Reflexivo
Ações baseadas no estado atual do mundo. Agem por reflexo: regras condição-ação.
Am
biente
Estado do Mundo
Sensors
Que ação eu devo tomarregras condição-ação
Effectors
Agente Reflexivo com Estado Interno
Necessários quando um histórico é necessário, além da informação sensorial.
Am
biente
Estado do Mundo
Sensors
Que ação eu devo tomarregras condição-ação
Effectors
estado interno
como o mundo evolui
conseqüências de minhas ações
Agente Orientado a Objetivos
Mais flexíveis por inferirem reações.
Am
biente
Estado do Mundo
Sensors
Que ação eu devo tomarobjetivos
Effectors
estado interno
como o mundo evolui
conseqüências de minhas ações Como será o mundo
se eu tomar ação A
Agente Baseado em Utilidade
Funciona escolhendo sempre um estado mais útil. Função de utilidade: determina o grau de satisfação
do agente em relação a um determinado estado.
Am
biente
Estado do Mundo
Sensors
Que ação eu devo tomar
utility
Effectors
estado interno
como o mundo evolui
conseqüências de minhas ações Como será o mundo
se eu tomar ação A
O quão feliz vou ficar nesse estado
Propriedades do Ambiente
Acessível x Inacessível Determinístico x Não-determinístico Episódico x Não-episódico Estático x Dinâmico Discreto x Contínuo
Ambiente Acessível
Sensores têm acesso ao estado completo do ambiente (i.e. os agentes vêem tudo).
Os sensores captam toda informação relevante para a escolha por uma ação.
Não é necessário manter o estado interno. Ex.:
xadrez – acessível robô que seleciona peças – inacessível
Ambiente Determinístico
Próximo estado = estado atual + ações dos agentes.
Devemos dizer se um ambiente é ou não determinístico do ponto de vista de um agente.
Ex.: xadrez – determinístico robô que seleciona peças – não-determinístico
Ambiente Episódico
A experiência dos agentes é dividida em episódios, i.e. pares percepção-ação.
A qualidade da ação depende apenas do episódio em si, porque episódios subseqüentes não dependem da ação que ocorrem em episódios anteriores.
É mais simples porque o agente não precisa pensar no futuro.
Ex.: xadrez – não-episódico robô que seleciona peças – episódico
Ambiente Estático
O ambiente não muda enquanto o agente está deliberando.
É mais simples de lidar porque o agente não precisa monitorar o ambiente enquanto toma uma decisão.
Semi-dinâmico: o ambiente não muda mas a medida de eficiência do agente muda.
Ex.: Xadrez sem relógio – estático Xadrez com relógio – semi-dinâmico robô que seleciona peças – dinâmico
Ambiente Discreto
Há um conjunto limitado e bem definido de perceptores e ações distintos.
Ex.: xadrez – discretorobô que seleciona peças – contínuo
Ambiente x Agente
Cada ambiente requer um tipo de agente. Ambiente mais simples: acessível,
determinístico, episódico, estático e discreto.
Quanto mais complexo for o ambiente, mais complexo deve ser o agente.
Agentes x Internet
Agentes de BuscaAgentes de Busca
BrowserConsulta
Resposta
Servidor de Consultas Base de
Índices
Search EngineUsuário
Busca
WebWeb)--(
Robô
Indexing Engine
Exemplos: Google, Bing, AltaVista, Lycos, Excite, ...
Agentes que filtram InformaçãoArquitetura:
Browser
Agente de Filtragem
InternetInternet
Servidor de News
Indexing Engine
ArtigosIndexados
Perfil dousuário
• Filtram as informações encontradas de acordo com o perfil do usuário.
Exemplos NewsHound
Busca notícias em diversos jornais a partir do perfil dado Envia informações através de e-mail ou páginas html. Utiliza critérios de relevância
MetaCrawler Programa inteligente que usa outros engenhos de busca em
prol do usuário
BrowserConsulta
Resposta
Servidor de Consultas Base de
Índices
Search EngineUsuário
Softbot
Perfil do
usuário
Agentes Notificadores Notifica o usuário de eventos de importância para ele.
Mudança no conteúdo de uma página na Web. Mudança de endereço de uma página.
Exemplo: URLMINDER Monitora páginas na Web
e comunica aos usuários se houve mudanças nelas
Checa páginas pelo menos 1 vez/dia
Não faz busca recursiva de URLs.
Comércio Eletrônico
Hoje informaçãomarketingprocessamento do pedidoProblemas
O que comprar? Onde comprar? Quanto pagar?
Agentes que filtram Informação de CompraArquitetura:
Browser
Agentes de Comércio Eletrônico
InternetInternet
Servidor
Indexing Engine
SitesIndexados
Perfil dousuário
• Filtram as opções de compra de acordo com o perfil do usuário.
Agentes Inteligentes
Dúvidas?